한 개발자가 일주일간 코딩 작업에 앤트로픽(Anthropic)의 클로드(Claude)와 오픈AI(OpenAI)의 코덱스(Codex)를 번갈아 사용하며 두 AI 도구의 특성을 비교한 경험을 공유했습니다. 이 비교를 통해 클로드는 사용자의 다음 의도를 추측하여 작업을 확장하려는 경향을 보인 반면, 코덱스는 명시된 지시에 충실히 따르고 작업이 완료되었다고 판단되는 첫 지점에서 멈추는 성향을 보였습니다. 이는 개발자가 AI를 활용하는 방식과 최종 결과물에 큰 영향을 미치는 중요한 차이점으로 분석됩니다.
구체적인 작업에서 두 AI의 특성은 더욱 명확하게 드러났습니다. 루비/레일즈(Ruby/Rails) 코드 생성 시, 코덱스는 주석이나 추상화, 타입 시그니처 등을 덜 추가하여 더 단순하고 간결한 코드를 생성했습니다. 반면 클로드는 더 복잡한 구현을 통해 다양한 사례를 처리하려는 경향을 보였습니다. 브랜치(branch) 관리에서는 클로드가 개발자의 의도를 더 잘 이해하고 동기화하려 했지만, 코덱스는 브랜치 관계를 잘못 이해하여 엉뚱한 브랜치에 4,000줄이 넘는 변경 사항을 포함한 풀 리퀘스트(PR)를 생성하는 실수를 저지르기도 했습니다. 도구 연동 측면에서는 코덱스 CLI의 인증 과정이 편리했지만, 지라(Jira)나 아틀라시안(Atlassian) 같은 외부 도구와의 연동은 브라우저와 CLI를 오가야 하는 번거로움이 있었습니다. 반면 클로드는 이전 세션의 맥락을 활용하여 작업 방식에 더 적극적으로 적응하는 모습을 보였습니다.
이러한 비교 결과는 개발자들이 각 AI 모델의 특성을 이해하고 작업 유형에 따라 적절한 도구를 선택하는 것이 중요함을 시사합니다. 코덱스는 명확한 지시와 간결한 코드 생성이 필요한 작업에, 클로드는 복잡한 맥락 이해와 다양한 케이스 처리가 필요한 작업에 더 적합할 수 있습니다. 궁극적으로 AI 코딩 도구는 개발자의 생산성을 높이는 데 기여하지만, AI의 한계를 인지하고 적절한 지시와 검토 과정을 거치는 것이 여전히 필수적입니다. 앞으로 AI 모델들이 더욱 발전하면서 이러한 차이점들이 어떻게 진화할지 주목됩니다.