이맥스(Emacs)의 강점으로 꼽히던 빠른 편집과 높은 확장성이 AI 코딩 도구 앞에서 흔들리고 있다. 한 개발자는 클로드 코드(Claude Code)를 쓰며 단축키와 리스프(LISP)로 직접 작업하던 방식이 자연어로 원하는 결과를 요청하는 방식으로 바뀌었다고 말한다. 그가 살펴본 이맥스용 그리기 도구는 이 변화의 양면을 드러낸다. 구현하기 어려웠던 일을 시도할 수 있게 됐지만, AI가 만들어 낸 결과를 어떻게 이해하고 다룰지는 여전히 개발자의 몫이다.
핵심요약
- 필자는 클로드 코드를 쓰기 시작한 뒤 코딩 과정 전반이 달라졌다고 느꼈으며, 이를 이맥스 사용자들이 자부하던 작업 방식과 비교한다.
- 그는 이맥스의 편집 속도와 리스프의 표현력보다 원하는 작업을 AI에 설명하는 능력이 중요해졌다고 본다.
- 깃 변경 사항을 마짓(Magit)으로 직접 커밋하던 작업도 AI가 제안하는 단계로 옮겨 가면서, 코드의 기여자를 누구로 볼지 묻게 된다.
- 이맥스용 엑스칼리 모드(excali-mode)는 웹 그리기 도구의 여러 층을 다시 구현한 사례로 소개되며, AI가 어디까지 만들어야 하는지라는 질문을 남긴다.
- Hacker News에서는 AI의 생산성을 인정하면서도 코드 품질, 소프트웨어 자유, 도구를 함께 발전시키는 문화가 약해질 수 있다는 우려가 나왔다.
클로드 코드 이후 달라진 질문
필자는 2025년 9월 무렵 클로드 코드를 쓰기 시작했다고 회고한다. 처음 일주일 동안은 전날 본 일이 실제로 일어났는지 확인하고 싶을 만큼 코딩 과정 전반을 다루는 능력에 놀랐다고 썼다. 그가 보기에 지금의 모델은 당시보다도 훨씬 강력하다. 이 글은 새 도구가 시간을 얼마나 아껴 주는지 평가하기보다, 그 도구 앞에서 오랫동안 익혀 온 개발 방식에 어떤 자리가 남는지 묻는다.
필자는 이런 변화를 디지털 시대 전체의 짧은 역사와 나란히 놓는다. 그는 스콧 애런슨(Scott Aaronson)이 ‘수학의 종말’을 연상시키는 이름으로 부른 사례를 들며, 오픈AI(OpenAI)의 최신 모델이 연구 문제 8,000개를 세 시간에 걸쳐 살펴보고 유력한 해법 후보 372개를 냈다고 소개한다. 중요한 것은 그 숫자를 곧바로 확정된 성과로 받아들이는 일이 아니다. 필자가 강조하는 장면은 한때 사람의 긴 연구를 요구하던 문제들에도 AI가 빠른 속도로 접근하기 시작했다는 것이다.
정확히 작동하는 기계에서 확률적인 AI로
필자는 기존 컴퓨터를 같은 입력에 같은 출력을 내도록 만든 장치로 설명한다. 켜짐과 꺼짐을 분명히 구별할 수 있다는 특성이 컴퓨터에 일을 맡길 수 있는 바탕이었고, 소프트웨어 역시 정해진 지시를 정확히 따르는 것으로 이해됐다는 뜻이다. 반면 확률적 AI(같은 요청에도 결과가 달라질 수 있는 AI)가 등장하면서, 기술을 대하는 이런 감각이 달라졌다. 이제 사용자는 처리 순서를 모두 지정하지 않고도 자신이 원하는 결과를 말할 수 있다.
그는 이 대비를 설명하려고 초기 AI의 전문가 시스템(사람의 지식을 규칙으로 옮겨 판단하게 하는 프로그램)을 돌아본다. 당시 일부 연구자는 충분한 규칙을 만들면 지적인 행동을 구현할 수 있다고 기대했다. 필자는 인간의 대화처럼 범위가 정해지지 않은 행동을 규칙만으로 다루기 어렵다고 생각했던 프로그래머의 시각도 함께 전한다. 오늘날 AI의 성과가 놀랍게 느껴지는 까닭은, 바로 그렇게 어려워 보였던 일을 규칙을 일일이 작성하지 않는 방식으로 처리하기 때문이다.
기다리던 프로그래밍에서 즉시 고치는 프로그래밍으로
필자는 리처드 스톨먼(Richard Stallman)이 회로 분석기를 만들던 일을 떠올린다. 그의 소개에 따르면 스톨먼은 회로를 방정식으로 풀어야 할 대상으로만 보지 않고, 사람이 진단하듯 여러 검사를 적용하는 방식으로 접근했다. 지금 보면 낯설게 들릴 수 있지만, 당시에는 규칙을 활용한 프로그래밍 자체가 새로운 가능성이었다. 필자는 그 가능성을 이해하려면 프로그램을 쓰고 실행하는 환경이 얼마나 달라지고 있었는지도 봐야 한다고 말한다.
컴퓨터 한 대가 방을 채우던 시절에는 프로그램을 실행하려고 다른 층으로 가져간 뒤 차례를 기다려야 했다. 그런 환경에서 입력한 글자가 화면에 바로 나타나는 편집기만으로도 작업 방식이 크게 바뀌었다는 것이 필자의 설명이다. 피드백(작업 결과를 확인하고 고치는 과정)이 빨라지고 프로그래밍 자체가 편해지면서, 사람들은 세계를 설명할 규칙을 충분히 작성하는 일도 가능하리라 기대했다. 이맥스의 역사 역시 사람이 컴퓨터와 더 가까운 거리에서 작업하게 된 흐름 위에 놓여 있다.
언어를 다루기 위해 선택한 리스프
필자는 초기 AI 연구에서 자연어 이해가 중요한 목표였다고 설명한다. 인간 언어의 구조를 표현하려면 문법 안에 문법이 들어가는 재귀(같은 구조를 거듭 적용하는 방식)를 다루기 좋은 프로그래밍 언어가 필요하다고 여겨졌다. 그래서 리스프와 스킴(Scheme), 그보다 비중은 작지만 프롤로그(Prolog)가 AI 연구의 도구로 쓰였다. 언어를 연구하는 데 적합한 표현 방식이 어떤 것인지가 프로그래밍 언어 선택과 맞닿아 있었던 셈이다.
리스프는 C보다 실행 속도가 느렸지만, 필자가 보기에 원하는 생각을 코드로 옮기는 데에는 강점이 있었다. 그는 이를 실행의 경제성과 표현의 경제성 사이의 차이로 설명한다. 동시에 리스프의 car, cdr처럼 뜻을 짐작하기 어려운 이름도 지적한다. 처음 보는 사람에게 친절하지는 않아도, 쓰는 사람이 생각을 직접 표현할 수 있다는 점이 이 언어의 매력이었고 그 매력은 이맥스의 확장성으로 이어졌다.
마짓 단축키 대신 AI의 커밋 제안
필자는 이맥스 사용자가 편집 속도, 맞춤 설정, 리스프의 표현력을 자신만의 우위로 여겨 왔다고 말한다. 하지만 직접 타이핑하는 대신 AI에 원하는 일을 설명하기 시작하면 그 우위가 달리 보인다. 능숙한 사용자가 단축키로 앞서 나가던 경쟁에서, 이제는 다른 사용자도 AI에 일을 맡길 수 있기 때문이다. 필자는 이를 더 좋은 단축키가 등장한 일이 아니라 작업의 단위 자체가 바뀐 일로 받아들인다.
그가 든 예가 깃(Git) 커밋이다. 이맥스에서 깃을 다루는 마짓에 들어가 변경 사항을 스테이징(커밋에 포함할 변경 내용을 고르는 작업)하고 메시지를 적던 절차가, 클로드 코드에서는 작업을 마친 뒤 나타나는 커밋 제안을 확인하는 일로 줄어든다. 필자는 이 편리함을 인정하면서도 커밋 기록에 앤트로픽(Anthropic)이 공동 기여자로 남는 상황을 비튼다. AI가 코드를 만들고 사람은 승인한다면, 사람에게는 어떤 기여가 남는지를 묻는 것이다.
엑스칼리드로를 이맥스 안에 다시 만들다
필자가 소개한 사례는 이맥스용 엑스칼리 모드다. 그는 새 캔버스 위젯 API(프로그램이 그림 영역을 다루는 연결 방식)가 나왔을 때 누군가 인기 그리기 도구인 엑스칼리드로(Excalidraw)를 이맥스에서 쓰고 싶어 했을 법한 상황을 상상한다. 다만 글에 실린 사용자와 큐원(Qwen)의 대화는 실제 작업 기록이 아니라, 무리한 요청에서 어떤 일이 벌어질 수 있는지를 보여 주는 가상의 장면이다. 핵심은 웹 도구를 단순히 띄우는 대신 새 API를 사용하라는 요구다.
필자의 설명에 따르면 엑스칼리 모드는 그 요구를 맞추려고 엑스칼리드로의 여러 층을 다시 구현했다. 웹 브라우저 자리는 이맥스가, 자바스크립트(JavaScript) 자리는 이맥스용 리스프인 엘리스프(Elisp)가 맡는다. 웹의 그리기 코드를 대신하는 C 모듈이 있고, 선과 글자를 그리는 데에는 카이로(Cairo)와 팡고(Pango)를 쓴다. 필자가 놀라는 대목은 AI가 요청의 장애물을 보고 멈추기보다, 장애물이 되는 구성 요소까지 새로 만드는 쪽으로 나아갔다는 점이다.
이 사례는 자연어 요청이 강력해질수록 요청 자체의 판단이 중요해진다는 사실도 보여 준다. 웹 도구의 기능을 이맥스 안에 옮기는 결과와, 그 목적에 맞는 규모와 구조로 소프트웨어를 만드는 결과는 같지 않다. 필자는 이 사례를 통해 AI가 어려운 구현을 해낼 수 있다는 놀라움과, 그렇게까지 다시 만드는 것이 적절한지는 별개의 질문이라는 당혹감을 함께 드러낸다. 이맥스의 미래를 묻는 글이 결국 무엇을 만들지 결정하는 사람의 역할로 돌아오는 이유다.
커뮤니티 의견
한 사용자는 AI가 어떤 프로젝트든 시작할 용기를 주는 반면, 만들어 낸 소프트웨어는 장황하고 중복이 많으며 보안과 테스트에서도 허점을 보일 수 있다고 했다. 그는 ‘개발자는 필요 없어진다’는 주장과 ‘AI 코드는 쓸모없다’는 반응 모두 지나치게 이분법적이라고 봤다. 빠르게 만들 수 있다는 장점과 이후 코드를 유지·관리해야 하는 부담을 함께 봐야 한다는 의견이다.
한 사용자는 LLM이 만든 기여를 받지 않는 이맥스 버전을 계속 개발하겠다는 움직임을 소개했다. 이 입장에서는 AI가 얼마나 많은 코드를 작성할 수 있는지보다, 공동 프로젝트가 어떤 방식의 기여를 받아들일지가 더 중요하다. 도구의 성능을 둘러싼 논쟁이 프로젝트 운영 원칙의 문제로 이어진 것이다.
AI가 상상한 기능을 곧바로 구현해 준다면 그것이 소프트웨어 자유라는 시각을 두고도 반론이 나왔다. 한 사용자는 소수 AI 업체에 계속 비용을 내고 요청과 데이터를 넘겨야 한다면 이를 자유라고 부르기 어렵다고 주장했다. 원하는 대로 소프트웨어를 바꾸는 능력뿐 아니라, 그 능력을 누구에게 의존하는지도 따져야 한다는 지적이다.
한 사용자는 개인용 도구를 즉시 만들어 쓰는 일이 늘면, 다른 개발자의 도구를 시험하고 설계 방향을 함께 논의할 기회가 줄 수 있다고 봤다. 답글에서는 개인적으로 만든 도구를 공개 프로젝트로 바꿔 쓰려 한다는 의견도 나왔다. 이들은 이맥스 같은 도구의 가치를 완성된 기능뿐 아니라 서로의 작업 방식을 발견하는 과정에서 찾았다.
이맥스를 쓰는 이유가 남보다 빨리 코드를 쓰기 위해서만은 아니라는 반론도 나왔다. 한 사용자는 익숙한 키 조작 덕분에 생각을 끊지 않고 코드를 바꿀 수 있다는 점을 강조했다. 또 다른 사용자는 단순히 변경 사항을 커밋할 때라면 AI에 시키는 것보다 마짓에서 직접 처리하는 편이 빠르고 수고도 적다고 했다.
자유 소프트웨어 운동과 AI의 관계를 달리 보는 의견도 있었다. 한 사용자는 공개된 코드가 AI 학습의 토대가 됐다는 점에서 역설을 봤지만, 답글은 누구나 자신이 쓰는 소프트웨어를 바꿀 수 있게 하려던 목표가 AI를 통해 실현되는 것이라고 맞섰다. 같은 변화를 두고도 자유 소프트웨어의 성취로 볼지, 그 성과가 다른 방식으로 쓰인 것으로 볼지가 갈렸다.
한 사용자는 AI가 만든 코드 덩어리를 잘 정의된 API(프로그램 구성 요소 사이의 연결 규칙)로 나눠 격리해야 유지·관리가 가능하다고 주장했다. 이에 이미 소프트웨어 공학에서 하던 일이라는 답글이 달렸다. AI가 구현 속도를 높이더라도 구성 요소의 경계를 정하고 문제의 확산을 막는 일까지 없애 주지는 않는다는 대화다.
핵심통찰
AI 코딩 도구는 이맥스가 쌓아 온 편집 속도와 확장성의 가치를 없애기보다, 그 가치를 판단할 기준을 바꾼다. 이제 차이는 코드를 얼마나 빨리 입력하느냐보다 무엇을 만들라고 요청하고, 만들어진 구조를 어디까지 받아들일지에 있다. 엑스칼리 모드처럼 대담한 결과가 늘수록 유지·관리와 공동 기여의 원칙은 더 중요해진다. 앞으로 지켜볼 것은 AI가 또 무엇을 구현하는지가 아니라, 개발자들이 그 결과를 이해하고 고치며 함께 발전시킬 수 있는 방식까지 만들어 내는지다.
원본: https://commandlinesystems.com/magic.txt
토론: Hacker News