Mitchell Hashimoto의 AI 도입 여정 — 6단계 접근법

HashiCorp 창업자가 AI 코딩 도구를 도입하며 겪은 챗봇에서 에이전트까지의 실용적 여정

저자: Mitchell Hashimoto (HashiCorp 공동 창업자, Ghostty 개발자) 원문: mitchellh.com · 2026년 2월 5일

• 챗봇이 아닌 에이전트를 사용하라 — 파일 읽기, 프로그램 실행, HTTP 요청이 가능해야 합니다
• 처음엔 비효율적이어도 강제로 연습하라 — 같은 작업을 수동/에이전트로 두 번 해보세요
• 에이전트가 잘하는 것/못하는 것을 파악하라 — 확실한 작업만 위임하세요
• 하네스 엔지니어링에 투자하라 — AGENTS.md와 검증 도구로 실수를 방지하세요
• 항상 에이전트를 돌려라 — 내가 일하는 동안 에이전트도 일하게 하세요

서론: AI 도구 도입의 3가지 국면

Mitchell Hashimoto는 HashiCorp(Terraform, Vagrant, Vault 등을 만든 회사)의 공동 창업자이자 Ghostty 터미널의 개발자입니다. 그는 새로운 도구를 배울 때 항상 세 가지 국면을 거친다고 말합니다:

1. 비효율의 시기 — 기존 워크플로우보다 느리고 답답합니다
2. 적정 수준의 시기 — 이전과 비슷한 효율을 냅니다
3. 워크플로우를 바꾸는 발견의 시기 — 이전으로 돌아갈 수 없습니다

대부분의 경우 1, 2단계를 강제로 견뎌야 합니다. 이미 익숙한 워크플로우가 있기 때문에 새로운 도구 학습은 ‘일’처럼 느껴집니다. 하지만 자신의 기술을 발전시키려면 이 과정을 피할 수 없습니다.

1단계: 챗봇에서 벗어나라

ChatGPT, Gemini 같은 웹 챗봇으로는 의미 있는 코딩 작업을 하지 마세요. 챗봇도 유용하지만, 코딩에서의 효용은 매우 제한적입니다.

• 사전 학습 데이터에 의존해 결과를 생성합니다
• 틀리면 사람이 반복적으로 수정해야 합니다
• 코드와 결과를 복사-붙여넣기 하는 것은 매우 비효율적입니다

에이전트를 사용해야 합니다. 에이전트는 대화하면서 외부 행동을 반복적으로 호출할 수 있는 LLM입니다. 최소한 다음 기능이 필요합니다:

• 파일 읽기
• 프로그램 실행
• HTTP 요청

2단계: 자신의 작업을 재현하라

Claude Code를 처음 사용했을 때, 솔직히 인상적이지 않았습니다. 결과물을 항상 손봐야 했고, 그 과정이 직접 하는 것보다 더 오래 걸렸습니다.

포기하는 대신, 모든 수동 커밋을 에이전트로 재현하도록 강제했습니다. 같은 작업을 두 번 했습니다:

1. 먼저 수동으로 작업합니다
2. 그 다음 에이전트가 동일한 품질의 결과를 내도록 시도합니다 (수동 솔루션을 보여주지 않고)

이 과정에서 발견한 원칙들:

• 세션을 명확하고 실행 가능한 작업으로 나눠라 — 한 번에 ‘올빼미를 그리려’ 하지 마세요
• 모호한 요청은 계획 세션과 실행 세션을 분리하라
• 에이전트가 자신의 작업을 검증할 방법을 주면, 스스로 실수를 고치고 회귀를 방지합니다

효율성 향상의 일부는 에이전트를 ‘언제 쓰지 말아야 하는지’ 아는 것에서 옵니다.

3단계: 퇴근 전 에이전트

매일 마지막 30분을 에이전트를 시작하는 데 사용하는 패턴을 시도했습니다. 가설은 이랬습니다 — 내가 어차피 일할 수 없는 시간에 에이전트가 어느 정도 진전을 이룬다면 효율이 올라가지 않을까?

“내가 가진 시간에 더 많이 하려 하지 말고, 내가 가지지 못한 시간에 더 많이 하라”

효과적이었던 작업 유형:

• 심층 리서치 세션 — 특정 라이브러리 조사, 장단점/활동/여론 등 다중 페이지 요약 생성
• 병렬 탐색 — 시간 없어서 시작 못한 모호한 아이디어들을 병렬로 시도
• 이슈/PR 트리아지 — gh CLI를 활용해 병렬로 이슈 분류, 고가치/저노력 작업 보고서 생성

하루 끝에는 피곤하고 몰입에서 빠져나와 비효율적인데, 이 시간에 에이전트를 돌리면 다음 날 아침 ‘웜 스타트’가 가능해서 더 빨리 작업을 시작할 수 있었습니다.

4단계: 확실한 것만 위임하라

이 시점에서 AI가 잘하는 것과 못하는 것에 대해 확신이 생겼습니다. 에이전트가 거의 확실히 해결할 작업들은 에이전트에게 맡기고, 나는 다른 작업을 했습니다.

1. 전날 밤 트리아지 에이전트 결과를 봅니다
2. 에이전트가 거의 확실히 잘 해결할 이슈들을 필터링합니다
3. 하나씩 백그라운드에서 돌립니다
4. 그 동안 나는 다른 작업을 합니다

에이전트 데스크톱 알림을 끄세요! 컨텍스트 스위칭은 비용이 큽니다. 내가 에이전트를 인터럽트할 때를 통제해야지, 에이전트가 나를 인터럽트하면 안 됩니다.

스킬 형성 문제에 대한 대응: 에이전트에 위임한 작업에서는 스킬이 안 쌓이지만, 수동으로 계속하는 작업에서는 자연스럽게 스킬이 쌓입니다.

이 시점에서 “이전으로 돌아갈 수 없다” 영역에 확실히 들어섰습니다. 가장 좋았던 건 내가 정말 좋아하는 작업에 집중할 수 있고, 좋아하지 않는 작업도 적절히 완료된다는 것이었습니다.

5단계: 하네스 엔지니어링

에이전트가 처음에 맞는 결과를 내거나, 최악의 경우에도 최소한의 수정만 필요할 때 가장 효율적입니다. 이를 달성하는 가장 확실한 방법은 에이전트가 틀렸을 때 자동으로 알려주는 도구를 주는 것입니다.

이것을 **‘하네스 엔지니어링’**이라고 부릅니다: 에이전트가 실수를 하면, 그 실수를 다시는 하지 않도록 솔루션을 엔지니어링하는 것입니다.

두 가지 형태

1. 암시적 프롬프팅 개선 (AGENTS.md)

에이전트가 반복적으로 잘못된 명령을 실행하거나 잘못된 API를 찾는 경우 AGENTS.md를 업데이트합니다. 파일의 각 줄은 에이전트의 나쁜 행동에 기반하며, 이것이 거의 모든 문제를 해결했습니다.

2. 실제 프로그래밍된 도구

스크린샷 찍기, 필터링된 테스트 실행 등의 스크립트입니다. 보통 AGENTS.md 변경과 함께 해서 이 도구의 존재를 알려줍니다.

6단계: 항상 에이전트를 돌려라

5단계와 동시에, 항상 에이전트를 돌리는 것을 목표로 운영 중입니다. 에이전트가 안 돌아가고 있으면 자문합니다: “지금 에이전트가 나를 위해 할 수 있는 게 있을까?”

현재 상태:

• 아직 여러 에이전트를 병렬로 돌리지는 않습니다
• 하나의 에이전트가 딱 맞는 균형점입니다
• 정상 근무일의 10~20%에서 백그라운드 에이전트 가동 중
• 이 비율을 높이기 위해 적극적으로 노력 중

에이전트를 돌리기 위해 에이전트를 돌리고 싶지는 않습니다. 정말 도움이 될 작업이 있을 때만 돌리고 싶습니다. 이 목표의 일부는 위임할 수 있는 고품질 작업이 지속적으로 있도록 워크플로우와 도구를 개선하는 것입니다.

결론

“AI가 여기 머물 건지 아닌지 상관 안 합니다. 나는 그냥 게임을 사랑해서 물건을 만드는 소프트웨어 장인입니다.”

• AI 회사에서 일하거나, 투자하거나, 조언하지 않습니다 — 이해관계가 없습니다
• AI를 피해야 할 유틸리티 외의 다른 이유들이 있습니다 — 개인의 결정을 존중합니다
• 기초가 약한 주니어의 스킬 형성 문제는 깊이 우려됩니다
• 이 글은 100% 수작업으로 썼습니다

원문: My AI Adoption Journey · Mitchell Hashimoto · 2026.02.05