같은 AI를 써도 결과가 160배 다른 이유 — AI는 덧셈이 아니라 곱셈이다

Motion 개발자 Matt Perry가 1분기에 160개의 프로그램을 완성한 것은 AI 덕분이 아니다

---

문제 제기: AI를 쓰면 누구나 Matt Perry처럼 될 수 있는가

2026년 초부터 반복되는 주장이 있다.
"AI가 개발자를 대체한다."
"코딩을 배울 필요가 없다."
"AI에게 시키면 된다."

 

 

이 주장을 뒷받침하는 사례로 자주 인용되는 것 중 하나가
바로 Motion 개발자 Matt Perry 같은 사람의 이야기다.
그는 2026년 1분기에 목표였던 깃허브 이슈 60개를 넘어 160개를 닫았다.

 

이런 식의 이야기를 들으면 자연스럽게 이런 결론이 나온다.
"AI가 대단하다."

 

그러나 Josh Comeau는 완전히 반대 방향의 결론을 내린다.

핵심은 AI가 아니라 Matt Perry에 있다는 것이다.

---

공감: AI가 강력한 것은 맞는데, 내가 써보면 왜 다를까

AI 도구를 사용해도 Matt Perry 같은 결과가 안 나왔다면, 이유가 있다.

같은 도구를 써도 결과가 다른 것은
AI의 품질 문제가 아니라 사용자의 역량 수준이 다르기 때문이다.

 

Josh Comeau는 다음과 같은 비유를 든다.

"Jimi Hendrix의 기타를 갖는다고 해서 같은 연주를 할 수 없다.
Gordon Ramsay의 주방을 쓴다고 같은 요리가 나오지 않는다.
Serena Williams의 라켓을 든다고 같은 서브가 나오지 않는다."

 

사람들은 도구의 중요성을 과대평가하는 경향이 있다.
마케팅은 이러한 편향을 활용한다.
Michael Jordan의 "air technology" 운동화가 덩크 능력을 줄 것처럼 광고한다.
AI 도구도 마찬가지다. 도구가 결과를 만드는 것처럼 포장된다.

 

그러나 도구는 능숙하게 다루는 사람에게만 효과를 낸다.

---

해결: AI가 곱셈인 이유 — 0에 곱해도 0이다

Josh Comeau의 핵심 주장은 다음과 같다.

"AI 모델은 기존 기술 역량에 곱셈 효과를 준다."

 

곱셈이 중요한 수학적 의미를 갖기 때문이다.

• 0에 어떤 수를 곱해도 0이다.
• 그러나 10에 10을 곱하면 100이다.

Matt Perry가 AI로 160개 이슈를 닫을 수 있었던 이유를 분석해보자.

 

Matt Perry가 가진 것:

• Popmotion, Motion One, Motion(구 Framer Motion)을 직접 만든 경험
• Motion의 레이아웃 프로젝션 엔진을 설계한 아키텍처 이해
• 수년간 누적된 애니메이션 라이브러리 도메인 지식
• 어느 이슈가 중요하고 어느 리팩터링이 가치 있는지 판단하는 능력

AI가 해준 것:

• 반복적인 코드 작성 자동화
• 알려진 패턴의 구현 가속화
• 테스트 케이스 생성
• 보일러플레이트 제거

AI는 Matt Perry의 판단력과 도메인 지식을 대체하지 않았다.
대체한 게 아니라 증폭했다.

 

Matt Perry는 "이 방향으로 리팩터링해야 한다"는 판단을 내렸고,
AI는 그 방향으로 빠르게 실행하는 구조인 것이다.

 

Matt Perry가 Motion 저장소 접근권과 LLM 도구를 다른 사람에게 넘겨줘도,
같은 속도로 움직이려 하면 같은 결과가 아니라
큰 혼란을 만들 가능성이 크다.

---

숙련도가 AI 효과를 결정하는 3가지 이유

이유 1. 방향 설정은 인간이 한다

AI는 주어진 방향을 빠르게 실행한다.
그러나 어느 방향이 옳은지 판단하는 것은 도메인 지식이 있는 인간이다.

잘못된 방향을 빠르게 실행하면 더 빨리 막다른 길에 도달한다.

이유 2. AI는 전체 아키텍처를 보지 못한다

Josh Comeau는 다음과 같이 지적한다.
"안내 없이 사용되는 LLM이라면 개별 프롬프트를 해결하는 코드 생성에 집중하고,
애플리케이션 아키텍처를 전체적으로 보지 못해 막다른 길로 들어가기 쉽다."

 

숙련된 개발자는 AI가 만든 코드가 전체 시스템에서 어떻게 작동하는지 판단할 수 있다.
비숙련자는 AI의 출력을 그대로 받아들인다.

이유 3. 무엇을 질문해야 하는지 알아야 한다

Josh Comeau는 이것을 교육의 맥락에서도 말한다.
"ChatGPT 같은 도구로 새 주제를 배우기는 쉬워졌지만,
효과적으로 배우려면 무엇을 질문해야 하는지 알아야 한다."

 

AI는 좋은 질문에 좋은 답을 준다.
좋은 질문을 만드는 것은 기존 지식에서 나온다.

---

실전 함의: 지금 해야 할 것

이 분석이 실제적으로 말하는 것은 하나다.

 

AI가 강력해질수록 기초 역량의 가치가 올라간다.

 

AI가 곱셈이라면 기초 역량이 높은 사람의 곱셈 결과가 크다.
기초 없이 AI만 쓰는 것은 0에 아무리 큰 수를 곱해도 0인 것과 같다.

Matt Perry가 AI로 160개 이슈를 닫을 수 있었던 것은 AI가 160배 강력해서가 아니다.

160개 이슈를 닫을 수 있는 판단력과 도메인 지식을 AI로 증폭했기 때문이다.

사례:
시니어 개발자는 Claude Code를 적극 활용하면서
같은 도구를 쓰는 주니어 개발자 동료보다 생산성 차이가 오히려 커진다.
AI가 아키텍처 결정을 빠르게 구현해주기 때문이다.
주니어 개발자는 AI가 내놓는 코드가 왜 문제인지 모른 채 그대로 쓰는 경우가 종종 있다.

---

마치며

AI는 개발자를 대체하지 않는다.
AI는 기존 역량에 곱셈을 한다.

 

Matt Perry의 160개 이슈는 AI의 성과가 아니라 Matt Perry의 성과이다.
AI는 그 과정을 가속했을 뿐이다.
곱하는 수가 클수록 결과가 크다.
지금 이 시대에 기초 역량을 키우는 것이 왜 중요한지는 이 수식이 설명한다.

---

📎 참고 출처

• Josh Comeau 원문: https://joshwcomeau.com
• Hacker News: AI multiplier discussion