시리즈의 마지막 편입니다. Claude Code 의 /model·opusplan·서브에이전트 모델 고정·effort, Codex 의 /model·config.toml 프로파일·plan_mode_reasoning_effort·서브에이전트 모델 같은 실제 전환 수단을 정리하고, 언제 한 칸 올리고 내릴지의 에스컬레이션 규칙, 구독 한도를 일주일 단위로 배분하는 법, 팀 단위 거버넌스, 그리고 한 장짜리 암기표로 마무리합니다.

사다리의 아래쪽을 다룹니다. Opus 5 와 GPT-5.6 Sol 이 2026년 여름 이후 구현 단계의 기본값이 된 가격 구조, Sonnet 5 와 Terra 가 충분해지는 조건, Haiku 4.5 와 Luna 가 맡는 읽기·테스트·문서·커밋 같은 일, 낮은 티어에 effort 를 올려 쓰는 요령과 그 반론, 그리고 아래 티어의 실패 모드(코너 커팅, 컨텍스트 한계, 서브에이전트 지원 여부)를 막는 방법을 정리합니다.

Claude Fable 5.1 과 GPT-6 Astra 같은 고가 티어를 써야 하는 네 자리(계획·설계, 모호한 문제와 난제 디버깅, 위험한 변경의 리뷰, 장시간 자율 작업)와 쓰면 안 되는 자리를 공식 문서·실측·커뮤니티 증언으로 가립니다. 고가 모델을 상시 실행자가 아니라 “부르는” Advisor 패턴의 실측 수치, 주간 한도 50% 규칙, Astra 를 medium 에서 시작하라는 실사용 조언까지 다룹니다.

바이브 코딩 세션을 탐색·계획·구현·디버깅·리뷰·정리의 여섯 단계로 나누고, 단계마다 토큰이 소비되는 모양과 실수의 대가가 어떻게 다른지 살핍니다. 그 위에 Anthropic·OpenAI 공식 문서, 테크블로거, Hacker News·X 실사용자가 각 단계에 권하는 티어를 한 표로 모으고, “항상 최고” 와 “공격적으로 낮춰라” 두 진영이 어디서 갈리는지 정리합니다.

Claude Code 의 Fable·Opus·Sonnet, Codex 의 Astra·Sol·Terra 세 티어를 작업 단계에 따라 바꿔 쓰는 전략을 다루는 5부작의 첫 편입니다. 2026년 9월 기준 공식 가격표를 검증하고, “토큰 단가” 와 “작업당 비용” 이 왜 다른지, effort 와 프롬프트 캐시가 모델 티어보다 큰 비용 레버인 이유를 Anthropic·OpenAI 공식 문서와 실측 자료로 정리합니다.

사고의 외주화가 실행의 외주화로 넘어가면서 ‘검수 시점’이라는 것이 사라졌습니다. 검증이 병목이 되었고, 개인 최적과 집단 최적이 갈라졌고, EU는 고위험 규제를 16개월 미뤘습니다. 원문의 결론이었던 Co-pilot / Autopilot 이분법이 왜 더 이상 성립하지 않는지, 그리고 무엇으로 바꿔야 하는지 정리합니다.

원문이 제시한 네 가지 실행 지침을 2026년 근거로 채점합니다. ‘초안은 내가 쓴다’는 예상보다 훨씬 잘 버텼고, ‘30% 수정 룰’은 근거가 없어 폐기하며, ‘고유성 주입’은 전제 자체가 낡았습니다. 2026년 데이터가 반복해서 가리키는 단일 변수는 수정량이 아니라 질문의 형식입니다.

2026년 2월에 쓴 「사고의 외주화」는 근거가 하나도 없는 논평이었습니다. 6개월 사이 이 주제에 실증 데이터가 쌓였습니다. 당시 제기한 네 가지 문제를 2026년 자료로 다시 판정합니다. 하나는 메커니즘 설명이 틀렸고, 하나는 초점을 옮겨야 하며, 두 개는 수치가 붙어 오히려 강해졌습니다.

늦게 들이는 두 유형을 다룹니다. 신중한 후발주자는 가장 안전하지만 기회비용이 가장 크고, 떠밀린 사용자는 아무도 세지 않지만 조직 안에서는 다수일 수 있습니다. 마지막으로 네 유형 모두에게 적용되는 공통 원칙과, 이 분류가 통하지 않는 경우를 정리합니다.

새 도구가 나오면 그 주에 써 보는 사람들의 이야기입니다. 그대로 쓰는 순진한 실용가는 가장 흔하고 가장 위험하며, 꼼꼼히 보는 감별하는 얼리어답터는 이득이 가장 크지만 가장 지칩니다. 두 유형의 실패 방식과 처방을, 꾸준한 사람용과 쉽게 질리는 사람용으로 나누어 제시합니다.

미국 성인의 49%가 AI 챗봇을 씁니다. 그런데 자신 있게 쓴다는 사람은 18%뿐입니다. 이 격차가 생기는 이유는 사람마다 실패하는 지점이 다르기 때문입니다. 3부작의 첫 편에서는 도입 속도와 검증 성향이라는 두 축으로 4가지 유형을 나누고, 자신이 어느 칸에 있는지 진단하는 방법을 제시합니다.

커즈와일은 2012년에 목적지를 맞혔습니다. 그러나 그가 그린 지도는 거의 전부 틀렸습니다. 오늘날의 LLM에는 그가 핵심이라고 지목한 은닉 마르코프 모델도, 유전 알고리듬도 없습니다. 3부작의 마지막 편에서는 의 예측을 2026년의 증거로 채점하고, 무엇이 왜 빗나갔는지, 그리고 그를 비판했던 사람들은 얼마나 맞았는지 분석합니다.

레이 커즈와일은 2012년 에서 인간 사고의 비밀을 밝혔다고 선언했습니다. 신피질에 3억 개의 패턴 인식기가 계층으로 쌓여 있고, 그 계층이 끊임없이 다음을 예측한다는 마음의 패턴 인식 이론(PRTM)입니다. 3부작의 두 번째 편에서는 이 이론이 정확히 무엇을 주장했고, 당대의 인지과학자들이 왜 그렇게 격렬하게 반발했는지 살펴봅니다.

레이 커즈와일이 2012년에 쓴 가 2026년 8월 <진화의 가속도: AI의 마음은 어떻게 만들어지고 진화하는가> 라는 제목으로 한국에 다시 나옵니다. 14년이라는 시차는 이 책을 읽는 방식을 완전히 바꿔 놓습니다. 3부작의 첫 편에서는 책을 읽기 전에 알아야 할 저자, 즉 발명가이자 예언자이자 환자인 레이 커즈와일이라는 사람을 먼저 다룹니다.

서울대 이재욱 교수 인터뷰에 대한 반론을 2026년 최신 자료로 재검증합니다. 무너진 반론 하나를 먼저 밝히고, 속도가 새는 곳, 격차의 진짜 원인, Naur와 Bainbridge라는 두 사각지대를 다룹니다.

서울대 이재욱 교수 인터뷰의 후반부 — 학생이 “중간 배달원"이 되는 문제, 컴공에 가야 하는 이유, 미래 개발자의 안목, 비전공자를 위한 조언 — 을 학습과학과 고용 데이터로 검증합니다.

서울대 이재욱 교수의 “코딩도 과제도 AI가 다 하는 시대” 인터뷰를 챕터별로 정리하고, 각 주장에 대한 외부 근거를 붙여 검증합니다. 1부는 코딩 현장의 변화, 코드 작성 자동화, 바이브 코딩의 한계를 다룹니다.

Kent Beck 의 팟캐스트 Still Burning S1E07에서 Kent Beck 과 Jessica Kerr 가 나눈 대담을 정리했습니다. symmathesy(배우는 부분들로 이루어진 배우는 시스템)라는 렌즈로 AI 에이전트 시대의 소프트웨어 개발이 어떻게 달라지는지 살펴봅니다.

실전 배치, 경제, 노동 데이터로 본 AI 1년. 회의론과 낙관론을 각각 가장 강한 형태로 세우고, ‘AGI는 얼마나 가까워졌나’에 대한 균형 잡힌 종합을 시도한다.

2025년에서 2026년 사이, AGI 예측 시기는 어떻게 이동했는가. 랩 CEO·연구자들의 발언 변화, 예측시장, 전문가 설문, 그리고 ‘AGI란 무엇인가’를 둘러싼 정의 논쟁.