[경제일보] 인공지능(AI)에 좋은 답을 얻기 위해 명령어를 정교하게 다듬던 ‘프롬프트 엔지니어링’의 중심이 흔들리고 있다. 실리콘밸리 AI 개발 현장에서는 사람이 매번 프롬프트를 입력하는 방식보다 AI 에이전트가 목표를 달성할 때까지 실행과 검증, 수정을 반복하도록 설계하는 ‘루프 엔지니어링’이 새 흐름으로 떠오르고 있다.
루프는 사용자가 매 단계마다 “다시 고쳐라”, “오류를 수정하라”고 지시하지 않아도 AI가 스스로 결과를 점검하고 다음 작업을 이어가는 반복 구조를 말한다. 사람이 목표와 기준을 정하면 AI가 작업을 수행하고 결과를 검토하고 실패한 부분을 다시 고치는 방식이다. 프롬프트가 한 번의 명령이라면 루프는 AI가 일하는 절차에 가깝다.
미 경제매체 비즈니스인사이더에 따르면 앤트로픽의 AI 코딩 도구 ‘클로드 코드’를 이끄는 개발자 보리스 처니는 최근 자신이 더 이상 클로드에 직접 프롬프트를 쓰지 않는다고 말했다. 이제 업무는 프롬프트 작성이 아니라 루프를 만드는 일로 바뀌었다는 설명이다. 오픈AI 엔지니어 페터 슈타인베르거도 코딩 에이전트에 프롬프트를 입력하는 방식에서 벗어나 에이전트가 스스로 프롬프트를 만들고 실행하도록 루프를 설계해야 한다고 강조했다.
이 변화는 AI 코딩 도구의 성격 변화와 맞물려 있다. 클로드 코드, 코덱스, 커서 같은 에이전트형 도구는 단순 답변 생성에 그치지 않는다. 코드베이스를 읽고 파일을 고치며 테스트를 실행하고 오류를 다시 수정한다. 사용자는 작업 목표와 제약 조건, 검증 기준을 설계하고 AI는 그 안에서 반복 수행한다.
루프 엔지니어링은 개발자에게만 해당하는 변화가 아니다. 제품기획, 마케팅, 재무, 인사 등 일반 업무에도 적용될 수 있다. 시장조사 보고서를 예로 들면 AI가 자료를 수집하고 초안을 작성한 뒤 빠진 항목을 점검하고 다시 보완하는 식이다. 사람은 문장을 매번 지시하는 대신 업무 역할과 절차, 산출물 기준을 설계하는 관리자가 된다.
일부 현장에서는 이를 직무 설계에 비유한다. 신입사원을 뽑을 때 업무 목표와 권한, 보고 체계, 평가 기준을 정하듯 AI 에이전트에도 역할과 작업 범위, 검증 기준을 정해야 한다는 것이다. 프롬프트 엔지니어링이 ‘AI에게 어떻게 말할 것인가’의 문제였다면 루프 엔지니어링은 ‘AI가 어떤 절차로 일하게 할 것인가’의 문제다.
과제도 분명하다. AI가 목표를 달성하지 못하면 같은 작업을 계속 반복하는 ‘무한 루프’에 빠질 수 있다. 이 경우 API 호출과 토큰 사용량이 급증해 비용 부담이 커진다. 여러 에이전트가 동시에 작업하고 서로 결과를 검토하는 구조에서는 효율이 높아지는 만큼 관리 복잡성도 함께 커진다.
검증 책임도 사라지지 않는다. AI가 코드를 고치고 문서를 보완하더라도 최종 판단은 인간이 해야 한다. 루프가 빠르게 돌아갈수록 사람이 이해하지 못한 결과물이 더 많이 쌓일 수 있다. 잘못된 전제를 기준으로 삼으면 오류가 반복적으로 증폭될 가능성도 있다.
기업 입장에서는 루프 엔지니어링이 AI 도입의 다음 단계가 될 수 있다. 지금까지는 직원들이 챗봇을 잘 쓰도록 교육하는 수준이었다면 앞으로는 부서별 업무를 AI 에이전트가 수행할 수 있는 절차로 다시 설계해야 한다. 이 과정에서 데이터 접근 권한, 보안, 비용 통제, 결과 검증, 책임 소재가 핵심 관리 항목으로 떠오른다.
프롬프트 엔지니어링이 완전히 사라진다고 보기는 어렵다. 좋은 목표를 정의하고 정확한 지시를 내리는 능력은 여전히 필요하다. 달라진 것은 경쟁력의 위치다. 이제 중요한 것은 한 문장을 더 세련되게 쓰는 기술이 아니라 AI가 목표를 향해 반복적으로 움직일 수 있는 업무 시스템을 설계하는 능력이다. AI를 잘 쓰는 조직은 프롬프트를 잘 쓰는 조직을 넘어 AI가 일할 수 있는 구조를 잘 짜는 조직이 될 것이다.
Copyright © 경제일보, 무단전재·재배포 금지
