🧐 커서의 "브라우저 실험"이 성공한 것처럼 보이게 한 이유

이게 뭔데? 🤔

**커서(Cursor)**라는 회사가 최근에 AI 코딩 에이전트를 이용해서 브라우저를 만드는 실험을 했다고 발표했어. 이 실험은 "수주 동안 AI 에이전트를 자동으로 코딩하게 해서, 인간이 몇 달 걸리는 프로젝트를 빠르게 완료할 수 있는지" 테스트하는 거였는데, 결과물이 제대로 작동하지도 않는 코드였음에도 불구하고 성공한 것처럼 포장했다는 비판이 나왔어.

커서가 뭘 한 건데?

커서는 AI 코딩 도구를 개발하는 회사야. 최근에 "Scaling long-running autonomous coding"이라는 블로그 포스트를 올렸는데, 여기서 AI 에이전트(자동 코딩 로봇 같은 거)가 1주일 동안 100만 줄의 코드를 작성해서 브라우저를 만들었다고 주장했어. 근데 이 브라우저가 실제로 작동하는지, 컴파일되는지, 어떤 기능이 있는지 구체적으로 설명하지 않았어.

왜 문제가 되는데?

글쓴이(embedding-shapes)는 커서의 주장이 과장되었다고 지적해. 커서는 "브라우저를 처음부터 만들었다"고 말하면서 스크린샷과 "매우 어려운 작업"이라는 표현을 사용했지만, 실제로는:

• 컴파일조차 안 되는 코드였어 (에러 34개, 경고 94개).
• GitHub Actions(자동 빌드 시스템)에서 계속 실패하고 있었어.
• 최근 100개의 커밋 중 단 하나도 깨끗하게 컴파일되는 게 없었어.
• 실제로 브라우저처럼 동작하는지 확인할 수 있는 방법도 제공하지 않았어.

AI 코딩의 한계?

이 사건은 AI 코딩의 실제 성능과 마케팅 사이의 갭을 보여줘. AI가 대량의 코드를 생성할 수는 있지만, 실제 동작하는 제품으로 만들기는 아직 어렵다는 걸 보여주는 사례야.

---

핵심 내용 정리 📌

1. 커서의 주장: AI 에이전트가 1주일 동안 100만 줄의 코드를 작성해서 브라우저를 만들었다고 발표했어.

   • "Hundreds of workers run concurrently, pushing to the same branch with minimal conflicts" (수백 개의 AI 에이전트가 동시에 코드를 작성하면서 충돌 없이 작업했다)고 주장했어.

2. 실제 코드 상태: GitHub 리포지토리를 직접 확인해보니 컴파일 자체가 안 됨.

   • cargo build 명령어를 실행하면 34개의 에러와 94개의 경고가 발생해.
   • 최근 100개의 커밋 중 단 하나도 깨끗하게 빌드되는 게 없었어.

3. AI 슬롭(AI slop) 문제: AI가 생성한 코드는 의미 없는 대량의 코드일 뿐이었어.

   • "AI slop"이란 AI가 생성한 품질 낮은 코드를 의미해. 형태는 코드처럼 생겼지만, 실제로는 동작하지 않는 코드야.

4. 증거 부족: 커서는 작동하는 데모나 빌드 방법도 제공하지 않았어.

   • 블로그 포스트에는 스크린샷과 "매우 어려운 작업"이라는 표현만 있고, 실제 동작하는지 확인할 수 있는 방법은 없어.

5. 과장된 결론: 커서는 "AI 에이전트를 많이 투입하면 대규모 프로젝트를 해결할 수 있다"는 결론을 내렸지만, 실제로는 동작하지 않는 코드만 생성했어.

   • "수백 개의 AI 에이전트가 협업해서 의미 있는 진전을 이루었다"고 주장했지만, 증거가 없어.

6. 기본적인 기준조차 만족 못 함: 브라우저 실험이 성공했다면 최소한 컴파일은 되고, 간단한 HTML을 렌더링할 수 있어야 해.

   • 하지만 커서의 코드는 컴파일조차 안 되고, 어떤 기능도 확인할 수 없어.

7. 마케팅의 문제: 커서는 명시적으로 "성공했다"고 말하지는 않았지만, "브라우저를 처음부터 만들었다"는 표현과 스크린샷을 사용해서 성공한 것처럼 보이게 했어.

   • "We never actually claim this browser is working" (우리가 실제로 동작한다고 주장한 적은 없어)라고 변명할 수는 있지만, 독자들에게 성공한 것처럼 오해하게 만든 거야.

---

그래서 뭐가 달라지는데? 💥

AI 코딩의 현실적 한계가 드러났어

이 사건은 AI 코딩이 아직 실제 제품 개발에는 한계가 있음을 보여줘. AI가 대량의 코드를 생성할 수는 있지만, 실제 동작하는 제품으로 만들기 위해서는 인간의 검증과 수정 작업이 필수적이라는 걸 확인시켰어.

마케팅의 과장 문제

커서처럼 AI 회사가 과장된 주장을 하면, 사용자들은 AI의 실제 성능을 오해하게 돼. 이는 AI 기술에 대한 신뢰도를 떨어뜨릴 수 있어. 특히 스타트업이나 개발자들이 AI 도구를 선택할 때, 실제 성능을 확인하지 않고 마케팅만 믿고 사용했다가 실패할 수 있어.

우리가 어떻게 대처해야 하나?

1. AI 생성 코드는 반드시 검증해야 해: AI가 생성한 코드는 컴파일부터 테스트까지 직접 확인해야 해. 커서처럼 "AI가 다 해줬다"고 믿고 사용했다간 에러 투성이 코드를 얻게 될 수 있어.
2. 마케팅보다 실제 성능을 확인해: AI 도구를 선택할 때, 블로그 포스트나 홍보 자료만 믿고 결정하지 마. 실제 사용자 리뷰나 GitHub 리포지토리를 직접 확인하는 게 중요해.
3. AI 코딩의 한계를 인식해: AI는 코드 생성을 도와주지만, 아직 완전한 자동화는 어려워. 인간의 검증과 수정 작업이 필수적이라는 걸 잊지 마.

MAX5의 생각 🎯

이 사건에서 진짜 배울 점은 AI 코딩 도구의 한계와 마케팅의 함정이야. 커서가 AI로 브라우저를 만들었다고 홍보했지만, 실제 코드는 컴파일조차 안 되는 상태였잖아. 이건 AI가 대량의 코드를 생성할 수는 있지만, 실제 동작하는 제품으로 만들기 위해서는 인간의 검증이 필수적이라는 걸 보여줘.

특히 AI 코딩 도구를 사용할 때, 생성된 코드를 무조건 믿지 말고 직접 테스트해봐야 해. 예를 들어, Claude Code로 코드를 생성했다면, 컴파일 에러가 없는지, 기능이 제대로 동작하는지 꼭 확인해야 해. 그리고 AI 도구를 선택할 때, 마케팅 자료보다 실제 사용자 리뷰나 GitHub 리포지토리를 직접 확인하는 게 중요해. AI 코딩은 아직 완전한 자동화가 아니니까, 인간의 검증과 수정 작업이 필수적이라는 걸 잊지 마.