핵심 요약

  • DHH는 AI를 문서 탐색과 코드 검토에 활용하지만, 프로그래밍 실력을 익히려면 직접 코드를 작성해야 한다고 본다.
  • 그는 AI가 생성한 코드를 수정하는 능력도 중요하다는 렉스 프리드먼의 견해에 동의하지 않는다. 다만 어느 방식이 장기적으로 유리할지는 예측하기 어렵다는 점에는 두 사람 모두 여지를 남긴다.
  • 37signals는 개발자 한 명과 디자이너 한 명을 기본 작업 단위로 삼는다. DHH는 작은 팀이 회의와 조정에 쓰는 시간을 줄인다고 설명한다.
  • 37signals는 주요 애플리케이션 7개의 연산·캐시·데이터베이스 작업을 자체 서버로 옮겼다. DHH는 연간 약 200만 달러의 인프라 비용 절감을 말하면서도 이전 작업의 기회비용을 인정한다.

AI는 동료가 될 수 있지만 학습을 대신하지는 않는다

루비 온 레일스 창시자이자 37signals의 공동 소유주·최고기술책임자인 DHH는 AI를 별도 창에서 함께 작업하는 도구로 쓴다. 프로그램 인터페이스를 찾아보거나, 설명을 듣거나, 초안을 만들고 다른 의견을 얻는 데 활용한다. 그러나 코드 작성 자체를 AI에 맡기는 방식은 즐기지 않는다고 말했다.

그가 든 사례는 리눅스 설정 프로젝트 오마쿱이다. 익숙하지 않은 Bash 코드를 AI와 함께 만들었지만, 조건문을 어떻게 쓰는지 반복해서 물어야 했다. 직접 입력하지 않으니 원하는 결과는 얻어도 문법은 익히지 못한다는 느낌을 받았다. 이후 그는 AI의 설명을 받되 코드는 스스로 입력하는 방식을 택했다. 이는 AI 사용 전반에 대한 거부가 아니라 자신의 학습 경험에 관한 판단이다.

프리드먼은 다른 가능성을 제기했다. AI가 만든 코드를 읽고 반복해서 고치는 능력도 별도의 기술이 될 수 있으며, 이를 잘 익힌 사람이 처음부터 코드를 쓰는 사람보다 더 멀리 갈 수도 있다는 주장이다. DHH는 좋은 편집자가 되려면 먼저 직접 만들 줄 알아야 한다고 반박했다. 두 사람 모두 AI와 함께 일하는 방식이 앞으로 어떻게 바뀔지는 열린 문제로 다뤘다.

‘바이브 코딩’이 부딪히는 지점

대화에서 바이브 코딩은 원하는 결과를 말로 설명해 코드를 생성하고, 다시 지시하거나 수작업으로 고치는 방식을 뜻한다. DHH는 이 방식이 비개발자에게 아이디어를 구현할 길을 열어준다는 점을 긍정적으로 평가했다. 반면 프로그래밍을 배우려는 사람에게는 직접 작성하는 시간이 더 많아야 한다고 말했다.

그의 현재 경험에서 AI는 작동하는 듯 보이는 겉모습을 빠르게 만들지만, 실제 제품을 고쳐 나갈 때는 어려움을 겪는다. 한 부분을 수정하면 다른 부분이 망가지는 일이 반복된다는 것이다. API 키 노출이나 평문 비밀번호 저장 같은 문제도 예로 들었지만, 이런 결함은 개선될 수 있다고 봤다. DHH는 AI가 장차 완성도 높은 시스템을 만들 가능성을 배제하지 않았다.

레일스가 줄이려는 결정의 수

DHH가 설명한 루비 온 레일스의 원칙 가운데 하나는 설정보다 관례다. 웹 애플리케이션을 시작할 때 수많은 설정을 먼저 고르는 대신, 흔히 필요한 방식을 기본값으로 제공한다는 뜻이다. 그는 과거 자바 웹 프레임워크에서 방대한 XML 설정을 작성했던 경험을 대비 사례로 들었다.

그의 목적은 모든 선택을 없애는 데 있지 않다. 중요하지 않은 선택을 줄여 개발자가 제품에서 실제로 중요한 문제에 집중하도록 하는 것이다. 프로그래머가 작업 과정에서 느끼는 즐거움도 레일스의 우선순위라고 설명했다. 이 관점은 그가 AI에 코드를 전부 맡기지 않는 이유와도 이어진다.

한 명의 개발자와 한 명의 디자이너

37signals에서 DHH가 말하는 기본 팀 구성은 개발자 한 명과 디자이너 한 명이 기능 하나를 맡는 방식이다. 그는 팀이 작으면 여러 단계의 관리나 긴 계획 없이 만들고 확인하며 다음 단계를 정할 수 있다고 본다. 먼 미래의 모든 단계를 미리 정하는 것보다, 작업 중 드러난 정보를 바탕으로 다음 결정을 내릴 수 있다는 설명이다.

37signals는 한때 엔지니어링 관리자를 채용해 운영했지만, DHH는 몇 년간의 경험 끝에 현재 규모에서는 그 역할을 상시로 두지 않는 편이 낫다고 판단했다. 관리가 언제나 불필요하다는 뜻은 아니다. 그는 인원이 많아지면 관리 업무가 생기며, 필요할 때 자신이 그 역할을 맡을 수 있다고 말했다. 회사 규모가 약 50~60명인 상황에서 내린 판단이다.

작은 조직에도 필요한 전문 역할은 있다. 37signals는 처음 약 19년 동안 전담 재무 책임자 없이 운영했으나, DHH에 따르면 미국 여러 주의 판매세를 징수하지 않은 문제를 해결하는 데 약 2년과 500만 달러가 들었다. 현재는 재무 담당자가 있다. 작은 팀을 선호하는 원칙에도 실무상 한계가 있음을 보여주는 회사 내부 사례다.

클라우드 이전에서 따진 비용과 속도

DHH에 따르면 37signals의 AWS 지출은 최고 시점에 약 320만~340만 달러였다. 회사는 2023년 초 비용을 재검토한 뒤 6개월 남짓한 기간에 주요 애플리케이션 7개의 연산·캐시·데이터베이스 작업을 자체 서버로 이전했다. 서버는 전문 데이터센터에 두었고, 이 과정에서 운영 인력을 추가 채용하지 않았다고 설명했다.

그는 이전으로 연간 약 200만 달러의 인프라 비용을 아낀다고 말했다. 5년간 약 1,000만 달러라는 전망도 제시했지만, 계산 방식에 따라 달라질 수 있다고 덧붙였다. 저장소에는 장기 계약이 남아 있어 당시 모든 클라우드 사용을 끝낸 것도 아니었다.

DHH는 이전에 쓴 시간으로 기능 개발이나 AI 관련 작업을 할 수도 있었다며 기회비용을 인정했다. 클라우드가 빠르게 대량의 서버를 확보해야 할 때 유리하다는 점도 분명히 했다. 다만 37signals가 서버 20대를 더 필요로 하는 상황이라면 조달에 1~2주가 걸리더라도 자체 장비의 비용 이점이 더 크다고 판단했다. 그가 말한 절감 효과는 이 회사의 사용량과 운영 방식에 관한 경험이다.

결론

DHH의 사례를 관통하는 기준은 작업의 결과뿐 아니라 그 결과를 만드는 과정이다. 그는 AI로 탐색하되 직접 코드를 쓰고, 작은 팀으로 제품을 만들며, 인프라 비용과 운영 부담을 함께 따져 선택했다고 설명했다.