필자는 Claude Code를 사용하며 복잡한 스킬(스펙 시트 작성, TDD, 테스트 통과 후 커밋 등)을 harness로 구성하고 있었다. 그러나 Gemini 3와 Antigravity를 경험한 후 이틀 만에 harness를 대부분 걷어내게 되었다. 모델이 스스로 판단하고 실행하는 것이 인간이 프레임워크로 통제하는 것보다 더 나은 결과를 낸다는 사실을 체감했기 때문이다.
이 경험은 ‘unlearn-learn’ 프레임워크의 시기가 다시 도래했음을 의미한다. 전달력 좋게 말하자면, “Agile 방법론의 장인정신이 AI 시대에는 지능에 대한 불신이다.” AI가 이미 인간의 사고 수준을 추월한 영역에서는 차라리 믿고 맡기는 것이 품질과 속도 모두에서 우월하다. 이는 OpenAI가 ‘abundance mindset(풍요 마인드)‘라고 표현한 태도와 같다. 적은 자원을 최적화하는 scarcity mindset에서, 무한에 가까운 지능을 활용할 수 있다고 믿는 abundance mindset으로의 전환이 필요하다.
근거
“Claude Code로 많은 harness들, TDD spec 먼저 쓰게 하고 test 통과한 것만 구현하게 하는 것을 한 이틀 동안 거의 다 걷어냈다. 그냥 Antigravity한테 에너지 준위가 높은 essence를 잘 공급하는 게 훨씬 남는 장사다.” — 노정석 (ep77)
또한 Antigravity가 Playwright 대신 Chrome DevTools Protocol을 직접 사용하여 브라우저 테스트를 자동화하고, 사용자 조작의 녹화/재생까지 아우르는 것은 이 메커니즘이 이미 생산 수준에서 증명되고 있음을 보여준다.
연결된 생각
- 20260607-ai-capability-overhang-harness-abstraction — 이 insight를 뒷받침하는 이론적 개념. Capability overhang이 harness 추상화를 강제한다.
- 20260607-problem-holder-solver-time-gap — harness를 버리는 태도는 문제 해결자가 아니라 문제 보유자가 직접 agent를 다룰 수 있게 함으로써 time gap을 줄인다.
출처
- 📎 클리핑: 20260613-ep77-ko-transcript