AI가 밋밋해지는 이유: Replit CEO가 말한 ‘슬롭’과 취향

왜 지금의 AI가 ‘슬롭’처럼 보이나: 빠진 것은 취향

AI 세계에는 아이디어와 실험이 넘치지만, Replit의 암자드 마사드는 많은 결과물이 신뢰하기 어렵고 효과가 제한적이며 서로 비슷한 ‘장난감’ 수준에 머문다고 지적한다. 한 번에 끝내는 성급한 프롬프트뿐 아니라, 결과물에 고유한 취향이 결여된 것이 문제다. 그는 플랫폼과 개발자가 더 많은 노력을 들여 AI 에이전트에 ‘취향’을 심어야 슬롭을 벗어날 수 있다고 말한다.

슬롭 극복 전략: 프롬프트·분류·RAG·토큰 (AI 에이전트)

Replit은 특화된 프롬프트 설계, 디자인 시스템에 내장된 분류 기능, 독자적 RAG 기법을 결합해 슬롭을 줄인다. 또한 토큰 사용을 아끼지 않아 입력의 품질을 높이고, 문맥을 더 충실히 전달한다. 이런 접근은 AI 에이전트가 상황을 풍부하게 이해하고, 균질한 답변에서 벗어나도록 돕는다.

테스트 루프와 모델 경쟁으로 품질 제고 (AI 에이전트)

앱의 1차 산출물이 나오면 테스트 에이전트가 모든 기능을 점검하고, 결과를 코딩 에이전트에게 피드백한다. 이 루프를 통해 모델은 자신의 작업을 성찰하며 개선한다. 테스트와 코딩 에이전트를 서로 다른 LLM으로 구성해 각자의 지식 분포 차이를 활용하는 것도 핵심 전략이다. 그 결과 더 공을 들인 덜 지저분한 산출물과 더 다양한 선택지가 만들어진다. 그는 모델의 원시 능력과 그 위에 팀이 얹는 도구·프로세스 사이에서 ‘당기고 밀기’가 필요하며, 빠르게 나르고 배포하려면 과감히 코드를 버리는 결단도 필요하다고 강조한다. 이러한 공정 전체가 AI 에이전트의 실전 활용도를 끌어올린다.

바이브 코딩의 부상과 인력 지형 변화 (AI 에이전트)

과장된 기대에 비해 AI가 아직 답답하게 느껴지는 이유로 그는 챗봇이 워크플로를 조금 개선하는 수준에 머무는 현실을 든다. 반면 바이브 코딩은 조직 구성원 모두를 문제 해결형 ‘소프트웨어 엔지니어’로 만들어 자동화를 통해 효율을 끌어올리고, 기존 SaaS 의존을 줄이는 실질적 경로가 될 수 있다. 전통적으로 CS 교육을 받은 개발자 집단의 비중은 줄고, 소프트웨어와 에이전트를 활용해 문제를 푸는 바이브 코더와 AI 에이전트 활용은 크게 늘어날 것이라는 전망이다.

기업 전략: 로드맵보다 민첩성, 맥락 압축과 샌드박스

AI 역량이 급변하는 환경에서는 수개월, 심지어 수주 후의 모습을 ‘대략’만 가늠할 수 있다. Replit 팀은 새 모델이 나오면 전부 중단하고 평가에 착수하는 등 민첩성을 최우선에 둔다. 그는 흐름의 성쇠를 받아들이는 ‘젠’한 태도와 낮은 자아가 필요하다고 말한다. 팟캐스트에서는 특화를 가로막는 AI 지능의 모호한 경계, 오픈소스의 대성당 vs. 시장 논쟁과 ‘시장으로 이루어진 대성당’이라는 절충, 실험을 위해 개발 환경을 포크해 격리 샌드박스를 만드는 방식, 맥락 압축의 중요성도 다룬다. 더불어 AI 에이전트의 본질은 단순 정보 검색이 아니라 인간 개입 없이 자율적으로 반복 수행하는 작업 능력임을 강조한다.