그런데 2026년 2월, 정확히 1년 뒤에 카파시가 다시 등장했습니다.
이번엔 새로운 개념을 들고.

Python 문법

예전: 외우기 → 지금: 읽고 평가하기

웹 크롤링

예전: 코드 직접 작성 → 지금: 구조 이해하고 지시하기

데이터베이스

예전: SQL 손으로 타이핑 → 지금: 관계 설계하고 검증하기

웹 개발

예전: 코드 한 줄씩 작성 → 지금: 화면 구조 설계하고 확인하기

"어떻게 만드는가"에서
"무엇을 만들 것인가"로 초점 이동

목수가 톱질하던 시대에서, 설계도를 그리고 공장을 관리하는 시대로

01. 먼저 계획, 그 다음 실행

AI에게 지시하기 전에 원하는 결과를 명확히 정리하는 것. "로그인 기능 만들어줘"가 아니라 "이메일 가입 가능, 토큰 발급, 24시간 자동 로그아웃"처럼 구체적으로 정의하기.

02. 만능 AI는 없다, 팀을 구성하라

하나의 AI에게 모든 걸 시키지 말고, 각자 잘하는 일을 나눠주기. 데이터 수집 AI + 정리 AI + 시각화 AI처럼 역할 분담.

03. 감으로 판단하지 말고 측정하라

"괜찮아 보이는데?"가 아니라 구체적으로 측정하고 패턴을 찾기. 실제로 60%의 오류가 3가지 패턴에서 나온다는 것도 측정으로 발견 가능.

04. 테스트를 먼저 만들어라

코드 생성 전에 테스트부터 작성. "로그인 잘 되는지 확인"보다 "이메일 입력 시 토큰 발급되는가?"가 AI에게 훨씬 명확한 지침.

"엑셀, 크롤링, 웹개발 같은 기술을 '직접 만드는 능력'에서
'깊이 이해하고 판단하는 능력'으로 전환하라."

⚠️ 함정 1: 얕은 이해는 독이다

"AI 코딩툴을 매일 쓰지만, 실수가 계속 나온다. 천 줄 코드에 버그 하나만 숨어있어도 찾기 어렵다. 고치는 건 쉬운데, 찾는 게 진짜 문제다." - 현직 개발자

⚠️ 함정 2: 경력자와 초보자의 양극화

✅ 경력자: 기초 탄탄 → AI로 10배 부스터 → 생산성 폭발

❌ 초보자: 기초 없이 AI만 의존 → 이해 부족 → 위험한 상황

⚠️ 함정 3: 90%와 99.9%는 완전히 다르다

개인 프로젝트에선 90% 정확도로 충분. 하지만 금융이나 의료 서비스에선? 턱없이 부족. 자율주행차의 부분 자동(L2)에서 완전 자동(L4)로 가는 게 왜 이렇게 오래 걸릴까요?

지금 당장 시작할 것

✅ AI가 만든 코드 읽기 연습 - 그냥 받아들이지 말고 한 줄씩 이해하기

✅ 만들기 전에 정리하기 - "뭘 만들지" 글로 먼저 적어보기

✅ 기본 구조 이해하기 - HTML 구조, JSON 형식 같은 기초

3-6개월 안에 익힐 것

🎯 테스트 작성 습관 - 만들기 전에 확인 방법부터 정하기

🎯 "왜?"라고 물어보기 - AI가 이렇게 만든 이유 이해하기

🎯 문제 해결력 키우기 - 에러 메시지 읽고 해석하는 능력

6-12개월 목표

🚀 여러 AI 조율하기 - 각자 역할 나눠서 협업시키기

🚀 전체 구조 설계하기 - 큰 그림 그릴 수 있는 능력

🚀 실전 감각 익히기 - 보안, 성능 같은 실무 포인트

에이전틱 엔지니어링은 코딩의 끝이 아니다.
코딩의 새로운 시작이다.

이 변화에 빠르게 적응하는 사람이 기회를 잡을 것입니다.

그런데 2026년 2월, 정확히 1년 뒤에 카파시가 다시 등장했습니다.
이번엔 새로운 개념을 들고.

Python 문법

예전: 외우기 → 지금: 읽고 평가하기

웹 크롤링

예전: 코드 직접 작성 → 지금: 구조 이해하고 지시하기

데이터베이스

예전: SQL 손으로 타이핑 → 지금: 관계 설계하고 검증하기

웹 개발

예전: 코드 한 줄씩 작성 → 지금: 화면 구조 설계하고 확인하기

"어떻게 만드는가"에서
"무엇을 만들 것인가"로 초점 이동

목수가 톱질하던 시대에서, 설계도를 그리고 공장을 관리하는 시대로

01. 먼저 계획, 그 다음 실행

AI에게 지시하기 전에 원하는 결과를 명확히 정리하는 것. "로그인 기능 만들어줘"가 아니라 "이메일 가입 가능, 토큰 발급, 24시간 자동 로그아웃"처럼 구체적으로 정의하기.

02. 만능 AI는 없다, 팀을 구성하라

하나의 AI에게 모든 걸 시키지 말고, 각자 잘하는 일을 나눠주기. 데이터 수집 AI + 정리 AI + 시각화 AI처럼 역할 분담.

03. 감으로 판단하지 말고 측정하라

"괜찮아 보이는데?"가 아니라 구체적으로 측정하고 패턴을 찾기. 실제로 60%의 오류가 3가지 패턴에서 나온다는 것도 측정으로 발견 가능.

04. 테스트를 먼저 만들어라

코드 생성 전에 테스트부터 작성. "로그인 잘 되는지 확인"보다 "이메일 입력 시 토큰 발급되는가?"가 AI에게 훨씬 명확한 지침.

"엑셀, 크롤링, 웹개발 같은 기술을 '직접 만드는 능력'에서
'깊이 이해하고 판단하는 능력'으로 전환하라."

⚠️ 함정 1: 얕은 이해는 독이다

"AI 코딩툴을 매일 쓰지만, 실수가 계속 나온다. 천 줄 코드에 버그 하나만 숨어있어도 찾기 어렵다. 고치는 건 쉬운데, 찾는 게 진짜 문제다." - 현직 개발자

⚠️ 함정 2: 경력자와 초보자의 양극화

✅ 경력자: 기초 탄탄 → AI로 10배 부스터 → 생산성 폭발

❌ 초보자: 기초 없이 AI만 의존 → 이해 부족 → 위험한 상황

⚠️ 함정 3: 90%와 99.9%는 완전히 다르다

개인 프로젝트에선 90% 정확도로 충분. 하지만 금융이나 의료 서비스에선? 턱없이 부족. 자율주행차의 부분 자동(L2)에서 완전 자동(L4)로 가는 게 왜 이렇게 오래 걸릴까요?

지금 당장 시작할 것

✅ AI가 만든 코드 읽기 연습 - 그냥 받아들이지 말고 한 줄씩 이해하기

✅ 만들기 전에 정리하기 - "뭘 만들지" 글로 먼저 적어보기

✅ 기본 구조 이해하기 - HTML 구조, JSON 형식 같은 기초

3-6개월 안에 익힐 것

🎯 테스트 작성 습관 - 만들기 전에 확인 방법부터 정하기

🎯 "왜?"라고 물어보기 - AI가 이렇게 만든 이유 이해하기

🎯 문제 해결력 키우기 - 에러 메시지 읽고 해석하는 능력

6-12개월 목표

🚀 여러 AI 조율하기 - 각자 역할 나눠서 협업시키기

🚀 전체 구조 설계하기 - 큰 그림 그릴 수 있는 능력

🚀 실전 감각 익히기 - 보안, 성능 같은 실무 포인트

에이전틱 엔지니어링은 코딩의 끝이 아니다.
코딩의 새로운 시작이다.

이 변화에 빠르게 적응하는 사람이 기회를 잡을 것입니다.