Insights AI

에이전트 기반 코딩 시대를 위한 구축: 자율 개발자에 맞춰 인프라는 어떻게 진화하는가

팟캐스트 · 듣기 (19분)

Supabase Says 70% of Its New Users Aren't Human | AI Explained

목차
  1. 병목: 에이전트 주도 환경에서 인간을 위해 설계된 인프라
  2. 에이전트 중심 인프라의 작동 방식: 단계별 청사진
  3. 단계 1: 프로그램 방식의 자원 제공
  4. 단계 2: 에이전트에 최적화된 인터페이스
  5. 단계 3: 자동화된 수명주기 관리
  6. 직관적인 비유: 설계도 기반 건축과 자동화된 초소형 아파트 출력
  7. 진정으로 새로운 점: '어떻게 만들 것인가'에서 '무엇을 만들 것인가'로의 전환
  8. 경제적·전략적 영향: 제품, 산업, 최종 사용자
  9. 제품 팀에 미치는 영향
  10. 인공지능 및 클라우드 산업에 미치는 영향
  11. 일반 사용자에게 미치는 영향
  12. 한계, 위험, 미해결 기술적 질문
  13. 주요 수치
  14. 이 구도를 바꿀 수 있는 요인
  15. 참고 문헌

인공지능 에이전트가 소프트웨어 제작의 핵심 실행을 점점 더 많이 담당하면서, 개발자 기반 인프라는 자율적인 비인간 개발 주체를 수용하기 위한 구조적 변화를 겪고 있다. 오픈소스 PostgreSQL(Postgres) 플랫폼 Supabase는 인공지능 에이전트를 중심으로 인프라를 적극적으로 재설계했으며, 현재 에이전트는 플랫폼의 모든 신규 활동 중 약 70%를 생성한다. 에이전트 기반 소프트웨어 제작으로 향하는 이러한 거시적 전환은 맞춤형 초특화 개인용 소프트웨어를 개인 문서나 스프레드시트만큼 흔하고 일회적인 것으로 만드는 동시에, 소프트웨어 개발의 핵심 가치 동인을 기술적 실행 능력("어떻게 만들지 아는 것")에서 도메인 전문성과 제품 비전("무엇을 만들지 아는 것")으로 재정의한다.

병목: 에이전트 주도 환경에서 인간을 위해 설계된 인프라

전통적인 소프트웨어 개발자 인프라는 인간의 물리적 작업 속도와 인지적 제약을 중심으로 설계되었다. 기존 데이터베이스 플랫폼, 클라우드 관리 대시보드, 개발 도구 체계는 화면 앞에 앉은 인간 작업자가 환경을 수동으로 설정하고, 데이터베이스 스키마를 작성하며, 명령줄 스크립트를 실행하고, 애플리케이션 프로그래밍 인터페이스를 살펴보는 상황을 전제했다. 이러한 인간 중심 작업 흐름은 본질적으로 수동 오류 수정, 시각적 인터페이스 탐색, 수주에 걸친 엔지니어링 주기를 특징으로 하며 신중한 속도로 진행되었다.

기존 인프라를 자율 인공지능 에이전트에 맞추는 데에는 심각한 기술적 과제가 따른다. 그래픽 콘솔이나 신중한 스크립트 실행을 통해 플랫폼과 상호작용하는 인간 개발자와 달리, 인공지능 에이전트는 프로그램 방식으로 백엔드 서비스를 극도로 대량 생성하고, 조회하고, 수정하고, 해체하며, 그 속도는 거의 즉각적이다. 이러한 비인간 작업 부하가 가해지면 전통적인 데이터베이스 플랫폼은 운영 병목에 직면한다. 수동 설정 작업 흐름은 정체되고, 인간 중심의 요청 빈도 제한은 너무 일찍 작동하며, 사용자 인터페이스를 탐색하는 인간이 없으면 시각적 관리 대시보드는 의미를 잃는다.

Supabase 공동 창업자이자 최고경영자인 Paul Copplestone은 2026년 10월 30일 Y Combinator 스타트업 팟캐스트(Lightcone 채널에서 Garry, Harj, Jared가 진행)에 출연해, 자신의 플랫폼이 이러한 지각변동급 운영 전환을 어떻게 인식했는지 설명했다. 자율 소프트웨어 에이전트가 생태계 전반에서 빠르게 주된 사용자 유형으로 부상하면서, Supabase는 에이전트와의 상호작용을 단순한 자동화 스크립트로 취급하는 방식이 더 이상 유효하지 않다는 사실을 확인했다. 분석 관점에서 이러한 실증 데이터는 더 광범위한 구조적 현실을 부각한다. 백엔드 기술 스택은 수동 입력이 아니라 프로그램 기반의 비인간 실행에 최적화되도록 근본적으로 재설계되어야 한다.

에이전트 중심 인프라의 작동 방식: 단계별 청사진

인공지능 에이전트를 핵심 사용자로 지원하기 위해 개발자 플랫폼은 자율 실행에 맞게 설계된 세 단계 운영 청사진을 중심으로 아키텍처를 재설계하고 있다.

단계 1: 프로그램 방식의 자원 제공

에이전트 중심 패러다임에서는 데이터베이스 설정이 인간용 사용자 인터페이스와 완전히 분리된다. 에이전트는 기계가 읽을 수 있는 접점을 통해 완전히 설정된 데이터베이스 인스턴스를 프로그램 방식으로 초기화한다. 인간 개발자가 웹 양식을 탐색해 클라우드 리전을 선택하고, 저장 공간을 할당하며, 환경 변수를 설정하는 대신, 인공지능 에이전트가 자동화된 인터페이스 명령을 내려 밀리초 단위로 완전한 Postgres 인스턴스를 제공한다.

단계 2: 에이전트에 최적화된 인터페이스

백엔드 서비스가 제공되면, 데이터베이스 계층은 대규모 언어 모델과 자율 에이전트에 특화해 최적화된 인터페이스를 노출해야 한다. 플랫폼은 전통적인 인터페이스와 함께 모델 컨텍스트 프로토콜 서버, 자체 설명형 OpenAPI/Swagger 스키마, 구조화된 데이터 기록 시스템을 구현한다. 이러한 기계 친화적 추상화 계층을 통해 에이전트는 시각적 도구나 인간의 안내 없이도 스키마 구조를 직접 살펴보고, 유효한 쿼리 로직을 작성하며, 스키마 마이그레이션을 실행하고, 실행 중 오류 로그를 해석할 수 있다.

단계 3: 자동화된 수명주기 관리

자율 코딩 작업 흐름은 수명이 짧고 작업별로 특화된 작업 부하를 특징으로 하는 변동성이 매우 높은 인프라 패턴을 생성한다. 에이전트 중심 인프라는 자동 확장, 격리된 기능 테스트를 위한 임시 데이터베이스의 즉각적 복제, 에이전트가 작업을 완료한 뒤의 신속한 제거 등 빈번한 수명주기 이벤트를 처리해야 한다. 인프라 플랫폼은 자동화된 시스템이 유발하는 지속적인 생성 및 삭제 주기를 처리하면서 시스템 안정성과 연산 효율성을 유지해야 한다.

직관적인 비유: 설계도 기반 건축과 자동화된 초소형 아파트 출력

이러한 구조적 진화를 이해하려면 전통적인 주택 건설과 자동화된 모듈 제조의 차이를 생각해 볼 수 있다. * 전통적인 데이터베이스 관리는 주택을 맞춤 건축하는 것과 같다. 건축가는 인간 거주자를 위한 물리적 설계도를 작성하고, 시공업자는 수개월에 걸쳐 골조, 배관, 전선을 수동으로 조립한다. 모든 단계는 인간의 물리적 작업 속도와 수동 검사에 의존한다. * 에이전트 기반 자원 제공은 알고리즘이 공간을 요청할 때마다 수요에 맞춰 모듈형 초소형 아파트를 즉시 출력하는 자동화 공장처럼 작동한다. 주거 단위는 지속적으로 생성되고, 인간의 수작업 없이 즉시 맞춤화되며, 공간이 더 이상 필요하지 않은 순간 원활하게 해체된다.

진정으로 새로운 점: '어떻게 만들 것인가'에서 '무엇을 만들 것인가'로의 전환

에이전트 코딩으로의 전환은 저코드 또는 무코드 플랫폼과 같은 이전 소프트웨어 대중화 움직임과 질적으로 단절된 변화를 의미한다. 초기 저코드 도구는 인간 사용자에게 끌어다 놓기 방식의 시각적 인터페이스나 간소화된 그래픽 조작 기능을 제공해 복잡한 문법을 추상화하는 데 집중했다. 그러나 운영 병목은 그대로 남았다. 인간은 여전히 논리적 작업 흐름을 수동으로 설계하고, 시각적 구성 요소를 연결하며, 애플리케이션을 단계별로 조립해야 했다.

에이전트 시대의 근본적인 돌파구는 실행을 완전히 위임하는 데 있다. 소프트웨어 제작은 인간이 코드를 입력하거나 시각적 개발 도구를 조작하는 방식에서, 자연어로 표현된 의도를 바탕으로 자율 에이전트가 처음부터 끝까지 기술 개발을 수행하는 방식으로 전환되었다.

+-----------------------------------------------------------------------+
|                       EVOLUTION OF BUILDING                           |
+-----------------------------------------------------------------------+
| TRADITIONAL CODING | Low-Code / No-Code  | AGENTIC CODING ERA         |
| Human writes code  | Human uses drag-and-| Agent executes end-to-end  |
| line-by-line.      | drop interfaces.    | development autonomously.  |
+--------------------+---------------------+----------------------------+
| Focus:             | Focus:              | Focus:                     |
| "How to build"     | "How to build"      | "What to build"            |
| (Syntax & Code)    | (Visual Workflows)  | (Domain Vision & Intent)   |
+-----------------------------------------------------------------------+

이러한 구조적 전환은 Paul Copplestone의 "개인용 소프트웨어" 비전을 뒷받침한다. 역사적으로 소프트웨어 개발에는 상당한 자본이나 전문 엔지니어링 인력이 필요했기 때문에, 애플리케이션 제작은 대규모 목표 시장을 위해 설계된 범용 표준 제품으로 제한되었다. 에이전트 시대에는 작동하는 소프트웨어를 생성하는 데 필요한 한계비용과 시간이 거의 없어지는 수준에 가까워진다.

그 결과, 고도로 맞춤화된 애플리케이션은 개인 문서나 스프레드시트만큼 보편적이고 일시적이며 일회적인 것이 된다. 예를 들어 분기 감사를 준비하는 재무 분석가는 수명이 짧은 Postgres 인스턴스를 기반으로 하는 일회용 데이터 대사 애플리케이션을 만들도록 에이전트에 요청할 수 있다. 에이전트는 데이터베이스를 제공하고, 서로 다른 공급업체의 청구서를 수집하며, 대사 스크립트를 실행하고, 감사 보고서를 제시한다. 분석이 완료되면 전체 애플리케이션 스택과 백엔드 인스턴스는 특수 목적을 달성한 뒤 스스로 제거된다.

그 결과 소프트웨어 제작에서 인간 노동의 가치는 전략적으로 재배분되고 있다. 기술적 구현 세부사항, 즉 "어떻게 만들 것인가"는 에이전트에 최적화된 인프라와 인공지능 모델이 흡수한다. 결정적인 경쟁 차별화 요소는 도메인 전문성, 문제 정의, 제품 직관, 사용자 경험 설계, 즉 "무엇을 만들 것인가"로 완전히 이동한다.

경제적·전략적 영향: 제품, 산업, 최종 사용자

자율적 개발 주체를 중심으로 인프라를 재편하면 기술 부문의 세 핵심 이해관계자 집단 전반에 체계적인 파급효과가 발생한다.

제품 팀에 미치는 영향

제품 개선 주기는 수주에 걸친 기능 개발 스프린트에서 수분 동안 진행되는 운영 반복 과정으로 압축되고 있다. 엔지니어링 팀은 반복적인 백엔드 기본 코드를 수동으로 작성하고, 스키마 마이그레이션을 실행하거나, 일상적인 인터페이스를 설정하는 데 훨씬 적은 역량을 투입한다. 대신 제품 관리자와 엔지니어는 에이전트를 활용해 기능의 시제품을 신속하게 제작하고, 테스트하고, 배포한다. 이를 통해 개별 사용자 작업 흐름을 충족하도록 맞춤형 소프트웨어 기능을 그때그때 생성하는 초개인화된 사용자 경험이 가능해진다.

인공지능 및 클라우드 산업에 미치는 영향

클라우드 제공업체와 데이터베이스 플랫폼의 백엔드 사용 패턴은 인간이 시작하는 작업에서 대량 자동화 작업으로 급격히 전환되고 있다. 인공지능 에이전트가 데이터베이스 자원 제공의 대부분을 주도하면, 인프라 플랫폼은 수백만 개의 초소형 데이터베이스가 지속적으로 생성되고, 조회되고, 제거되는 대규모 자동화 사용량 급증을 경험한다.

투자 및 단위 경제성 관점에서 이러한 전환은 클라우드 제공업체의 이익률 구조를 바꾼다. 전통적인 예측 가능한 사용자 수 기반 서비스형 소프트웨어 구독 모델은 지속적이고 빠른 자원 소비에 맞춰 조정된 사용량 기반 계량 방식으로 대체되고 있다. 저지연 에이전트 인터페이스, 자동화된 스키마 거버넌스, 즉각적인 인스턴스 제공에 맞춰 인프라를 최적화하는 클라우드 제공업체는 비인간 연산 수요 시장에서 지배적인 점유율을 확보할 수 있는 위치에 서게 된다.

일반 사용자에게 미치는 영향

비기술 직군의 전문 인력과 업무 분야 전문가는 직접 소프트웨어를 제작하는 주체로 변모한다. 자연어로 표현된 의도를 에이전트 기반 백엔드 플랫폼과 결합하면, 개인은 정규 컴퓨터과학 교육 없이도 맞춤형 실용 애플리케이션을 만들 수 있다. 도메인 전문가는 당장의 운영 요구에 정확히 부합하는 맞춤형 소프트웨어 도구를 생성해 특수한 생산성 문제를 즉시 해결할 수 있다.

한계, 위험, 미해결 기술적 질문

에이전트 기반 인프라로의 전환은 방대한 운영 가능성을 열어 주지만, 자율 에이전트가 활동의 대부분을 생성하는 플랫폼을 관리하는 데에는 기술적 위험과 미해결 거버넌스 문제가 따른다.

  • 플랫폼 신뢰성과 데이터 무결성: Supabase의 플랫폼 데이터에 기록된 바와 같이, 인공지능 에이전트는 현재 신규 활동의 약 70%를 생성한다. 이러한 대량의 비인간 운영은 스키마 손상, 의도하지 않은 쿼리 실행, 성능 저하와 관련된 시스템 차원의 위험을 초래한다. 인간의 감독 없이 작동하는 자율 에이전트는 비효율적인 쿼리 구조나 결함이 있는 마이그레이션 스크립트를 수천 개의 클라우드 환경에 동시에 빠르게 확산시킬 수 있다.
  • 거버넌스와 개인정보 보호 통제: 데이터베이스가 대규모로 자동 제공되면(주당 신규 인스턴스 1M개 초과), 보안 매개변수, 접근 제어 목록, 데이터 개인정보 보호 규정 준수 관리가 훨씬 복잡해진다. 에이전트가 실수로 민감한 데이터를 노출하거나 행 수준 보안 정책을 잘못 설정하지 않도록 견고한 안전장치를 구축하는 일은 여전히 주요 기술적 과제다.
  • 비용 관리와 자원 배분: 백엔드 서비스의 빈번한 생성과 제거는 인프라 제공업체와 플랫폼 고객 모두에게 자원 배분상의 문제를 일으킬 위험이 있다. 자동화된 수명주기 규칙과 적극적인 유휴 인스턴스 회수가 없으면, 에이전트가 생성한 뒤 방치한 데이터베이스가 클라우드 자원 낭비와 예상치 못한 비용 초과를 초래할 수 있다.
  • 성숙도와 과장된 기대: 인프라 분석가는 문서로 확인된 플랫폼 운영 지표와 추측성 산업 전망을 구분해야 한다. 에이전트가 시작하는 대량의 데이터베이스 자원 제공은 Supabase와 같은 플랫폼에서 이미 확립된 현실이지만, 일회용 "개인용 소프트웨어" 모델의 장기적인 경제적 안정성과 기업 도입은 여전히 진화 중인 패러다임으로, 실제 운영 부하 아래에서 지속적인 평가가 필요하다.

이러한 구조적 변화에 대한 이해를 심화하려면 DeepValues Research 사이트에서 더 많은 오픈소스 리서치를 살펴보거나 DeepValues 앱을 사용해 보시기 바란다.

주요 수치

다음 기초 지표는 원문 맥락에서 직접 추출한 플랫폼 규모, 운영량, 에이전트 활동을 상세히 보여 준다.

  • Supabase 전체 사용자 기반: 사용자 13M명(2026년 10월 30일 기준).
  • 주간 데이터베이스 생성 속도: 매주 1M개를 초과하는 데이터베이스 생성(2026년 10월 30일 기준).
  • 에이전트 활동 비중: Supabase 신규 활동의 약 70%가 인공지능 에이전트에서 발생(2026년 10월 30일 기준).
  • 팟캐스트 회차 길이: 49분(2026년 10월 30일 공개).

이 구도를 바꿀 수 있는 요인

에이전트형 인프라의 장기적인 분석 방향은 변화하는 여러 기술적, 규제적, 경제적 변수에 달려 있다. 다음과 같은 관찰 가능한 변화가 나타나면 이 전략적 평가는 중대하게 달라질 수 있다.

  1. 에이전트형 활동 비율의 변동: AI 에이전트가 생성하는 플랫폼 활동의 비중인 ~70%가 지속적으로 하락하거나 크게 급증한다면, 이는 개발자의 채택, 모델 신뢰성 또는 에이전트 자율성의 한계에 변화가 있음을 시사할 것이다.
  2. 에이전트 전용 보안 규제의 등장: 자율형 AI 에이전트의 클라우드 데이터베이스 접근을 구체적으로 제한하는 규제 체계나 의무 준수 요건이 도입되면, 인프라 제공업체는 자동화된 자원 할당 작업 흐름을 축소해야 할 수 있다.
  3. 클라우드 단위 경제성의 변화: 수명이 짧은 데이터베이스를 대량으로 생성하고 폐기하는 과정에서 수익성이 마이너스로 떨어지거나 네트워크 불안정성이 발생한다면, 클라우드 플랫폼은 자동화된 에이전트 작업 부하에 대한 가격 책정 모델을 재편해야 할 수 있다.
  4. 에이전트와 데이터베이스 간 프로토콜의 표준화: Postgres를 넘어 독점적인 기업용 클라우드 생태계까지 아우르는 표준화된 클라우드 간 에이전트·데이터베이스 상호작용 프로토콜이 업계 전반에 널리 채택되면, 더 광범위한 기술 환경 전반의 인프라 통합이 가속화될 수 있다.

참고 문헌

  • "What Happens When Everyone Can Build Software," Y Combinator Startup Podcast (featuring Paul Copplestone, hosted by Garry, Harj, and Jared on the Lightcone), published October 30, 2026.

시청

출처 링크

  • What Happens When Everyone Can… - Y Combinator Startup Podcast - Apple Podcasts

보기 · 듣기

리서치 본문 라이선스: CC BY 4.0. 인용 형식: DeepValues Research, 에이전트 기반 코딩 시대를 위한 구축: 자율 개발자에 맞춰 인프라는 어떻게 진화하는가, https://research.deepvalues.ai/insights/2026-11-01-what-happens-when-everyone-can-build-software-ko/

무료 주간 이메일

Margin of Safety Weekly

매주 토요일: 시장 온도, 위대한 투자자들의 매매(13F), 이번 주 새 리서치, 영상과 팟캐스트. 무료이며 계정이 필요 없습니다. 이메일은 영어로 발송됩니다.

Send me the DeepValues Margin of Safety Weekly, one email every Saturday. I can unsubscribe at any time. Information only, not investment advice. 개인정보 처리방침

더 깊이 보기

어떤 종목이든 2분 만에 같은 분석을 실행하세요

이 리포트를 작성한 멀티 에이전트 AI 애널리스트 Deep Value Intelligence가 상장 기업이라면 어디든 같은 리포트를 요청 즉시 작성합니다.

Deep Value Intelligence 열기

DeepValues 앱에서 300개 이상 종목 추적

스탠스, 내재가치, 최신 리포트를 휴대폰에서 확인하세요.

개발자: API로 스탠스와 리포트 받기

이 페이지들의 바탕이 되는 펀더멘털, 내재가치, 스탠스, 리포트 링크를 JSON으로 제공합니다.

API 문서

토론