Factory CEO on the Future of Software, Humans vs Agents, SaaS, and more!

📌 Factory AI의 핵심 기술 3가지는 무엇인가?

Factory AI의 핵심 기술은 첫째, GitHub, Slack, Jira 등과의 퍼스트 파티 통합, 둘째, 조직, 팀, 개인 수준의 메모리 기능, 셋째, 로컬 및 원격 코드 실행 능력입니다.

💡 각 기술의 특징은 무엇인가?

• 퍼스트 파티 통합: 대규모 코드베이스나 조직에서 관련 정보를 미리 파악하여 작업 속도를 높입니다.
• 메모리: 조직, 팀, 개인 수준에서 학습하여 맞춤형 지원을 제공합니다.
• 코드 실행: 생성된 코드를 실제로 실행하고 검증하여 정확성을 높입니다.

이 영상은 소프트웨어 개발의 미래, 인간과 에이전트의 협업, saas의 발전 방향에 대한 공장 CEO의 통찰을 담고 있습니다. 핵심 주제는 ai 에이전트를 활용하여 소프트웨어 개발 효율성을 극대화하고, 인간은 시스템 사고와 문제 분할 능력에 집중하는 미래입니다. 5년 후에는 아이디어에서 솔루션까지의 여정이 훨씬 효율적으로 변하여, 적은 인원으로도 더 큰 문제를 해결할 수 있게 될 것입니다. 또한, 소프트웨어 복잡성이 증가함에 따라 인간이 상상할 수 없는 수준의 소프트웨어가 등장할 수 있습니다. 궁극적으로, AI는 인간의 능력을 증폭시켜 더 많은 문제를 해결하고, 새로운 가치를 창출하는 데 기여할 것입니다.

반응형

1. 🤖 미래의 소프트웨어 개발 방식

• 5년 후에는 적은 인력으로도 아이디어에서 해결책까지 빠르게 도출하는 것이 가능해지고, 거대한 문제는 전 세계 엔지니어들만으로 해결하기 어려워진다.
• 가상 엔지니어를 활용하여 대규모 소프트웨어 문제를 해결하는 방식이 현실화될 것으로 예상된다.
• 기술은 선형적 성장보다 지수적 성장을 하며, 그 이면의 핵심 기법이 중요하다는 점이 강조된다.
• Factory는 기존의 IDE와는 전혀 다른 방식으로 설계되었으며, AI와 미래 소프트웨어 엔지니어링의 방향성을 반영한다.
• 창립자인 미탄은 이론 물리학자 출신으로, AI 연구와 코드 생성에 흥미를 갖기 시작했고, 이 경험이 Factory 개발에 영향을 주었다.
• 코드 생성 능력은 AI의 다양한 작업 수행 능력과 밀접하게 연관되어 있으며, 이를 통해 일반적인 소프트웨어 개발이 변화할 수 있음을 시사한다.
• 기존의 20년 된 IDE 사용 패턴은 앞으로 빠르게 변화하며, 개발자는 거의 코드를 작성하지 않는 미래가 온다는 관점이 제기된다.
• 새로운 개발 패러다임은 전통적 방법에서 벗어난, ‘에이전트 네이티브’ 접근법으로, 대규모 과제를 세분화하여 병렬 처리하는 방식이다.
• 병렬작업의 강력한 효과를 체감하는 경험으로, 여러 에이전트가 동시에 작업하는 모습이 인상적이고, 이를 통해 업무 속도가 크게 향상될 수 있음을 보여준다.
• 모델의 능력 향상은 자연어 추론보다 코드 작성 능력에 있고, 최근 발표된 연구에서는 일부 모델이 전통적 추론 난제에서 한계에 직면하는 반면 코딩 능력은 뛰어남을 시사한다.

 

2. 🤖 LLM의 코딩 능력과 '지능'의 의미

• LLM의 코딩, 논리 수행, 추론 능력은 ‘지능’의 일부로 볼 수 있으며, 이는 다양한 관점에서 논의되고 있다.
• 현재 ‘지능’에 대한 정의는 명확하지 않으며, 패턴 인식과 일반화 능력이 중요한 요소로 인식된다.
• 모델이 학습 데이터에 더 많이 존재하는 문제일수록 성능이 향상되며, 이는 인간의 공부와 유사한 일반화 과정으로 볼 수 있다.
• AI와 의식을 연결하는 개념이 혼재되어 있어, ‘지능’과 ‘의식’은 구별이 필요하다는 견해가 제시된다.
• 따라서, 일부 언어모델은 ‘지능’을 갖추고 있으며, 특히 코딩 능력을 통해 일반화 가능성을 보여주고 있다고 판단된다.
• 💻 인공지능과 인간 엔지니어의 협업 방식
  • 인간 엔지니어들은 팀 내에서 각기 다른 부분을 병렬로 개발하며, 버전 관리 도구인 Git이 이를 지원한다.
  • AI 에이전트들이 병렬 작업 시, 특히 핵심 기능의 변경 충돌 시 어떻게 협업하는지 중요한 문제이다.
  • 인간은 복잡한 시스템의 최적 분할과 결합 지점 설계에 강점이 있으며, 이는 ‘시스템 사고’ 능력에 기인한다.
  • 최고의 엔지니어들은 언어 지식보다 시스템 사고와 제약 조건을 이해하는 능력으로 평가받는다.
  • 최신 소프트웨어 개발은, 시스템 사고를 기반으로 하되, 반복적 검증과 검증 단계 세트를 만들어 AI에게 전달 후 수행하는 방식으로 변화하고 있다.

 

3. ⚙️ 코딩 학습의 가치와 시스템 사고의 중요성

• 코딩 학습은 아이디어를 실현하고 타인에 의존하지 않게 해주는 핵심 기술이다 .
• 시스템 사고는 코딩뿐만 아니라 삶의 전반에 중요한 역량으로, 많은 문제 해결에 핵심이 된다 .
• 복잡한 시스템을 이해하고, 핵심을 파악하며, 필요한 부분만 빠르게 습득하는 능력이 미래에도 중요하다고 본다 .
• 정리된 지식을 빠르게 습득하고, 구성요소 간 관계를 이해하는 시스템 사고는 기술 발전 속에서도 필수적이다 .
• 🌊 인공지능과 에이전트의 부상, 그리고 기본기 습득의 중요성
  • 에이전트와 오케스트레이션, 기본기 이해는 미래 AI 시대에도 여전히 필요하며, 이를 통해 검증과 제어가 가능하다 .
  • 최신 소프트웨어 엔지니어링은 AI 발전과 함께 급격히 변화하며, 앞으로도 큰 폭의 기술 진보가 예상된다 .
  • 복잡한 기술의 발전은 비선형적이며, 기술 성장이 기하급수적이기 때문에 예측이 매우 어렵다 .
  • 소프트웨어는 본질적으로 "목적"을 이루기 위한 수단으로, 빠른 계산 및 통신 수단으로 발전해 왔으며, 앞으로도 그 추세는 계속될 것이다 .
  • 과거에는 하위 코드부터 상위 추상화까지 깊은 이해가 필요했으며, 이는 시스템적 사고 및 문제 해결 능력을 배양하는 데 중요하다 .

• 🚀 미래의 소프트웨어 개발과 인력 구성 변화 예측
  • 향후 5~10년은 문제 해결 속도가 크게 빨라지고, 적은 인원으로도 복잡한 문제를 해결할 수 있게 될 것이다 .
  • 만약 많은 인공지능 에이전트를 활용한다면, 더 크고 복잡한 프로젝트도 가능하며, 조직 규모는 기하급수적으로 커질 수 있다 .
  • 전체 엔지니어 인력이 축소되지 않고, 오히려 인공지능이 증강된 더 넓은 문제 해결 능력에 집중하게 된다 .
  • 작은 시장 문제들도 인공지능과 자동화로 대량 해결 가능하며, 심지어 1인 문제도 경제적 해결이 가능해질 수 있다 .
  • 인류가 확장하는 우주 사냥 등 거대 프로젝트도 인공지능의 도움으로 해결 가능해지며, 이는 인류의 진보를 크게 촉진할 것이다 .

• 🌌 기술 발전이 이끄는 문제 해결의 미래 방향성
  • 인류는 무한한 문제를 해결하는 데 있어, 인공지능과 에이전트를 통해 매우 효율적인 도구를 갖추게 된다 .
  • 미래는 소수의 인력과 수많은 가상 엔지니어들이 협력하여, 거대한 문제를 해결하는 시대가 올 것으로 기대된다 .

3.1. ️ 코딩 학습의 가치는 계속 유지될까?

• 코딩을 배우는 것이 여전히 중요한 스킬임을 인터뷰에서 강조하며, 이는 아이디어를 직접 실현하는 능력으로 이어진다.
• 과거에는 코딩이 가장 중요한 능력으로 꼽혔지만, 시스템 사고와 같은 더 넓은 관점이 중요하다고 재차 강조한다.
• 인공지능과 에이전트가 대부분의 코드를 작성하더라도, 시스템 사고는 업무와 삶 전반에 여전히 필수적이며, 이를 통해 복잡한 시스템을 이해하고 설계할 수 있다고 본다.
• 따라서, 코딩 자체보다는 시스템 사고의 중요성을 이해하는 것이 더 중요하다고 볼 수 있다고 의견을 전한다.

3.2. 다양한 전문 분야의 핵심 문제 해결 능력 강조

• 미래에는 컴퓨터 과학, 수학, 생물 등 어떤 분야든 방대한 역사와 정보 속에서 핵심 문제를 파악하는 능력이 중요하다고 주장한다.
• 깊은 이해보다 빠른 문제 해결과 지식을 끌어오는 능력이 필요하며, 이를 통해 연구 발전에 기여할 수 있다고 한다.
• 제한된 시간 내에 전문가들이 쌓은 지식을 효율적으로 이해하고 활용하는 능력이 핵심 역량으로 부상할 것이라고 예측한다.
• ⚙️ 기초 지식과 시스템적 사고의 중요성
  • 물리학과 같은 분야에서 기본 원리, 정리, 공식들을 알아야 추후에 재확인하거나 응용할 수 있는 능력을 갖춘다고 설명한다.
  • 소프트웨어 공학에서도 하드웨어부터 높은 수준의 언어까지 기초 지식을 이해하는 것이, 시스템 사고와 전체 구조를 파악하는 데 필수적임을 강조한다.
  • 기본 원리와 과정을 이해하는 것은, 실질적으로 활용하지 않더라도 장기적으로 중요하며, 무시하면 이해력과 문제 해결능력이 저하될 수 있다고 한다.

• 💡 기술과 추상화 계층의 필요성
  • 다양한 문제를 해결하기 위해 계층화된 추상화와 기술적 지식을 활용하는 것이 중요하다고 설명한다.
  • 핵심 원리와 기초 지식을 갖추면, 에이전트(Agents)를 관리하고 검증하는 작업에서 큰 도움이 되며, 무작정 재연산하지 않고도 문제를 해결할 수 있다고 강조한다.
  • 결국, 기초 지식을 튼튼히 하고 전체 시스템을 이해하는 것이, 인공지능 및 자동화 시대에 필수 역량임을 제시한다.

3.3. 에이전트와 소프트웨어 엔지니어링의 급격한 변화

• 지난 2년 동안 소프트웨어 엔지니어링이 AI의 영향으로 가장 크게 변화한 것이 놀랍다.
• AI로 인해 소프트웨어 엔지니어링 분야의 변화 속도와 강도가 급증하고 있다.
• 소프트웨어 개발의 핵심 추상화인 IDE(통합개발환경)가 에이전트로 대체되는 미래가 예상된다.
• 📅 향후 5년과 10년 후의 미래 전망
  • 미래 예측은 높은 불확실성을 내포하며, 5년 후 예측은 많은 변수가 작용한다.
  • 2020년 당시 현재를 예측한 사람은 적으며, 연속적인 모델 발전이 주요 영향을 미친다.
  • 각 세대 모델의 성능 향상이 이후 세대에 기하급수적 영향을 미치며 변화의 속도를 가속화한다.

3.4. 기술 발전과 곱셈 효과에 대한 인식의 한계

• 인간은 지수적 성장과 비선형적 변화에 대한 이해와 예측이 매우 어렵다고 한다.
• 세계 GDP는 지수적 증가를 보여주지만, 2010년부터 2020년까지의 성과는 사람들이 체감하기 어려웠다고 언급된다.
• 앞으로 5~10년 동안, 기술 발전 속도가 매우 빨라져 우리가 예측하는 것이 어렵다고 예상된다.
• 💻 소프트웨어의 본질과 목표
  • 소프트웨어는 단순한 계산 수단이 아니라, 우리가 이루고자 하는 목적(ends)를 달성하기 위한 도구라고 설명된다.
  • 목표는 빠른 의사소통, 과학적 연구, 효율적 교통, 혁신적인 발견 등 다양한 목적에 있으며, 이러한 목적 달성을 위해 소프트웨어가 발전한 것이라고 한다.
  • 기계와 인간 간 의사소통을 위해 언어의 추상화가 깊어졌으며, 이는 효율성을 높이기 위한 진화와 일치한다.

• 🔮 미래 소프트웨어 발전 방향과 기대
  • 앞으로는 언어의 추상화와 인공지능 덕분에 개발 과정이 더욱 즉각적이고 효율적이 될 것이며, 문제 해결 속도는 크게 향상될 것이다.
  • 기존에는 수천 명의 엔지니어와 수년이 걸리던 문제 해결이, 이제는 적은 인력으로 빠르게 가능해질 전망이다.
  • 그러나 동시에, 많은 인력과 수많은 에이전트(인공지능)를 활용하는 경우, 조직 규모와 소프트웨어의 복잡도는 상상 초월로 커질 가능성이 높다.

3.5. 문제 해결 능력의 확장과 엔지니어링의 미래

• 긴 시간 동안 소수의 엔지니어들이 해결하던 문제들이, 인공지능과 기술 발전으로 인해 더 많은 문제를 동시에 해결할 수 있게 되었다고 설명한다.
• 해결 가능한 문제의 총 시장 규모(TAM)이 증가함에 따라, 작은 규모의 문제들도 더 많은 자원과 인력을 투입하여 해결 가능하다고 주장한다.
• 제한된 대상 인구에게만 적용되던 문제들이, 이제는 매우 적은 인구 대상 문제도 대규모 엔지니어링 자원으로 해결할 수 있다고 말한다.
• 소규모 문제 해결에 드는 비용이 매우 낮아지고 있으며, 따라서 1인 규모의 문제도 수익성을 갖춘 해결이 가능해지고 있다고 한다.
• 미래에는 인류가 우주로 확장하면서 엄청난 규모의 소프트웨어 문제가 등장할 수도 있으며, 개별 엔지니어들이 강력한 군대의 엔지니어와 함께 해결할 수 있다고 전망한다.

 

4. 🚗 사용자 경험과 디자인 방향성

• Factory의 디자인과 UX는 단순한 UI를 넘어 사용자 경험 전체에 초점을 맞추고 있다
• 디자이너 Kyle는 산업 디자인 배경으로, 다양한 관점을 제품에 반영하는 것이 중요하다고 강조한다
• 개발자 중심이 아닌, 외부 관점과 새로운 시각이 사용자 친화적인 디자인과 혁신에 기여한다
• 현재 목표는 IDE를 벗어나, 개발자가 명확한 의도를 제시하면 자동으로 구현하는 "자동화된 소프트웨어 생성"으로 이동 중이다
• 즉, 사용자 명령과 제약을 인지하고, 이를 고려해 정확한 결과를 도출하는 시스템 구축이 핵심이다
• 🤖 제약 기반 코드 생성과 검증
  • 사용자가 의도한 디자인과 제약 조건을 충족하면서, 실수 발생 시 자동 수정하거나 피드백하는 시스템이 개발 중이다
  • Factory는 코드의 명확성, 일관성, 반복성을 위해 설계 검증과 자동 검증 프로세스를 강화하고 있다
  • 최종 목표는 인간 개입 최소화, 사용자의 명세만으로 신뢰성 높은 소프트웨어를 자동 생성하는 것에 있다

• 🧠 인공 지능의 이해와 학습 기술
  • Factory의 droid는 회사의 코드베이스를 깊게 이해하는 기술적 기법(First-party integrations, memory, 코드 실행)으로 구성된다
  • 첫 번째는 GitHub, Jira 등과 연동된 precomputed 관계를 통해 맥락 이해와 빠른 문제 해결을 지원한다
  • 두 번째는 조직 및 개인 수준에서의 기억(learned behavior)으로, 사용자 행동을 학습해 맞춤형 지원이 가능하다
  • 마지막으로, 코드 실행 능력을 갖춰, 생성된 코드를 바로 검증 및 테스트하여 신뢰도를 높인다

• 💻 엔지니어링 자동화와 기업 활용
  • Factory는 code를 빠르게 생성, 검증하며, 비전문가도 내부 툴을 쉽게 구축할 수 있게 돕는다
  • 특히, 비기술적 엔터프라이즈 기업(예: Bayer)도 내부 소프트웨어 자동화와 최적화를 위해 Factory를 활용하는 것이 가능하다
  • 기존에 인적 자원이 적거나, 레거시 시스템에 의존하는 기업도 내부 역량 강화를 위해 도입할 수 있다

4.1. 디자인과 사용자 경험(UX)의 중요성

• Factory의 디자인은 UI뿐만 아니라 사용자 경험(UX)에도 초점이 맞춰져 있으며, 이는 사용자가 제품을 어떻게 경험하는지에 영향을 준다
• 디자이너인 칼의 배경은 산업 디자인( RISD 출신)으로, 다양한 시각을 제품 설계에 반영하는 것이 중요하다고 여겨진다
• 개발자 중심의 디자인이지만, 외부 관점과 사용자 경험을 고려하여 기존 IDE의 한계에서 벗어나려 한다
• 새 디자인은 앞으로 사용자와의 상호작용 방식을 혁신하여, 사용자가 수작업으로 코드 수정하는 대신 명확한 계획과 제약조건으로 AI가 수행하게 하는 것을 목표로 한다
• 🚗 인공지능 기반 소프트웨어 개발의 미래 비전
  • 기존 반복적인 개발 방식을 넘어, 인간의 수작업 개입을 최소화하는 '차'와 같은 새로운 시스템을 만들고자 한다
  • 개발자는 구체적인 행동 목표와 제약조건만 제공하면, AI가 이를 실행하는 방식으로 발전시키는 것이 목표이다
  • AI가 오류를 감지하고 제약조건에 맞지 않게 만든 경우, 자동으로 수정하고 반복 학습하는 시스템이 구축될 것으로 기대된다
  • 코드 성능과 검색, 생성 능력을 최첨단으로 유지하여, 수동 코드 수정의 필요성을 줄이려 한다
  • 최종적으로, 개발자는 명확한 계획만 제시하면 AI가 이를 수행하는 '에이전트-기반' 소프트웨어 개발 방식이 자리 잡을 전망이다

4.2. 내부 연관성 예측을 위한 첫 파티 통합

• Factory는 GitHub, Slack, Jira, Sentry, Data Dog와 같은 플랫폼과 사전 계산된 관계를 구축하여, 유기적으로 연관된 정보를 빠르게 파악할 수 있게 한다.
• 이러한 사전 연산은 대형 프로젝트나 조직에서 정보 검색과 문제 해결 속도를 크게 향상시키며, 품질도 높아진다.
• 전통적인 MCP(모델 제어 패턴)는 유용하지만, 대규모 코드베이스와 조직에서는 시간과 효율성을 위해 내부 연관성을 사전에 준비하는 것이 더욱 중요하다.
• 인간 엔지니어가 소스코드와 관련 문서를 내부적으로 이미 이해하고 작업하는 것과 유사하게 구성되어, 신속하고 정확한 작업 수행이 가능하다.
• 이러한 사전 계산과 통합 방식은 더 적은 오류와 높은 신뢰성을 제공하며, 변화에 빠르게 대응할 수 있게 돕는다.

4.3. 메모리 기능과 계층 구조

• Factory의 메모리는 사용자, 팀, 조직 수준으로 구분되어 각각의 특성을 학습한다.
• 🧠 조직, 팀, 개인별 기억력
  • 조직 레벨에서는 제품, 고객, 기술 스택 등에 대한 조직적 기억이 형성되고, 팀과 개인별로도 각각의 특유한 행동 패턴과 과제에 대한 기억이 저장된다.

• 🧠 개인별 맞춤 학습과 자동화
  • Factory는 개인이 자주 잊어버리는 작업, 예를 들어 테스트 작성 등을 학습하여, PR 제출 시 자동으로 규칙에 맞게 조정하는 기능이 있다.

• 🧠 기억 수정 및 업데이트
  • 사용자는 필요에 따라 기억 내용을 수동으로 수정할 수 있으며, 학습된 정보는 시간이 지남에 따라 더 정교해지고 향상된다.

• 🧠 기억의 확장성을 위한 제3의 요소
  • -에 대한 구체적 설명은 부족하지만, 메모리 계층 구조 외에도 추가적인 요소 또는 기능이 존재하는 것으로 추정된다.

4.4. ️ 코드 실행 방식과 이점

• 클라우드 환경에서는 여러 디로이드(로봇)를 병렬로 띄워 다양한 작업을 처리할 수 있으며, 또는 개인 환경에서도 직접 코드를 실행할 수 있다.
• 원격 환경에서 코드를 실행할 경우, 작업 검증과 테스트를 바로 수행할 수 있어 코드의 신뢰성과 품질이 향상된다고 볼 수 있다.
• 직접 실행은, 코드를 생성하는 것뿐만 아니라, 컴파일, 테스트 통과, 기대하는 기능 수행 여부를 검증하는 과정과 유사하다.
• 🤖 Factory의 역할과 시장 영향
  • Factory는 양질의 코드를 빠르게, 그리고 문제 해결 중심으로 작성하는 것을 목표로 하며, 이는 개발 생산성을 크게 향상시킨다.
  • 비기술적 대기업, 예컨대 바이엘과 같은 기업도 내부 툴 구축 및 생산성을 위해 Factory 활용이 필요하다고 봄.
  • 현재 많은 대기업은 소프트웨어를 핵심 역량이 아니더라도 내부 소프트웨어와 레거시 시스템 사용이 많으며, 이를 자체 개발 또는 개선이 가능하다고 기대된다.
  • 엔지니어들이 최첨단 도구와 대체 도구인 디로이드에 위임함으로써, 업무 효율과 멀티플 이펙트를 달성할 수 있다.

728x90

5. 🚀 소프트웨어 제작 비용의 혁신과 경쟁 환경 변화

• Factory와 같은 제품들이 비전문가들도 쉽게 뛰어난 소프트웨어를 만들 수 있게 하여, 소프트웨어 제작 비용을 '제로'에 가깝게 낮추고 있다.
• 그러나, 경쟁자들이 각각 엔지니어의 생산성을 10배 또는 100배 향상시킬 수 있어, 인력 감축이 경쟁력 유지에 충분하지 않다고 설명한다.
• 경쟁이 치열해지면서 소프트웨어의 '우수성 기준'이 과거보다 훨씬 높아지고, 이는 90년대의 웹사이트 수준과 유사하게 발전할 것이라고 전망한다.
• 🤖 AI와 에이전트 기술의 발전이 영향을 미치는 소프트웨어 생태계
  • 앞으로 에이전트들이 더 신뢰성 높고, 품질이 개선되어, 적은 지침으로도 원하는 작업을 수행할 수 있게 될 것이라 예상한다.
  • 현재 AI와 에이전트에 적극적으로 투입하는 조직들은 이미 매직 같은 개발 경험을 누리고 있으며, 이는 앞으로 더 많은 조직에 확산될 것이라고 기대한다.
  • 기존 개발자들도 Factory를 잠깐 사용만 해봐도 높은 활용도와 강력한 성능을 체감하여, 인력 대비 업무 효율이 크게 향상될 것이라고 기대한다.

• 🎯 미래 비전과 사용자 경험의 변화 예상
  • 앞으로 6개월 내에, AI 또는 에이전트 기술에 관심이 없는 사용자도 Factory를 경험하면, 새로운 차원의 효율성과 마법 같은 사용 경험을 체험할 수 있을 것이라고 전망한다.
  • 이러한 발전은 개발자에게 높은 지렛대 효과를 제공하며, 기술 수용과 확산에 긍정적 영향을 미칠 것이다.
  • Factory AI와 관련된 최신 정보를 공유하며, 사용자들이 쉽게 접근할 수 있도록 링크를 제공할 예정이다.

 

 

원본영상 https://youtu.be/sI3D1UY-cV0