AI agent가 같은 실수를 반복할 때, 더 좋은 prompt를 쓰는 것이 항상 답은 아니다. 같은 설명을 반복하고 있다면 그건 설명력이 부족한 것이 아니라 자동화가 부족하다는 신호다.
Boris Cherny의 요지는 단순하다. 예전의 좋은 engineer는 vim 설정, lint rule, e2e test를 만들어 자기 일을 자동화했다. 이제 그 자동화의 수혜자는 engineer 한 명이 아니라 engineer가 운영하는 agent fleet 전체다. DevX 자동화 하나가 사람과 agent 모두를 동시에 빠르게 만든다.
중요한 전환은 one-off fix에서 class-level automation으로 가는 것이다. Agent가 매번 같은 이슈를 고치는 데 token을 쓰게 하지 말고, lint rule, CI step, skill, CLAUDE.md, REVIEW.md로 문제 유형 자체를 제거해야 한다. AI 시대의 팀 지식은 머릿속에 있으면 병목이고, repo 안에 있으면 인프라다.
연결된 생각
- 20260716-domain-knowledge-as-agent-infrastructure — 도메인 지식을 agent-ready infrastructure로 전환하는 개념.
- 20260716-agent-loop-automation — 반복 busywork를 loop-level automation으로 고정하는 방식.
- 20260716-agent-memory-compounding-efficiency — 반복 token spend를 reusable capital로 바꾸는 관점.