코볼 한 줄이 250억 달러를 증발시켰다
앤트로픽이 2월 23일 블로그 한 편을 올렸을 뿐인데 IBM 주가가 하루 만에 13% 급락했습니다. 2000년 10월 이후 25년 만의 최대 낙폭이고, 월간으로는 27% 하락하며 1968년 이후 최악의 기록을 눈앞에 두고 있습니다(디지털데일리 보도). "클로드 코드가 코볼 시스템 현대화를 자동화할 수 있다"—이 한 문장이 수십 년간 금융·정부 기관의 메인프레임 위에 쌓인 IBM의 수익 구조를 정면으로 겨냥한 겁니다.
솔직히, 이 뉴스를 보고 제가 먼저 한 건 Claude한테 물어보는 거였습니다. "이거 실제로 코볼 마이그레이션 자동화가 현실적인 수준이야?" 답변을 쭉 읽어보니, 단순 코드 변환보다 '업무 흐름 분석 자동화'가 핵심이더라고요. 과거에 컨설턴트가 수년간 수작업으로 하던 걸 LLM이 코드베이스를 읽고 의존성 그래프를 그리면서 처리한다는 이야기입니다. IBM도 2023년에 자체 AI 코딩 도우미로 코볼→자바 전환을 시도했지만, 시장은 앤트로픽의 범용 모델이 더 위협적이라고 판단한 거죠.
'자동완성' 시대는 이미 끝났다
이 사건이 의미 있는 이유는 AI 코딩 도구의 진화 단계를 명확히 보여주기 때문입니다. GitHub이 공개한 데이터에 따르면 개발자들이 Copilot 제안을 수락하는 비율은 약 30%에 불과합니다. 하지만 dev.to의 심층 가이드가 지적하듯, 진짜 생산성 차이를 만드는 건 수락률이 아닙니다. Agent Mode, Next Edit Suggestions(NES), MCP 서버, 커스텀 인스트럭션—대부분의 개발자가 존재조차 모르는 기능들을 쓰는 사람과 안 쓰는 사람의 격차는 '점진적'이 아니라 '계단 함수'에 가깝습니다.
특히 Visual Studio 2026 v18.3이 이번 주에 내놓은 세 가지 기능은 AI 코딩 도구가 '자동완성 도구'에서 '팀 인프라'로 넘어가는 전환점입니다.
- Copilot Memories — "항상 Entity Framework 대신 Dapper 쓰세요"라고 한 번 말하면, 세션이 바뀌어도 기억합니다. 유저 레벨과 레포 레벨 두 계층으로 저장되니, 팀 컨벤션을
.github/copilot-instructions.md에 한 번 심으면 신규 팀원도 자동으로 물려받습니다./generateInstructions명령어로 기존 코드베이스를 분석해 초안을 만들어주니, 빈 페이지 공포증도 없죠. - AI-Powered Testing GA —
@Test로 호출하면 테스트 생성→빌드→실행→실패 감지→수정을 반복하는 에이전트 루프가 돌아갑니다. Git diff만 던져도 변경분에 대한 80% 커버리지 목표를 잡아줍니다. 코드 생성에서 멈추는 게 아니라 '안정화될 때까지 반복'하는 게 핵심입니다. - Custom Agents —
.agent.md파일로 나만의 에이전트를 정의하고, MCP로 사내 문서·디자인 시스템·API에 연결할 수 있습니다. PR 컨벤션 체크, Figma 디자인 시스템 드리프트 감지, 요구사항 수집 후 태스크 플랜 생성까지—팀마다 워크플로우를 조립하는 시대가 온 겁니다.
레버는 강하지만, 팔뚝이 약하면 소용없다
여기서 한 가지 반드시 짚어야 할 게 있습니다. AI는 레버(lever)입니다. 숙련도 8/10인 시니어가 5배 증폭을 받으면 40이지만, 1/10인 주니어가 똑같이 5배를 받아도 5입니다. 시니어는 AI로 전투 검증된 접근법을 최적화하고, 주니어는 같은 도구 앞에서 상형문자를 읽는 격이죠. 도구가 같아도 생산성 격차는 벌어집니다.
그래서 팀원들에게 AI-First 마인드를 심어줄 때 제가 강조하는 건 "도구 교육 전에 도메인 교육"입니다. 프롬프트를 잘 쓰려면 문제를 잘 정의해야 하고, 생성된 코드를 검증하려면 정답을 알아야 합니다. AI가 생성해준 걸 기반으로 우리가 다듬으려면, '다듬을 눈'이 먼저 있어야 한다는 뜻이죠.
AI-First 팀이 지금 해야 할 세 가지
기획 단계부터 AI를 끼면 훨씬 효율적이에요. 하지만 무작정 도구부터 깔지 마세요. 이번 IBM 사태와 도구 진화가 가리키는 실전 액션은 이렇습니다.
- 메모리를 세팅하라 — 팀 컨벤션·아키텍처 결정(ADR)·금지 패턴을
copilot-instructions.md에 코드화하세요. AI가 매번 같은 실수를 반복하는 건 메모리가 없기 때문입니다. - 테스트 루프를 자동화하라 — AI가 코드를 쏟아내는 속도에 수동 테스트는 절대 못 따라갑니다. 생성→빌드→실행→수정 루프를 CI에 내장하세요.
- 도메인 전문성을 먼저 키워라 — AI 레버의 효과는 곱셈입니다. 기저 역량이 0이면 아무리 곱해도 0입니다. 주니어 온보딩에 도메인 딥다이브를 넣고, 그 위에 AI 도구 활용을 쌓으세요.
IBM 주가 폭락은 단일 사건이 아닙니다. AI 보안 기능 하나에 사이버보안 종목이 급락하고, 바이브 코딩 확산에 소프트웨어 ETF가 2008년 이후 최대 분기 낙폭을 기록하는 흐름의 일부입니다. 전통 IT 서비스의 수익 구조가 AI에 의해 근본적으로 재편되고 있고, 이 파도는 멈추지 않습니다. 우리가 할 수 있는 건 파도 위에 올라타는 것뿐입니다—그리고 그 서핑 보드는 '잘 세팅된 AI 코딩 도구와 그것을 다룰 줄 아는 팀'입니다.