PART 01-1. Codex가 뭔가, 왜 지금인가

Codex를 처음 보면 많은 사람이 이렇게 생각한다. "아, ChatGPT가 코딩도 더 잘해주는 기능이구나." 반은 맞고, 반은 틀리다.

정확히 말하면 Codex는 대답을 잘하는 챗봇이 아니라, 일을 맡길 수 있는 소프트웨어 엔지니어링 에이전트에 가깝다. OpenAI도 Codex를 코드 작성·검토·배포를 돕는 AI 에이전트로 설명하고 있고, ChatGPT 플랜 안에서 동작하더라도 본질은 그냥 채팅창의 연장이 아니다.¹

이 차이를 빨리 이해할수록, 도구 선택이 쉬워진다. ChatGPT는 "어떻게 할까?"를 묻는 데 강하고, Cursor는 "지금 이 파일을 같이 고치자"에 강하며, Claude Code는 "터미널에서 깊게 파고들자"에 강하다. Codex는 그중에서도 특히 "이 작업 맡길게. 테스트까지 돌리고 PR 후보 만들어줘"라는 식의 비동기 위임에 강하다.²³

이 장의 목표는 하나다. 왜 지금 Codex를 배워야 하는지, 그리고 내 워크플로우에는 Codex, Cursor, Claude Code 중 무엇이 맞는지를 한 번에 감 잡게 만드는 것.

Codex는 '코드 생성기'가 아니라 자율 SWE 에이전트다

예전의 AI 코딩 도구는 대체로 두 가지였다. 하나는 자동완성기였고, 다른 하나는 질문 답변기였다. 전자는 "다음 줄 뭐 쓸지"를 예측했고, 후자는 "이 에러가 왜 나지?"를 설명했다. 둘 다 유용했지만, 개발자가 계속 손을 움직여야 했다.

Codex는 여기서 한 단계 더 간다. 자연어로 작업을 주면, 저장소를 읽고, 관련 파일을 찾고, 계획을 세우고, 코드를 수정하고, 테스트를 실행하고, 실패하면 다시 고치고, 최종적으로 diff나 PR 형태의 결과를 내놓는 식이다.² 쉽게 말해, 도움말 도구에서 실행 도구로 넘어온 것이다.

이 차이는 생각보다 크다. 예를 들어 Next.js + Supabase 프로젝트에서 "회원가입 후 첫 로그인 시 프로필 row가 없어서 500이 나는 버그를 잡아줘"라고 맡겼다고 해보자. 일반적인 채팅형 AI는 원인 후보와 예시 코드를 준다. 하지만 Codex류 에이전트는 실제 레포를 읽고, auth callback과 DB insert 시점을 확인하고, 테스트를 돌리고, 수정안까지 만들어 준다.

이때 중요한 건 자율성과 검토 가능성이 함께 간다는 점이다. Codex는 보통 프로덕션에 바로 커밋하는 대신, 변경사항을 diff나 PR로 보여주고 사람이 마지막 검토를 하도록 설계된다.² 즉, "AI가 다 한다"가 아니라 "AI가 큰 덩어리 일을 먼저 끝내고, 사람은 승인과 판단에 집중한다"에 가깝다.

왜 하필 지금인가

Codex가 지금 중요한 이유는 단순히 모델이 좋아졌기 때문만은 아니다. 세 가지가 한 번에 맞물렸다.

첫째, 모델 성능이 실제 개발 업무를 맡길 만한 수준까지 올라왔다. 단순 알고리즘 문제가 아니라, 여러 언어와 실제 저장소를 다루는 벤치마크에서 의미 있는 점수가 나오기 시작했다.²⁴

둘째, 에이전트를 감싸는 실행 환경이 성숙했다. 이제는 "코드 한 덩어리 생성"이 아니라, 샌드박스에서 명령을 실행하고, 테스트 로그를 보고, 실패를 반복 수정하는 루프가 제품 안에 들어와 있다.²

셋째, 배포 채널이 넓어졌다. Codex는 더 이상 특수한 실험 도구가 아니라 ChatGPT 사용 경험 안으로 들어왔고, 주간 사용자가 수백만 명 규모로 커졌다.¹⁵ 즉, 기술이 실험실을 벗어나 업무 도구가 되기 시작한 시점이다.

개발자 입장에서 보면 변화의 핵심은 더 단순하다. 예전엔 AI와 동기식 페어 프로그래밍을 했다. 옆에 앉혀 두고 물어보고, 복붙하고, 다시 물어봤다. 이제는 일부 작업을 비동기식으로 위임할 수 있다. 밤에 버그 수정, 테스트 보강, 문서 정리, 사소한 리팩터링을 큐에 넣고, 아침에 결과를 검토하는 흐름이 가능해졌다.

이건 타이핑 속도의 개선이 아니라, 일하는 방식 자체의 변경이다.

Codex의 네 가지 얼굴: 어디서 쓸지 먼저 정하자

Codex를 헷갈리게 만드는 이유 중 하나는 "하나의 제품"이지만 쓰는 표면이 여러 개라는 점이다. 초반에 이걸 정리해 두면 이후 학습이 훨씬 쉬워진다.

여기서 중요한 포인트는 모두 같은 철학을 공유하지만, 작업 밀도가 다르다는 점이다.³⁴

빠르게 UI를 만지면서 한 줄씩 손보는 일은 IDE 쪽이 편하다. 반대로 Express + MongoDB API의 pagination 버그 수정, 테스트 보강, lint 통과, 브랜치 정리 같은 묶음 작업은 클라우드나 CLI가 더 자연스럽다.

초보자라면 이렇게 기억하면 된다.

눈으로 보면서 조금씩 고치고 싶으면 IDE, 터미널이 편하면 CLI, 맡겨놓고 결과를 받고 싶으면 클라우드다.

ChatGPT와 Codex는 무엇이 다른가

같은 OpenAI 제품군 안에 있어서 더 헷갈리지만, 두 도구의 역할은 다르다.

ChatGPT는 기본적으로 설명과 사고를 돕는 인터페이스다. 아이디어를 정리하고, 구조를 잡고, 코드를 제안하고, PR 설명문을 써 주는 데 강하다. 반면 Codex는 실제 저장소를 대상으로 행동하는 인터페이스다.¹

비유하면 이렇다.

ChatGPT는 회의실 화이트보드 앞에서 "이렇게 구현하면 될 것 같습니다"라고 말해주는 시니어다. Codex는 그 회의가 끝난 뒤 브랜치를 따서 실제로 수정하고 테스트까지 돌려보는 엔지니어다.

그래서 둘을 경쟁 관계로 볼 필요는 없다. 오히려 현실적인 흐름은 이렇다.

먼저 ChatGPT에서 기능 요구사항을 정리한다. 그다음 Codex에 "이 스펙대로 구현하고 테스트까지 통과시켜줘"라고 맡긴다. 마지막으로 사람이 diff를 읽고 머지한다.

즉, ChatGPT가 생각을 정리하고, Codex가 실행한다.

Cursor, Claude Code, Codex는 서로 무엇이 다른가

2026년의 AI 코딩 도구는 겉으로 비슷해 보여도, 실제로는 서로 다른 철학을 갖고 있다.³⁴

세 도구를 사람 역할로 바꿔 보면 더 잘 보인다.

Codex는 업무 티켓을 받아 처리하고 PR을 들고 오는 동료다. Claude Code는 터미널에서 함께 사건을 파헤치는 수석 개발자에 가깝다. Cursor는 내 손에 붙어 있는 초고속 AI 편집기다.

이 차이는 특히 한국 개발자가 자주 하는 프로젝트에서 선명해진다.

Next.js + Supabase로 SaaS를 만드는 상황을 생각해 보자. 랜딩 페이지 문구를 바꾸고, 버튼 클릭 시 로딩 상태를 다듬고, 서버 액션 타입을 조금씩 맞추는 일은 Cursor가 아주 편하다. 반면 auth 흐름 전체를 읽고 RLS 정책과 DB 마이그레이션까지 건드리는 큰 수정은 Claude Code가 강한 경우가 많다. 그리고 쌓여 있는 GitHub 이슈 세 개를 각각 버그 수정, 테스트 추가, 문서 업데이트로 나눠 병렬 처리하고 싶다면 Codex가 빛난다.

결론은 단순하다.

Codex는 '잘 써주는 도구'라기보다 '잘 맡길 수 있는 도구'다.

벤치마크는 이렇게 읽어야 한다

벤치마크 숫자는 유혹적이다. 누가 몇 퍼센트냐를 보면 당장 승부가 끝난 것처럼 느껴진다. 하지만 AI 코딩 도구는 모델과 하네스(harness, 도구 실행 환경), 그리고 워크플로우 설계가 함께 성능을 만든다. 그래서 숫자는 참고하되, 해석은 차분해야 한다.

2026년 봄 공개 자료 기준으로 보면, Codex 계열은 SWE-Bench Pro에서 대략 56.8~58.6%, Terminal-Bench 2.0에서 77.3~82.7% 수준이 보고됐다. Claude Code 쪽은 SWE-Bench Pro 약 55.4%, Terminal-Bench 2.0 약 65.4%가 자주 인용된다. Cursor는 도구 자체가 여러 모델을 선택해 쓰는 구조라, 단일한 "Cursor 점수"로 고정해 말하기가 어렵다.²⁴

이 숫자에서 읽어야 할 메시지는 두 가지다.

첫째, Codex는 터미널·실행·비동기 작업에 특히 강한 축으로 보인다. 테스트 실행, 스크립팅, 환경 조작, 반복 수정 같은 흐름에서 강점이 드러난다.²⁴

둘째, Claude Code는 복잡한 문제를 길게 붙들고 코드베이스를 깊게 읽는 작업에서 여전히 매우 강력한 선택지다. 특히 애매한 요구사항을 구조화하고, 여러 파일 관계를 추적하며, 큰 리팩터링 계획을 세울 때 신뢰하는 개발자가 많다.³⁴

숫자보다 더 중요한 것은 작업의 성격이다.

PR 하나를 만들기 위해 필요한 일이 "한 파일 수정"인지, "코드베이스 탐색 + 테스트 + 재시도 + 브랜치 산출"인지에 따라 도구 선택이 완전히 달라진다.

'동기 페어 프로그래밍'에서 '비동기 위임'으로

이 장에서 꼭 가져가야 할 핵심은 이것이다. Codex는 코드를 더 잘 써주는 도구이기 전에, 개발자의 시간을 다른 방식으로 쪼개게 만드는 도구다.

예전의 AI 협업은 대부분 동기식이었다. 내가 보고 있는 화면 앞에서, 내가 생각하는 속도에 맞춰, AI가 보조했다. 이 방식은 여전히 중요하다. UI 미세 조정, 리액트 컴포넌트 다듬기, SQL 한 줄 수정 같은 일은 지금도 동기식이 최고다.

하지만 백로그의 상당수는 꼭 그렇게 할 필요가 없다. 예를 들어 슈퍼앱 클론 프로젝트에서 다음과 같은 작업이 있다고 하자.

• 주소 검색 입력창 debounce 추가

• 주문 내역 API 응답 타입 정리

• 실패하는 E2E 테스트 복구

• README 배포 절차 최신화

이 네 가지를 전부 내 손으로 순서대로 처리하면 한나절이 간다. Codex식 에이전트는 이런 일을 분리 가능한 작업 단위로 만들어 백그라운드에서 소화하게 한다. 사람은 그동안 다음 스펙을 정리하거나, 더 중요한 의사결정을 할 수 있다.

즉, 생산성 향상의 본질이 "한 시간에 더 많은 줄을 쓴다"가 아니라, 내가 꼭 해야 하는 일과 AI에게 맡겨도 되는 일을 분리한다로 바뀌는 것이다.

이 변화는 시니어에게 특히 중요하다. 시니어의 병목은 타이핑 속도가 아니라 문제 정의, 우선순위 판단, 검토 품질이기 때문이다. Codex는 그 병목을 건드린다.

누가 Codex를 써야 하고, 누구는 Claude Code가 더 나은가

이제 현실적으로 정리해 보자.

Codex가 특히 잘 맞는 사람

Codex는 PR 기반으로 일하는 사람에게 잘 맞는다. GitHub 이슈가 쌓여 있고, 버그 수정과 테스트 보강, 문서 업데이트, 사소한 리팩터링을 병렬로 돌리고 싶다면 Codex의 가치가 바로 보인다. ChatGPT를 이미 업무에 쓰고 있는 개발자라면 진입 장벽도 낮다.¹⁵

또 하나, "코드는 내가 다 읽을 수 있지만, 매번 처음부터 쓰고 싶지는 않다"는 사람에게 좋다. 말 그대로 작성보다 검토가 더 빠른 사람에게 Codex는 강하다.

비개발자 바이브 코더에게도 Codex는 의외로 괜찮다. 단, 조건이 있다. 요구사항을 비교적 구체적으로 말할 수 있고, 결과 diff를 누군가와 함께 검토할 수 있어야 한다. 혼자서 완전 자동으로 믿고 배포하는 도구로 보면 위험하다.

Claude Code가 더 나은 사람

터미널이 편하고, 애매한 문제를 오래 추적하는 스타일이라면 Claude Code가 더 맞을 수 있다. 모노레포, 레거시 백엔드, 구조가 복잡한 서비스, 아키텍처 결정을 동반한 리팩터링에서는 Claude Code가 주는 깊은 탐색 감각을 선호하는 개발자가 많다.³⁴

특히 "먼저 충분히 이해한 뒤 움직여라"가 중요한 환경에서는 Claude Code의 성격이 잘 맞는다. 한 번에 맡기기보다, 같이 생각하고 조금씩 밀고 가는 느낌이 강하다.

Cursor가 더 나은 사람

하루 종일 에디터 안에서 사는 사람, 특히 프론트엔드와 UI 중심 개발자는 Cursor를 가장 자주 열 가능성이 높다. 자동완성, 인라인 수정, 시각적 diff, 익숙한 VS Code 계열 경험은 강력하다.³

즉시 반응하는 편집 경험이 중요하면 Cursor가 좋다. 반면 작업을 큐에 넣고 백그라운드에서 여러 개 돌리는 그림은 Codex 쪽이 더 자연스럽다.

하나만 고르지 않아도 된다

실무에서는 셋 중 하나만 고집하는 사람이 오히려 드물어질 가능성이 크다. 좋은 조합은 보통 이렇다.

먼저 ChatGPT나 Claude Code로 문제를 구조화한다. 그다음 Codex에 명확한 작업 단위를 위임한다. 마지막으로 Cursor나 IDE에서 diff를 보며 손으로 마무리한다.

이 흐름이 중요한 이유는, 앞으로 개발자의 경쟁력이 "어느 도구를 쓰느냐"보다 어떤 문제를 어떤 도구에 어떤 해상도로 맡기느냐로 이동하기 때문이다.

바꿔 말하면, 미래의 강한 개발자는 AI보다 코드를 빨리 치는 사람이 아니라, 일을 잘 쪼개고, 잘 지시하고, 더 잘 리뷰하는 사람이다.

최신 변경

아래 내용은 바뀌기 쉬운 정보라서, 개념 설명과 분리해 짧게 정리한다.

2026-04-25 기준 스냅샷

지금 시점의 한 줄 결론은 이렇다.

코드를 같이 쓰는 AI는 이미 흔하다. 하지만 일을 맡기고 결과를 PR로 받는 흐름은 아직 신선하다. Codex는 바로 그 지점에서 가장 먼저 손에 익혀둘 만한 도구다.

참고

¹OpenAI 도움말: ChatGPT 플랜에서 Codex 사용하기

²Lushbinary: GPT-5.5 Codex 가이드

³NxCode: Codex vs Cursor vs Claude Code 비교

⁴Morph: Cursor vs Claude Code vs Codex 비교

⁵TechCrunch: ChatGPT 100달러 Pro 플랜과 Codex 사용량 확대