블록의 AI 코딩 에이전트 ‘빌더봇’이 생산 코드 15% 처리…엔지니어링 패러다임 바뀐다

블록이 자체 개발한 AI 코딩 에이전트 ‘빌더봇’이 전사적 코드베이스에서 생산 코드 변경의 15%를 자동으로 처리할 수 있게 되었다고 발표했다. 이는 AI가 단순히 코드 스니펫을 제안하는 수준을 넘어, 실제 엔지니어링 워크플로우의 핵심 부분까지 담당하기 시작한 신호로 해석된다. 특히 빌더봇은 하루 20만 건 이상의 작업을 수행하고 주당 약 1,500건의 풀 리퀘스트(PR)를 자동 병합하면서, 엔지니어링 생산성을 재정의하는 새로운 단계에 접어들었다.

빌더봇의 핵심은 ‘오케스트레이션 레이어’라는 점이다. 기존의 AI 코딩 도구들은 대부분 특정 저장소나 파일 하나에 국한된 제안에 그쳤지만, 빌더봇은 블록의 전체 코드베이스와 서비스, API, 코딩 규약을 모두 이해하는 통합 관리 체계로 설계됐다. 블록의 AI 책임자인 브래드 액센은 “빌더봇은 AI 코딩 도구와 대규모 엔지니어링 사이의 ‘빠진 연결고리’”라고 설명했다. 이 도구가 가능하게 한 변화는 단순히 코드 작성 속도가 아니라, 엔지니어링 프로세스 자체의 재구성으로 이어지고 있다.

AI 에이전트가 생산 코드로 진입하기 시작했다

블록이 제시한 수치만으로도 이 변화의 규모를 짐작할 수 있다. 빌더봇은 하루 20만 건 이상의 작업을 실행하며, 주당 약 1,500건의 풀 리퀘스트를 자동으로 병합한다고 한다. 이는 하루 평균 약 2만 1천 건의 코드 변경이 발생한다는 계산으로, 이 중 약 3만 건(주당 1,500건×5일)이 AI에 의해 자동 처리된다는 의미다. 15%라는 비율은 결코 작지 않다. 특히 이 작업들이 단순히 테스트용 코드가 아니라 실제 프로덕션 환경으로 배포되는 코드라는 점에서 그 의미가 크다.

이전에 AI는 주로 코드 리뷰나 버그 수정, 간단한 기능 추가 같은 보조적 역할에 머물렀다. 하지만 빌더봇은 프로덕션 코드 변경의 실행을 직접 담당하는 수준까지 진화했다. 액센은 “아이디어가 백로그에서 출발해 수일 내 milijons 명의 고객에게 도달할 수 있게 됐다”고 강조했다. 이는 엔지니어링 사이클이 기존의 ‘계획-개발-검토-배포’에서 ‘계획-의사결정-배포’로 압축되는 변화를 의미한다. AI가 코드 실행을 담당하고, 엔지니어는 제품의 방향성과 아키텍처 결정에 집중하는 새로운 분업 체계가 자리잡고 있는 것이다.

전사적 코드베이스 이해가 가능한 ‘오케스트레이션 레이어’

빌더봇의 가장 큰 차별점은 블록의 전체 코드베이스를 이해한다는 점이다. 기존의 AI 코딩 도구들은 대부분 특정 프로젝트나 저장소에 국한돼 작동했다. 하지만 빌더봇은 블록의 모든 서비스, API, 코딩 규약, 심지어는 Cash App과 Square 같은 서로 다른 제품 간 경계까지도 인식한다. 액센은 “Cash App 엔지니어가 한 번도 touched하지 않은 Square 서비스의 코드 변경을 AI가 직접 수행할 수 있다”고 설명했다. 이는 AI가 단순히 코드를 생성하는 도구를 넘어, 조직 전체의 기술 스택을 아우르는 관리 체계로 기능한다는 뜻이다.

이 같은 ‘전사적 이해’는 대규모 조직에서 AI 도구의 한계를 극복하는 핵심 요소다. 특히 블록처럼 Cash App, Square, TBD 같은 다양한 금융 서비스를 운영하는 기업의 경우, 서비스 간 의존성이나 규약이 복잡할 수밖에 없다. 빌더봇이 이 모든 것을 모델에 반영함으로써, AI는 단순히 코드를 작성하는 수준을 넘어, 시스템 전체의 일관성을 유지하면서 변경을 실행할 수 있게 됐다. 이는 대규모 엔지니어링 조직에서 AI의 실용성을 높이는 데 결정적 역할을 할 것으로 보인다.

엔지니어링 생산성 재정의와 인력 구조조정의 기술적 배경

블록은 지난 2월 전 직원의 40%에 해당하는 대규모 인력 구조조정을 단행했다.CEO 잭 도시는 이 조치를 AI의 급속한 발전과 연결 지어 설명했다. 당시 도시는 “AI가 이미 우리의 많은 작업을 대체하고 있다”며 구조조정의 배경을 밝혔다. 빌더봇의 등장은 이 같은 주장을 뒷받침하는 기술적 근거로 주목받고 있다. AI가 실제 프로덕션 코드를 처리하는 수준에 도달하면서, 인력의 상당 부분이 AI로 대체될 가능성을 보여준 것이다.

그러나 이 변화가 단순히 ‘일자리 감소’의 문제로만 해석될 수는 없다. 오히려 빌더봇은 엔지니어의 역할을 재정의하는 계기가 되고 있다. AI가 반복적이고 상투적인 코드 변경을 담당하게 되면서, 엔지니어들은 제품의 비전, 아키텍처 설계, 사용자 경험 같은 전략적 작업에 집중할 수 있게 됐다. 액센은 “엔지니어는 이제 아이디어에서부터 프로덕션 배포까지의 전 과정을 더 빠르게 검토하고 결정할 수 있게 됐다”고 말했다. 이는 엔지니어링 조직이 ‘생산성 향상’이 아니라 ‘가치 창출’의 관점에서 재편되고 있음을 보여준다.

AI 에이전트의 ‘자율성’과 새로운 위험 요소

블록의 사례는 AI 에이전트가 단순히 코드를 작성하는 도구를 넘어, 자율적으로 프로덕션 시스템을 변화시킬 수 있는 단계에 접어들었다는 점에서 주목할 만하다. 특히 빌더봇이 ‘오케스트레이션 레이어’라는 이름으로 여러 AI 에이전트를 관리하는 구조는, AI 시스템이 조직 내부의 복잡한 프로세스를 이해하고 실행할 수 있는 능력을 보여준다. 이는 AI가 ‘소프트웨어 엔지니어’로 진화했다는 의미로, 단순히 코드 생성뿐 아니라 시스템 전체의 운영까지 담당할 수 있는 가능성을 열어준다.

그러나 이와 동시에 새로운 위험 요소도 제기된다. AI 에이전트가 프로덕션 코드를 직접 변경할 수 있는 수준에 이르면, 시스템의 안정성, 보안, 규제 준수 같은 문제가 더욱 중요해진다. 특히 금융 서비스와 같이 엄격한 규제가 적용되는 분야에서는 AI의 자율적 변경이 치명적인 결과를 초래할 수 있다. 블록은 이 같은 위험을 최소화하기 위해 빌더봇에 엄격한 테스트와 승인 프로세스를 적용하고 있을 것으로 추정되지만, AI 에이전트의 자율성이 높아질수록 이와 같은 통제의 중요성은 더욱 커질 것이다.

블록의 선택이 시사하는 AI 채택 전략

블록이 빌더봇을 전사적으로 도입한 것은 AI 기술의 발전 속도를 고려했을 때 당연한 선택이었다. 특히 금융 서비스 분야에서 경쟁력을 유지하기 위해서는 개발 속도와 안정성의 균형을 맞추는 것이 중요하다. AI를 적극적으로 도입함으로써 블록은 개발 사이클을 단축하고, 엔지니어의 역량을 더 전략적인 작업에 집중시킬 수 있게 됐다. 이는 단순히 비용 절감의 문제가 아니라, 비즈니스 경쟁력의 핵심 요소로 AI를 활용하는 전략적 선택이다.

또한 빌더봇의 ‘오케스트레이션 레이어’ 접근 방식은 다른 기업들에게도 시사하는 바가 크다. 대규모 조직에서 AI를 도입할 때는 단순히 코드 생성 도구에 머무는 것이 아니라, 전체 프로세스를 아우르는 관리 체계가 필요하다는 점을 보여준다. 특히 서로 다른 제품과 서비스를 운영하는 기업의 경우, AI가 조직 전체의 기술 스택을 이해하고 관리할 수 있는 능력이 필수적이다. 블록의 사례는 이러한 접근 방식이 실제 비즈니스 성과로 이어질 수 있음을 보여주는 좋은 사례다.

앞으로 주목해야 할 점: AI 에이전트의 발전과 산업 재편

블록의 빌더봇은 AI 코딩 에이전트가 프로덕션 코드를 처리하는 새로운 시대를 열었다. 이제 우리는 AI가 단순히 코드를 작성하는 도구를 넘어, 실제 엔지니어링 워크플로우의 핵심 부분까지 담당하는 시대에 접어들었다. 특히 ‘오케스트레이션 레이어’라는 개념은 AI가 조직 내부의 복잡한 프로세스를 이해하고 관리할 수 있는 가능성을 보여준다. 이는 AI 에이전트가 소프트웨어 개발뿐 아니라 시스템 운영, 유지보수, 심지어는 아키텍처 설계까지 담당할 수 있는 기반을 마련했다는 점에서 큰 의미가 있다.

앞으로 주목해야 할 부분은 AI 에이전트의 자율성과 통제 사이의 균형이다. AI가 프로덕션 코드를 직접 변경할 수 있는 수준에 이르면, 시스템의 안정성, 보안, 규제 준수 같은 문제가 더욱 중요해질 것이다. 특히 금융 서비스와 같이 엄격한 규제가 적용되는 분야에서는 AI의 자율적 변경이 치명적인 결과를 초래할 수 있다. 따라서 AI 에이전트의 발전과 함께, 이를 안전하게 통제하고 관리할 수 있는 프레임워크와 도구의 개발이 필수적일 것이다.

또한 빌더봇과 같은 AI 에이전트가 다른 기업들로 확산되면서, 소프트웨어 개발 산업 전체가 재편될 가능성이 크다. AI가 프로덕션 코드를 처리하는 비중이 높아질수록, 엔지니어의 역할은 더 전략적이고 창의적인 작업으로 재정의될 것이다. 이는 개발 조직의 구조와 인력 구성에도 큰 변화를 가져올 것으로 예상된다. 특히 AI 에이전트의 능력을 최대한 활용하기 위한 새로운 교육과 훈련 체계의 필요성도 커질 것이다.

결론적으로 블록의 빌더봇은 AI 코딩 에이전트의 새로운 시대를 열고 있다. 이 변화는 단순히 개발 속도의 향상뿐 아니라, 엔지니어링 프로세스 전체의 재정의를 가져올 것이다. 이제 우리는 AI가 소프트웨어 개발의 미래를 어떻게 바꿀 것인지에 대한 새로운 질문을 던져야 한다. AI 에이전트의 자율성과 통제, 그리고 새로운 역할 분담이 가져올 변화는 앞으로도 주목해야 할 핵심 과제로 남아있을 것이다.