의도부채(Intent debt) — 혼자 에이전트와 일할 때 사라지는 것

AI가 코드를 빠르게 뽑아 줄수록 기술부채(technical debt — 빠른 구현을 위해 나중에 갚아야 할 설계 빚)는 오히려 줄어든다는 보고가 나온다. 직관에 반하는 이야기다. 그런데 같은 흐름에서, 갚는 방법조차 없는 더 고약한 빚이 빠르게 쌓인다. 무엇을 위해 이렇게 만들었는지, 어떤 제약과 트레이드오프를 안고 내린 결정이었는지 — 그 맥락이 통째로 휘발되는 빚이다. 산출물은 멀쩡히 남고 시스템도 잘 돌아가는데, 당시의 의도만 사라진다.

2026년 3월 소프트웨어 공학 연구자 Margaret-Anne Storey가 정리한 모델이 이 현상을 잡아낸다. 소프트웨어의 건강을 세 가지 빚으로 나누는 'triple debt' 모델이다. 이 글은 그중 가장 덜 다뤄진 세 번째 빚, 의도부채(intent debt)에 집중한다.

세 가지 빚 — 기술·이해·의도

세 빚은 각각 다른 자리에 쌓인다. 기술부채는 코드에 쌓여 시스템을 바꾸기 어렵게 한다. 이해부채(cognitive debt — 코드를 이해하는 사람 쪽에 쌓이는 빚)는 사람의 머릿속에 쌓여 시스템을 이해하기 어렵게 한다. 의도부채는 외부화된 기록 쪽에 쌓여, 이 시스템이 애초에 무엇을 위한 것이고 진짜 사용자 요구를 채우고 있는지 알기 어렵게 한다.

다이어그램 설명. AI가 코드를 빠르게 생성하는 한 가지 원인에서 빚이 세 갈래로 갈라진다는 것을 보여준다. "AI가 코드를 빠르게 생성"이 공통 출발점이고, 거기서 "바꾸기 어려움", "이해하기 어려움", "무엇을 위한 건지 알 수 없음" 세 결과로 나뉜다. 핵심은 이 셋이 같은 방향으로 움직이지 않는다는 점이다. 연구는 AI가 "바꾸기 어려움"은 줄여 줄 수 있는 반면, "이해하기 어려움"과 "무엇을 위한 건지 알 수 없음"은 오히려 가속한다고 본다. 기술부채만 관리 지표로 들여다보면 나머지 둘이 조용히 불어나는 것을 놓친다.

이해부채와 의도부채는 다른 빚이다

둘은 비슷해 보이지만 결정적으로 다르다. 이해부채는 정보가 어딘가에 있는데 이해를 못 하는 상태다. 코드도 있고 주석도 있고 문서도 있는데, 양이 많거나 복잡해서 사람의 머리가 따라잡지 못한다. 시간을 들이고 사람을 붙이면 결국 풀린다.

의도부채는 다르다. 정보가 존재조차 하지 않는 상태다. "왜 이 라이브러리를 골랐나", "왜 이 엣지 케이스를 이렇게 처리했나", "어떤 대안을 검토하고 왜 버렸나" — 그 근거가 애초에 어디에도 외부화되지 않았다. 읽을 자료가 아예 없으니 시간을 더 들여도 복원이 안 된다. 도서관에서 책을 못 찾는 것이 이해부채라면, 그 책이 처음부터 쓰인 적 없는 것이 의도부채다.

예전엔 의도가 어디에 백업됐나

여러 명이 함께 일할 때는 의도가 저절로 백업됐다. 한 사람이 결정을 내리려면 회의에서 말로 풀고, 메시지로 묻고, 코드 리뷰 코멘트로 근거를 남기고, 짧은 기록을 적어야 했다. 그 과정에서 의도가 본인 머릿속에만 머물지 않고 동료들의 머리와 협업 족적 곳곳에 흩어져 복제됐다. 한 사람이 잊어도 옆 사람이 기억했다.

다이어그램 설명. 여러 명이 협업하던 시절, 하나의 결정에 담긴 의도가 어떻게 자동으로 복제됐는지 보여준다. "결정의 의도·제약·트레이드오프"가 출발점이고, 그것이 "회의·논의", "메시지·코드 리뷰 코멘트", "짧은 기록·문서"라는 세 가지 협업 행위를 거쳐 "여러 사람의 머리에 분산 백업"으로 모인다. 핵심은 이 백업이 의도한 작업이 아니라는 점이다. 협업하려면 어차피 말하고 묻고 적어야 했고, 그 부수 효과로 의도가 사라지지 않게 흩어져 남았다. 협업의 비효율이 동시에 의도의 안전망이었던 셈이다.

업무 전반에 AI를 들이는 전환, 곧 AX(AI Transformation)가 진행될수록 이 그림이 무너진다. 한 사람이 여러 에이전트와 함께 큰 덩어리를 혼자 만들어낸다. 회의도, 메시지도, 리뷰 코멘트도 거치지 않는다. 그의 고민과 결정은 에이전트에게 던진 프롬프트에만 잠깐 담겼다가, 세션이 끝나면 흩어진다. 남는 것은 최종 산출물뿐이다.

다이어그램 설명. 혼자 에이전트와 일할 때 의도가 거치는 경로를 보여준다. "결정의 의도·제약·트레이드오프"가 "휘발될 프롬프트에만 잠깐 담김"을 지나 "최종 산출물·돌아가는 시스템만 남음"으로 이어지고, 마지막에 "의도는 복원 불가"로 끝난다. 앞의 협업 그림과 비교하면 분산 백업으로 퍼지던 자리가 단일 통로로 좁아졌고, 그 통로마저 세션이 끝나면 사라진다. 산출물은 멀쩡히 돌아가니 문제가 없어 보이지만, 그 산출물에서 거꾸로 의도를 읽어내는 것은 불가능에 가깝다. 코드는 "어떻게"는 보여줘도 "왜"는 말해 주지 않기 때문이다.

여기서 의도부채가 무서운 이유가 분명해진다. 이해부채는 사람을 더 붙이면 언젠가 갚지만, 의도부채는 갚을 원본이 없다. 혼자 빠르게 만들수록 그 사람 머릿속에만 의도가 있고, 그것이 외부화되지 않으면 본인조차 몇 달 뒤면 잊는다.

조직도 같은 빚을 진다

이건 개인 작업만의 문제가 아니다. 사람을 의도의 저장장치로 본다면, 사람을 선제적으로 줄이는 결정이 곧 의도부채를 키우는 결정이 된다. 결제 기업 Klarna의 사례가 이를 그대로 보여준다.

Klarna는 2022년부터 2024년까지 고객서비스 직군에서 약 700개 자리를 줄이고 그 일을 OpenAI 기반 AI 어시스턴트로 대체했다. 한때 AI가 전체 고객 문의의 약 3분의 2를 처리한다고 밝혔다. 그러나 2025년 들어 CEO Sebastian Siemiatkowski는 "우리가 너무 멀리 갔다"고 인정했다. 효율과 비용에 집중하다 서비스 품질이 떨어지고 고객 신뢰가 깎였다는 것이다. 회사는 사람 상담 역량을 다시 키워, AI가 단순·대량 문의를 맡고 사람이 복잡한 사건과 고가치 고객을 맡는 혼합 모델로 돌아섰다.

문제의 핵심은 떠난 사람들이 가져간 것이 단순한 일손이 아니라 암묵지(tacit knowledge — 문서에 적히지 않고 경험과 직관으로 몸에 밴 지식)였다는 점이다. 고객의 특수 사례, 예외 처리의 맥락, 시스템이 공식 문서와 다르게 실제로 어떻게 도는지 — 이런 정보는 사람과 함께 문 밖으로 걸어 나간다. 한 조사에 따르면 기관 지식의 상당 부분이 개인에게만 고유하게 묶여 있어, 그 사람이 떠나면 동료가 그 일을 한동안 수행하지 못한다고 한다(수치는 조사기관 추정).

비용도 거꾸로 돈다. 2026년 한 고용 조사에서는 AI를 이유로 사람을 줄인 고용주의 약 3분의 2가 이미 다시 채용에 나섰고, 그중 31%는 절감한 것보다 더 많은 돈을 쓰고 있다고 답했다(추정 설문값). 한 명을 대체하는 비용이 연봉의 1.5배에 이른다는 추정도 함께 나온다. 선제적으로 줄인 인건비보다, 사라진 암묵지를 다시 사들이는 비용이 더 컸다는 뜻이다.

아직은 사람 머리가 가장 좋은 저장장치다

기술부채에는 리팩터링이라는 갚는 방법이 있고, 이해부채에는 학습과 인원 보강이라는 갚는 방법이 있다. 의도부채에는 그런 사후 처방이 없다. 한 번 외부화되지 않은 의도는 거의 되살아나지 않는다. 그래서 의도부채는 갚는 빚이 아니라 애초에 지지 않도록 막는 빚이다.

조직 차원의 교훈은 명확하다. 사람을 줄이기 전에 그 사람 머릿속의 의도부터 밖으로 꺼내 두지 않으면, 줄인 비용보다 비싼 청구서가 뒤늦게 날아온다. 아직은 사람의 머리가 암묵지를 담는 가장 좋은 저장장치다.

개인 AX 관점에서도 결론은 같다. 에이전트와 혼자 빠르게 만들수록, 결정의 근거를 짧게라도 남기는 습관이 곧 의도부채를 막는 유일한 안전망이 된다. 거창한 문서가 아니어도 된다. "왜 이 길을 골랐고, 어떤 대안을 왜 버렸나" 한두 줄이면 충분하다. 협업이 저절로 해 주던 백업을, 이제는 혼자 의식적으로 해야 한다. 그것이 빠른 생산성의 진짜 대가다.

---

참고한 공개 자료:

• From Technical Debt to Cognitive and Intent Debt: Rethinking Software Health in the Age of AI (arXiv) — https://arxiv.org/abs/2603.22106
• 같은 논문 (ACM Queue) — https://queue.acm.org/detail.cfm?id=3807966
• Klarna CEO admits aggressive AI job cuts went too far, starts hiring again — https://mlq.ai/news/klarna-ceo-admits-aggressive-ai-job-cuts-went-too-far-starts-hiring-again-after-us-ipo/
• Will Companies Pay Later for Today's AI-Driven Layoffs? (Built In) — https://builtin.com/articles/ai-driven-layoffs-rehiring
• 55% of Companies Regret AI Job Cuts: Data Analysis — https://www.digitalapplied.com/blog/55-percent-companies-regret-ai-job-cuts-data-analysis

---

이 글은 생성형 AI의 도움을 받아 작성되었습니다. 원본 자료를 기반으로 AI가 초안을 생성하고, 작성자가 검토·편집하였습니다.