프론티어 랩들이 코딩 에이전트를 원가 이하로 뿌리는 걸 나는 그동안 점유율 경쟁으로 읽었다. 다른 해석이 있다. 지속학습이 켜지는 순간 모델 개선의 주 연료는 실사용 세션이 되고, 그중 경제적으로 값비싼 작업의 세션이 가장 비싼 데이터다. 코딩은 그 조건에 정확히 부합한다. 지금의 헐값은 미래 학습 재료에 대한 선불로 읽어야 한다.
근거
지금 코딩 도구들이 헐값에 뿌려지는 것도 그 세션 데이터를 먹으려는 선불로 읽어야 함
Dwarkesh Patel은 여기에 당근과 채찍 구조까지 붙인다. 세션 학습을 허용하는 기업에는 보조금을 주고, 거부하는 기업에는 최상위 모델 접근을 제한하는 방식이다. Google이 검색을 공짜로 주는 구조와 같다.
여기서 기업이 마주하는 선택지는 불편하다. 락인을 피하려면 세션마다 나에게 맞춰 개선되는 기능을 포기해야 한다. 데이터 제공을 거부하는 조직은 프라이버시를 지키는 대신 성능 열위를 감수하게 된다. 이건 협상이 아니라 구조적 압박이다.
실무적 함의: 지금 무료·저가로 쓰는 코딩 에이전트의 진짜 가격표는 청구서가 아니라 우리가 넘기는 세션 로그다. 무엇을 넘기고 있는지 모르는 채로 싼값에 최적화하는 건, 2국면에서 협상력을 미리 팔아넘기는 일이다.
연결된 생각
- 20260809-moat-migration-from-context-files-to-weights — 선불 가설이 성립하는 전제 구조
- 20260602-closed-loop-system-as-data-moat — 실사용 데이터가 폐쇄 루프 해자로 전환되는 같은 메커니즘
- 20260607-data-moat-is-environment-design — 어떤 데이터를 확보할지가 곧 환경 설계라는 관점
- 20260809-dwarkesh-patel — 당근·채찍 구조를 제시한 발화자