Claude 블로그 되짚어보기 #56 — Agentic Coding의 정의, AI 코딩 3세대 (2025)
원문 정보
- 제목: Introduction to agentic coding
- 링크: claude.com/blog/introduction-to-agentic-coding
- 발행: 2025년 10월 30일
- 카테고리: Claude Code
글의 요지
Agentic coding의 정의와 개념 소개. "AI 코딩의 진화" — autocomplete → 자율 작업 실행자. 단편적 코드 조각이 아니라 전체 코드베이스 이해 + 통합된 기능 배포.
AI 코딩의 진화 단계
1세대: 자동완성 (Autocomplete)
- 한 줄 또는 다음 토큰 예측
- 개발자가 매 라인 타이핑
- 예: GitHub Copilot 초기
2세대: 함수 단위 예측
- 코드 패턴 분석
- 전체 함수 제안
- 여전히 사용자가 트리거
3세대 (현재): Agentic Coding
- 멀티스텝 작업 자율 실행
- 코드베이스 전체 읽기
- 테스트 실행
- 목표 달성까지 반복
- 예: Claude Code
Autocomplete vs Agentic의 차이
전통적 (autocomplete):
- 에디터에 보이는 코드만 분석
- "다음 줄" 예측
- REST 엔드포인트 보일러플레이트, 테스트 구조 같은 패턴 잘 함
- 한계: 다중 파일 작업 비현실적
Agentic:
- 프로젝트 레벨 작동
- 컨피그·테스트·import 분석
- 적응적 계획 (정보 수집하며 진화)
- 명령 실행으로 변경 검증
- 테스트 통과까지 반복
핵심 구분점
| 항목 | Autocomplete | Agentic |
|---|---|---|
| 자율성 | 사용자가 매 단계 트리거 | 목표만 받고 자율 실행 |
| 범위 | 보이는 파일 | 전체 코드베이스 |
| 검증 | 사용자가 실행·테스트 | 직접 명령 실행 |
| 워크플로 | 사용자가 오케스트레이션 | AI가 오케스트레이션 |
Agentic 시스템의 작동
- 목표 받음 (자연어)
- 컨텍스트 분석:
- 컨피그 파일 읽기 (프로젝트 셋업)
- 테스트 파일 검토 (커버리지 패턴)
- import 추적 (모듈 의존성)
- 적응적 계획 수립
- 단계 실행 자율적으로
- 피드백 기반 조정
사용자 역할 변화
기존:
- "코드 작성, 테스트 실행, 에러 읽기, 수정, 반복"
agentic:
- "목표 설정, 변경 검토, 구현 승인"
Anthropic 인용: 개발이 "write code, run tests, read errors, fix, repeat" 에서 "set goal, review changes, approve implementation" 로 전환.
2026년에 다시 읽으며 — 내가 본 것
1. "Agentic Coding"이라는 용어의 정착
이 글은 "Agentic Coding" 이라는 용어를 공식 정의한다.
용어 진화:
- 2022: AI 코딩 도구 (vague)
- 2023: Andrew Ng의 "Agentic" 워크플로 (개념 도입)
- 2024: AutoGPT, Devin (실험)
- 2025년 5월: Claude Code GA (실용화)
- 2025년 10월 (이 글): 공식 카테고리화
이 시점에서 "agentic coding" 이 AI 코딩 도구의 새 카테고리로 자리잡았다. autocomplete (1세대) — completion (2세대) — agentic (3세대) 의 분류.
이 카테고리화의 마케팅적 의미:
- 차별화: GitHub Copilot = 1-2세대, Claude Code = 3세대
- 가격 정당화: 더 정교한 도구 = 더 비싼 가격
- 시장 분리: 코드 자동완성 시장 vs 에이전트 코딩 시장
2. "70% Vim Mode 코드 자동 작성"의 의미
본문에 직접 나오진 않지만, 같은 시기 Anthropic 사례 — "Product Development teams in auto-accept mode let Claude Code autonomously write 70% of Vim mode code".
이 "auto-accept mode" 가 흥미로운 모드다:
- Claude가 변경 제안 → 자동 승인 + 적용
- 인간 개입 최소
- 위험: 잘못된 변경도 적용
이 모드를 사용하는 시나리오:
- 잘 정의된 작업: 마이그레이션, 보일러플레이트
- 테스트 강한 코드베이스: 자동 검증으로 안전
- 신뢰할 수 있는 컨텍스트: CLAUDE.md 충실
이게 AI 코딩의 자율성 스펙트럼이다:
- Manual: 매 단계 승인 (가장 안전, 느림)
- Plan + Approve: 계획 승인 후 실행
- Auto-Accept: 자율 실행 (빠름, 위험)
- Headless: 인간 없이 작동 (Claude Code on the Web 같은)
각 모드가 다른 작업에 적합. 사용자가 위험-속도 트레이드오프 직접 선택.
3. "$7.37B 매출, SWE-bench 1.96% → 80%"의 시장 데이터
DEV Community 인용 — 2025년 AI 코딩 시장 데이터:
- 매출: $7.37B (전체)
- 개발자 채택: 84%
- SWE-bench: 1.96% → 80%+ (18개월)
- GitHub Copilot: 1.2M PR/월
- Claude API LLM 코딩: 54% 점유율
이 수치들이 보여주는 것 — AI 코딩이 SaaS 카테고리 자체를 만들었다.
비교:
- 2024년 1월: AI 코딩 시장 < $1B
- 2025년 12월: AI 코딩 시장 ~$7B
- 7배 성장 1년 만에
이 성장 속도가 테크 산업 역사상 최대다. SaaS 도구 중 이 정도 1년 성장한 카테고리 없음.
Anthropic의 위치:
- Claude API 코딩 54% 점유
- Claude Code = 단일 제품 $1B+ 매출
- 이 시장의 시장 리더
4. "Set Goal, Review Changes" — 매니저로의 변환
본문 핵심 인용:
"From 'write code, run tests, read errors, fix, repeat' to 'set goal, review changes, approve implementation.'"
이 변환의 본질:
기존 (writer):
- 코드 한 줄 한 줄 작성
- 기술 깊이 (taxonomy, syntax)가 가치
- 타이핑 속도 = 생산성
Agentic (manager):
- 목표 정의
- 변경 검토
- 구현 승인
- 판단력·검토 능력이 가치
- 타이핑 속도 무관
이 변환이 "개발자 = 매니저" 의 진짜 의미다. AI 에이전트 매니저.
매니저 직무로 변환의 함의:
- 시니어 개발자 가치 증가: 코드 검토 능력 = 진짜 가치
- 주니어 개발자 위기: 타이핑 능력만으로는 부족
- 새 스킬 필요: 프롬프트 엔지니어링, 에이전트 설계, 검토
이게 AI 시대 엔지니어 채용 시장의 변화 동력이다.
5. "10,000줄 Scala→Java 마이그레이션 4일"의 충격
본문이 제공하는 사례:
- Stripe 한 팀이 10,000줄 Scala → Java
- 예상: 10 엔지니어-주
- 실제: 4일
- 12배 가속
이 사례의 충격:
레거시 마이그레이션은 회사의 가장 큰 기술 부채다:
- 모더나이즈 = 6개월~수년
- 비즈니스 가치 추가 안 됨 (같은 기능, 다른 언어)
- 위험 큼 (회귀 버그)
- 우선순위 낮춤 → 영원히 지연
12배 가속:
- 6개월 작업 → 2주
- 비즈니스 가치 무관 작업이 무시 가능 수준
- 모든 레거시를 모더나이즈 가능
이 효과가 "잠겨 있던 가치" 를 풀어준다. 회사가 "언제 모더나이즈할까" 고민하지 않고 즉시 실행.
6. "벤치마크 1.96% → 80%"의 의미
SWE-bench (실제 GitHub 이슈 해결) 점수:
- 2024년 초: ~1.96% (거의 못 함)
- 2024년 중: ~13.86% (Devin)
- 2024년 말: ~50%
- 2025년 말: 80%+
이 곡선이 AI 능력의 가장 빠른 성장을 보여준다.
다른 벤치마크 비교:
- MMLU (일반 지식): 2020-2025년 60% → 90% (50% 증가)
- GSM8K (수학): 2022-2025년 20% → 95% (75% 증가)
- SWE-bench (코딩): 2024-2025년 2% → 80% (78% 증가, 1년 만에)
코딩이 가장 빠르게 진화하는 영역. 이유:
- 자동 검증 가능 (테스트 통과)
- 풍부한 학습 데이터 (GitHub)
- 명확한 목표 (이슈 해결)
- 반복 가능 (RLHF용 reward 명확)
7. "How-to 시리즈의 마무리"
이 글이 how-to 시리즈의 사실상 결론이다.
시리즈 흐름:
- #43 성능 최적화 (구체 활용)
- #44 권한 프롬프트 (인프라)
- #45 Plugins (확장)
- #46 반응형 디자인 (구체 활용)
- #47 조직 확장 (운영)
- #48 Agent Skills (능력 확장)
- #51 API 통합 (구체 활용)
- #52 버그 수정 (구체 활용)
- #56 (이 글) Agentic Coding 정의 (이론적 토대)
이 글이 시리즈 전체의 개념적 기반이다. "왜 이게 다 되는지?" 의 답. 이전 글들이 구체 활용을 보여줬다면, 이 글은 "이 모든 게 'agentic coding' 이라는 새 카테고리" 를 정의.
이 패턴이 흥미롭다 — 사례 → 추상화 순서. 보통 마케팅은 "개념 먼저, 구체 후". Anthropic은 반대 — 구체로 먼저 검증, 그 다음 카테고리화. 이게 "우리가 이미 산업을 만들고 있다" 의 신호.
마무리
이 글은 "agentic coding 입문" 이지만, 실제로는 AI 코딩 시대의 카테고리 정의 선언이다.
- 3세대 분류: autocomplete → completion → agentic
- 자율성 스펙트럼: manual → plan → auto-accept → headless
- 개발자 = 매니저: 코드 작성자 → AI 에이전트 매니저
- 레거시 마이그레이션 12배: 잠겨 있던 가치 해방
- SWE-bench 1년 만에 78% 증가: AI 코딩의 가장 빠른 진화
- Anthropic의 시장 리더십: Claude API 코딩 54% 점유
2025년 10월 시점은 "AI 코딩" 이 "agentic coding" 으로 진화한 시기다. 이 글이 그 전환을 공식화. 이후 산업은 이 카테고리를 받아들였고, 모든 경쟁 도구가 "agentic" 표시를 단다.
흥미로운 건 "Agentic" 이 Anthropic이 만든 표준 용어가 됐다는 점이다. MCP, Skills처럼 — 개념 정의자가 시장 우위. "agentic coding" 검색하면 Anthropic이 정의한 의미로 결과 나옴. 이 "용어 소유" 가 마케팅의 가장 강한 무기다.
