개발 slecs

AI가 40년치 기술 부채를 꺼내들기 시작했다

목차

지난 주 OpenAI가 발표 하나를 올렸다. 자율 파이프라인을 구성해서 Linux 커널의 로컬 권한 상승 취약점을 948개 찾아내고, 검증하고, 패치까지 생성했다는 내용이다. 직접 재현한 게 아니니 발표된 숫자를 그대로 받아들이기보다는 조건부로 읽는다. 그래도 규모 자체가 충격적이다.

948개다. 하나씩 PoC를 작성하고, 커밋 히스토리를 추적하고, 메인테이너를 설득하는 과정을 사람이 했다면 수 년이 걸릴 분량이다. 커널 코드베이스는 수십 년 동안 수만 명의 손이 닿은 결과물이고, 그 안에 조용히 살고 있는 버그가 얼마나 되는지 전수 조사를 제대로 한 사람이 없었다. 이번 발표는 그 전수 조사가 이제 현실적으로 가능하다는 선언에 가깝게 읽힌다.

기술 부채는 미뤄둔 보안 리스크였다

며칠 전부터 HN 상단에 IEEE Spectrum 글이 하나 붙어 있었다. "AI is forcing us to pay off 40 years of technical debt"라는 제목이다. 읽지 않아도 감이 온다. PHP로 짜인 레거시 코드, 패치가 밀린 C 라이브러리, "일단 살아있으니 건드리지 말자"는 암묵적 합의 아래 수 년을 버텨온 모듈들. AI 기반 보안 도구들이 이 층들을 하나씩 걷어내기 시작하면서, "설마 취약하겠어"라는 믿음으로 유지되던 코드들이 수면 위로 올라오고 있다는 맥락이다.

내 상황에 대입해보면 솔직히 불편해진다. 소규모 팀에서 서비스를 운영하면 보안 감사를 정기적으로 돌리기가 현실적으로 어렵다. 외부 감사는 비싸고, 내부 인력은 기능 개발에 묶여 있고, 자동화 스캐너는 false positive를 너무 많이 뱉어서 어느 순간부터 알림을 꺼버리게 된다. 그 사이에 쌓인 걸 기술 부채라고 불렀는데, 실제로는 미뤄둔 보안 리스크였던 셈이다. 용어가 달라지면 느낌이 달라진다.

OpenAI의 파이프라인이 커널에서 그걸 찾아냈다면, 비슷한 방식이 내 코드베이스에 돌아가면 무엇이 나올까. 모른다. 그리고 그 "모른다"가 이전보다 훨씬 불안하게 느껴지기 시작했다는 게 이번 발표가 내게 남긴 감각이다.

에이전트 돌리는 비용이 현실 문제가 된다

이런 자율 파이프라인을 직접 구성하려면 돈이 꽤 든다. 커널 규모의 코드베이스를 LLM으로 분석하면 토큰이 순식간에 쌓인다. 에이전트가 파일을 읽고, 컨텍스트를 넓히고, 추론을 반복할수록 호출당 비용이 선형이 아니라 계단식으로 올라가는 느낌을 받는다.

Google Developers 블로그에서 마침 관련된 글이 하나 나왔다. "Cost per task: Using cheap classifiers to route across Gemini models and thinking levels"인데, 핵심은 단순하다. 모든 쿼리를 비싼 모델에 보내지 말고, 먼저 싸고 빠른 분류기로 작업 난이도를 판단한 뒤 적절한 모델로 라우팅하라는 거다. 에이전트 기반 코딩 도구 비용이 계속 오르고 있다는 현실에 대한 직접적인 대응이다.

이 발상은 꽤 현실적이다. 보안 스캔 파이프라인을 예로 들면, 전체 파일을 비싼 추론 모델에 한 번에 던지는 대신, 먼저 구조적으로 의심스러운 패턴을 작은 모델로 필터링하고, 그 결과물만 큰 모델로 넘기는 방식이다. 비용 대비 커버리지의 균형을 맞추는 접근이다.

아직 이 패턴을 직접 구현해본 적은 없다. 개념은 간단한데 분류기를 실제로 튜닝하고 라우팅 로직을 안정적으로 유지하는 비용이 얼마나 되는지는 돌려봐야 안다. 그 오버헤드가 절감액보다 작아야 의미가 있는 거고, 그건 케이스마다 다를 거다. 적어도 "비싼 모델 하나에 전부 맡기면 된다"는 단순한 사고에서 벗어날 타이밍은 된 것 같다.

소형 팀이 지금 해야 할 것

당장 커널 취약점 948개는 내 서비스에 직접 영향을 주지 않는다. 패키지 관리자가 커널 패치를 반영하면 따라가는 것 외에 내가 직접 할 일도 없다.

중요한 건 그게 아니라 압력의 성격이 바뀌었다는 거다. 보안 검토는 지금까지 "언젠가 해야 하는 것"이었다. 릴리스 사이클 어딘가에 슬롯을 열어두고, 여유가 나면, 예산이 생기면. 이제는 자율 파이프라인이 공격자와 연구자 양쪽에서 동시에 돌아가고 있다. 내가 먼저 찾지 않으면 다른 누군가가 찾는다는 게 더 이상 과장이 아닌 환경이 됐다.

현실적으로 소형 팀이 취할 수 있는 움직임은 거창하지 않다. 기존 정적 분석 도구를 CI 파이프라인에 꾸준히 붙여두는 것, 완벽하지 않아도 버릇처럼 돌아가게 만드는 것. 그리고 더 비싼 AI 기반 분석을 분기에 한 번이라도 돌리는 걸 예산 항목으로 올리는 것. 비용 라우팅을 잘 짜면 생각보다 저렴하게 할 수 있을 수도 있고, 아닐 수도 있다.

기술 부채가 오래됐다고 안전한 게 아니었다. AI가 그 명제를 뒤집는 중이고, 속도가 빠르다.

참고한 글

AMD가 처음으로 인텔을 앞지른다

작은 소식처럼 보이지만 반도체 산업에서는 처음 있는 일이다. AMD가 Q4 가이던스를 170억 달러로 제시했고 이는 인텔의 분기 전체 전망을 넘어선다. "역사상 처음"이라는 헤드라인보다 그게 가능했던 구조적 이유가 더 흥미롭다. 인텔이 AI 가속 사이클에서 한 박자 늦은 게 이 결과로 돌아온 것이고, 같은 이유로 엔비디아 의존도가 쉽게 줄어들지 않는 것도 설명된다.

내가 직접 체감하는 쪽은 가격이다. 경쟁이 실제로 붙으면 중간 tier 가격이 내려가고, 그건 자체 서버를 돌리는 소형 팀에게 실익이 된다. 에지 추론을 로컬에서 돌릴 때 쓰는 하드웨어 선택지가 2년 전보다 훨씬 다양해진 건 이런 경쟁의 결과다. 그 흐름이 계속된다면 비용 라우팅 계산도 조금씩 달라질 거다.

도구를 믿는 비용

오늘 불편한 소식이 두 개 겹쳤다. Hacker News에 올라온 스레드에서 Gemini가 구독자의 채팅 기록도 학습에 사용하고 있다는 게 확인됐고, OpenAI가 Codex 채팅에 대한 학습 재활성화를 조용히 되돌리고 있다는 보고도 나왔다.

두 사안의 공통점은 "기본값"이다. 사용자가 명시적으로 거부하지 않으면 학습 데이터로 쓰인다는 흐름이 주류가 되고 있다. 개발 도구 맥락에서 이건 단순한 프라이버시 문제가 아니다. 코드를 짜면서 고객 데이터 구조, 비즈니스 로직, 미완성 기능의 단편들을 AI 도구에 흘린다. 그 컨텍스트가 어디로 가는지를 명확히 모른다면 도구를 얼마나 신뢰해야 할지도 모른다는 말이 된다.

당장 취할 수 있는 행동은 많지 않다. API 키 기반으로 직접 호출하는 경우 옵트아웃 설정을 한 번 더 확인하고, 채팅 인터페이스를 업무에 쓸 때는 고객 데이터가 담긴 코드 조각을 그대로 붙여넣는 습관을 줄이는 것 정도다. 완벽한 해법이 아니라 그냥 각도를 조정하는 거다. 보안과 비용과 프라이버시가 동시에 압박해 오는 환경에서, 도구 선택 자체가 작지 않은 의사결정이 됐다는 감각은 올해 내내 강해지고 있다.

참고한 글

오늘 훑은 항목이 많았지만 결국 세 개로 수렴된다. 보안 부채는 지금 당장 갚아야 하는 청구서가 됐고, 하드웨어 경쟁은 선택지를 조금씩 넓혀주고 있으며, 도구에 대한 신뢰는 설정 한 줄로 관리되는 게 아니라 습관으로 관리해야 하는 무언가가 됐다. 세 가지 모두 "어제 없던 문제"가 아니라 "올해 임계점을 넘은 문제"라는 게 체감상 맞다.

다음 주에 체크할 것: Daybreak Red GovCloud 배포가 실제 API 응답 프로파일에 어떤 차이를 만드는지, 그리고 비용 라우팅 쪽에서 Gemini 2.5 Flash-Lite 를 태스크 분류기로 붙였을 때 precision 이 임계치를 넘는지.

이어보기

댓글 0

첫 댓글 달아줘.