Codex의 흥미로운 변화는 더 이상 “코드를 대신 써준다”에 머물지 않습니다. Microsoft Research AI Frontiers의 Dimitris Papailiopoulos가 언급한 사례에서 Codex는 ‘Idea Descent’를 사용해 solver 크기를 117.2kB에서 50kB 미만으로 줄였고, 이 과정에서 LZMA 기반 최적화를 110회 반복한 것으로 소개됐습니다.1
핵심은 결과 숫자보다 접근 방식입니다. Idea Descent는 정답 코드를 한 번에 생성하는 방식이 아니라, 여러 아이디어를 시도하고 측정한 뒤 다시 줄여가는 반복 탐색에 가깝습니다. 이 사례는 코딩 에이전트의 가치가 “생성 속도”에서 “탐색을 설계하고 실행하는 능력”으로 이동하고 있음을 보여줍니다.
Codex는 코딩 도구에서 작업 에이전트로 확장 중
Codex는 OpenAI가 만든 에이전트형 코딩 도구로 출발했습니다.2 그러나 현재의 확장 방향은 개발 환경 안에 갇힌 보조 도구가 아니라, 다양한 업무 흐름에 연결되는 실행 에이전트에 가깝습니다.
OpenAI에 따르면 Codex의 주간 사용자는 500만 명을 넘었고, 사용자 중 약 20%는 비개발자입니다.2 비개발자 사용자 증가 속도도 개발자보다 3배 이상 빠르다고 설명됐습니다.2
이 수치는 Codex가 개발자만의 생산성 도구에서 벗어나고 있음을 시사합니다. 분석, 기획, 운영처럼 코드가 최종 목적은 아니지만 반복적인 판단과 산출물이 필요한 업무에서도 Codex가 활용될 여지가 커지고 있습니다.
Idea Descent의 본질은 “생성”이 아니라 “반복 실험”
solver를 50kB 미만으로 줄인 사례가 의미 있는 이유는 에이전트가 단순히 코드를 압축한 것이 아니라, 여러 아이디어를 실험하며 결과를 갱신했다는 데 있습니다. 사용자가 제안한 좋지 않은 아이디어 때문에 코드 크기가 일시적으로 늘어난 구간도 있었다고 언급됐습니다.1
겉으로 보면 실패처럼 보이지만, 최적화 과정에서는 자연스러운 일입니다. 중요한 것은 모든 시도가 성공하는 것이 아니라, 각 시도에서 측정값을 얻고 다음 방향을 조정하는 루프를 유지하는 것입니다.
이 관점에서 Idea Descent는 AI 활용 방식을 바꿔 생각하게 만듭니다. “좋은 코드를 만들어줘”라고 요청하는 것보다, 목표와 제약 조건, 측정 기준을 명확히 주고 반복하게 만드는 편이 더 강력합니다.
예를 들면 다음과 같은 방식입니다.
목표: solver를 50kB 미만으로 줄이기
기준: 반복마다 LZMA 압축 크기 측정
과정: 실패한 아이디어도 기록하고 다음 시도에 반영
제약: 기능을 유지하면서 크기 최적화
이렇게 문제를 정의하면 AI는 단순 작성자가 아니라 실험을 수행하는 에이전트에 가까워집니다.
플러그인과 Sites가 중요한 이유
Codex의 확장 기능도 같은 흐름 위에 있습니다. OpenAI는 Codex 확장 기능으로 플러그인, 주석, Sites를 공개했습니다.2
Codex 플러그인은 팀이 쓰는 도구, 컨텍스트, 워크플로와 Codex를 연결하는 단위이며, 스킬·앱·MCP 서버를 구성요소로 포함할 수 있습니다.2 이는 반복 실험을 개인의 프롬프트 노하우에만 의존하지 않고, 팀의 재사용 가능한 작업 방식으로 만들 수 있다는 뜻입니다.
Codex Sites도 눈여겨볼 만합니다. Sites는 분석이나 계획을 URL로 공유 가능한 인터랙티브 웹사이트와 앱으로 바꾸는 기능이며, 프리뷰 단계로 소개됐습니다.2 결과물이 코드 저장소 안에만 머무르지 않고, 다른 사람이 검토하고 활용할 수 있는 형태로 확장되는 흐름입니다.
우리가 배울 점: AI에게 문제를 잘 내려주는 능력
Codex Idea Descent 사례의 실용적 교훈은 분명합니다. 앞으로 AI를 잘 쓰는 사람은 단순히 프롬프트를 길게 쓰는 사람이 아니라, 탐색 문제를 명확히 정의하는 사람입니다.
특히 다음 세 가지가 중요합니다.
목표를 수치화하기
“더 작게”, “더 빠르게”보다 “50kB 미만”, “반복마다 압축 크기 측정”처럼 판단 가능한 기준이 필요합니다.반복 루프를 설계하기
한 번의 답변으로 끝내지 말고, 시도 → 측정 → 수정의 흐름을 만들수록 에이전트의 장점이 살아납니다.실패를 기록 가능한 데이터로 보기
나쁜 아이디어도 쓸모가 있습니다. 왜 실패했는지 남기면 다음 탐색의 방향을 좁힐 수 있습니다.
결국 Codex Idea Descent가 보여준 것은 코딩 에이전트의 다음 단계입니다. 생산성은 AI가 코드를 얼마나 빨리 쓰느냐보다, 사람이 목표와 평가 기준을 얼마나 잘 정의하느냐에 더 크게 좌우될 것입니다.
2OpenAI Codex, 코딩을 넘어 모든 직무로 확장하는 플러그인, 사이트, 주석 기능 공개 - PyTorchKR
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.