코딩보다 중요한 것은 ‘문제’였다: OpenAI Build Week 우승작 8개가 보여준 변화

186개국 약 4만 7천 명이 Codex로 8천 개 이상의 프로젝트를 만들었다.
그 결과가 보여준 것은 단순한 AI 코딩 기술의 발전만이 아니었다.

스레드를 보다가 흥미로운 게시물 하나에서 손을 멈췄다.

OpenAI가 전 세계 참가자들과 진행한 Build Week의 우승작 8개를 공개했다는 내용이었다.

고대 중국의 기계를 3D로 복원한 디지털 박물관부터 베트남어 발음을 교정하는 서비스, 동물병원의 전화 상담을 돕는 도구, 심정지 대응을 보조하는 시스템, 구음장애가 있는 사람의 의사소통을 돕는 앱까지 분야도 제각각이었다.

처음에는 단순히 이런 생각이 들었다.

‘Codex로 이런 것까지 만들 수 있다고?’

그런데 우승작을 하나씩 살펴보다 보니 오히려 다른 점이 더 눈에 들어왔다.

무엇을 얼마나 복잡하게 만들었느냐보다, 제작자들이 어떤 문제에서 출발했느냐였다.

실제로 OpenAI 역시 이번 우승작을 소개하며 이 프로젝트들이 제작자들이 이미 잘 알고 있던 문제에서 출발했다고 설명한다.

AI가 코드를 만드는 능력이 높아질수록, 인간에게 더 중요해지는 것은 어쩌면 ‘무엇을 만들 수 있는가’가 아니라 ‘어떤 문제를 발견할 수 있는가’일지도 모른다.

186개국 4만 7천 명은 무엇을 만들었을까

OpenAI Build Week는 개발자뿐 아니라 크리에이터, 창업자, 학생 등이 Codex를 활용해 아이디어를 실제 결과물로 만들어보는 글로벌 행사다. 공식 우승작 발표에 따르면 약 4만 7천 명의 참가자가 186개국에서 참여했고, 8일 동안 8천 개가 넘는 프로젝트가 제출됐다. 디지털 행사 7회와 오프라인 커뮤니티 행사 60회도 함께 진행됐다.

최종적으로 교육, 업무·생산성, 생활, 개발자 도구 네 분야에서 두 작품씩 총 8개가 선정됐다.

교육 분야 1위인 Mechanica는 고대 중국의 기계 장치를 단순히 바라보는 데 그치지 않고, 직접 작동시키거나 분해하며 구조를 이해할 수 있도록 만든 디지털 박물관이다.

제작진은 조각난 역사 자료를 바탕으로 천문 시계탑과 직조기 등 네 개의 고대 기계를 인터랙티브하게 재구성했다. 역사학적으로 의견이 엇갈리는 부분은 하나의 해석을 정답처럼 제시하는 대신 여러 가능성을 보여주도록 설계했다. Codex는 3D 모델링과 물리·애니메이션처럼 제작진에게 익숙하지 않았던 영역을 구현하는 데 활용됐다.

교육 분야 2위 Dấu는 베트남어 학습에서 특히 어려운 성조를 훈련하는 도구다.

학습자가 단어를 말하면 음높이 곡선을 원어민 기준과 비교해 보여주고 어떤 부분을 수정해야 하는지 알려준다. 흥미로운 것은 여기서도 모든 판단을 생성형 AI에게 넘기지 않았다는 것이다. 성조 평가는 결정론적 신호처리가 담당하고 GPT-5.6은 학습 코칭을 맡는다. 근거가 불명확하면 답을 만들어내지 않고 다시 발음하도록 요청한다.

기술을 더 많이 사용하는 것이 목적이 아니라 어떤 부분에 AI를 사용하고 어떤 부분에는 사용하지 않을 것인가까지 설계한 것이다.

코딩 경험이 없던 61세 수의사가 만든 앱

이번 우승작 가운데 특히 눈길이 간 것은 업무·생산성 분야 1위인 veTriage였다.

제작자 Erin Downes는 61세의 수의사이자 동물병원 운영자로, OpenAI에 따르면 코딩 경험이 없었다.

그가 운영하는 Paoli Vetcare는 올해 수의사가 세 명에서 한 명으로 줄었다. 하지만 아픈 반려동물을 걱정하는 보호자들의 전화는 계속 들어왔다.

Downes는 수십 년 동안 쌓은 임상 및 병원 운영 경험을 바탕으로 veTriage를 만들었다.

이 앱은 접수 직원이 적절한 병력을 확인하고 긴급 신호를 발견하며, 필요한 경우 수의사의 검토로 연결하도록 돕는다. 중요한 것은 비의료 직원에게 의료적 결정을 맡기지 않도록 설계했다는 점이다. 현재 그의 병원에서 실제 시범 운영도 진행되고 있다.

이 사례가 흥미로운 이유는 개발자가 새로운 문제를 찾아냈기 때문이 아니다.

현장을 가장 잘 아는 사람이 이미 알고 있던 문제를 직접 소프트웨어로 구현했다는 점이다.

그동안 어떤 서비스가 필요하더라도 개발 능력이 없다면 아이디어를 실제 프로그램으로 만드는 데 상당한 장벽이 있었다.

하지만 이번 사례에서는 의료 분야의 전문지식이 먼저 있었고, Codex가 그것을 작동하는 워크플로로 옮기는 과정에 들어왔다. OpenAI 역시 이 사례를 두고 현장의 어려운 업무 흐름에 가장 가까운 사람들이 자신에게 필요한 시스템을 만드는 가능성을 보여준다고 설명한다.

병원 근무 사이에 만든 심정지 대응 시스템

2위 Pulse도 비슷한 맥락에서 볼 수 있다.

카이로에서 근무하는 심장전문의 Mohamed Mostafa Mohamed Labib Abu Taleb가 병원 근무 사이에 혼자 만든 연구용 프로토타입이다.

심정지 상황에서는 CPR 주기, 심장 리듬, 제세동, 약물 투여 시점, 흉부압박 중단 여부 등 여러 정보가 동시에 발생한다.

Pulse는 심정지 대응 중 주변에서 오가는 말을 듣고 이러한 임상 상태를 기록하면서 이미 어떤 조치가 이루어졌고 다음에 무엇을 확인해야 하는지를 공유한다.

여기에도 중요한 원칙이 있다.

AI가 의사의 결정을 대신하지 않는다.

GPT-5.6은 복잡하게 섞인 발화를 해석하는 데 사용되고, 실제 소생술의 진행 상태는 감사 가능한 결정론적 코드가 추적한다. 증거가 명확하지 않을 경우 의료진에게 확인을 요구하도록 설계됐다.

AI가 더 많은 일을 하도록 만드는 것이 반드시 더 좋은 제품을 의미하지는 않는다는 점을 보여준다.

‘AI가 무엇을 할 것인가’만큼 중요한 질문

생활 분야 1위인 Second Voice에서는 이 문제가 더 선명하게 드러난다.

Second Voice는 구음장애나 운동 제약으로 실시간 대화에서 의사소통에 어려움을 겪는 사람을 돕기 위한 앱이다.

사용자의 부분적인 발화와 미리 만들어둔 문구, 대화 맥락을 종합해 몇 개의 가능한 문장을 제안한다.

하지만 AI가 그 문장을 그대로 말해버리지는 않는다.

사용자가 직접 선택하거나 수정한 뒤에야 음성으로 출력된다.

즉 AI가 사용자의 의도를 임의로 결정하지 않도록 한 것이다.

개발자 도구 분야 1위 Echo Canvas에서도 비슷한 철학을 볼 수 있다. GPT-5.6은 공간 장면을 만들고 설명하는 데 활용하지만, 실제 공간의 기하학과 음향 계산은 결정론적 시스템이 담당한다.

2위인 Sentinel 역시 MCP 서버의 취약점을 검사할 때 정적 분석과 제한된 GPT-5.6 검토, Docker 격리 테스트를 결합한다. 모델이 존재하지 않는 코드를 인용하거나 임의의 실행 테스트를 만들어내지 못하도록 범위를 제한했다.

여기서 하나의 공통점이 보인다.

이번 우승작들의 특징은 단순히 ‘AI에게 많은 것을 맡겼다’가 아니다.

오히려 상당수 프로젝트에서 제작자들은 계속 질문한다.

AI에게 무엇을 맡겨야 하는가.
그리고 무엇은 맡기지 말아야 하는가.

AI 코딩은 ‘코드 생성’ 이후를 향하고 있다

초기 AI 코딩 도구는 개발자가 코드를 작성하는 순간을 돕는 역할에 가까웠다.

자동완성, 함수 생성, 오류 설명, 코드 수정처럼 사람이 개발 작업을 진행하고 AI가 중간중간 보조하는 형태였다.

최근 코딩 에이전트 시장의 방향은 조금 다르다.

메타엑스가 최근 Meta의 Muse Code를 다룬 글에서도 분석했듯, 경쟁의 중심은 ‘코드를 제안하는 AI’에서 ‘작업을 맡아 수행하는 AI’로 이동하고 있다. 목표를 전달하면 저장소를 이해하고, 계획을 세우고, 파일을 수정하고, 테스트와 검증까지 수행하는 방향이다.

Build Week의 우승작은 이 변화의 또 다른 면을 보여준다.

AI가 더 오래, 더 많은 작업을 수행할 수 있게 되는 것뿐만 아니라 소프트웨어를 만들 수 있는 사람의 범위 자체가 넓어지고 있다는 점이다.

실제로 OpenAI는 이번 행사 결과를 두고 개발자는 더 복잡한 시스템에 도전할 수 있고, 다른 분야의 전문성을 가진 사람도 자신의 지식을 작동하는 소프트웨어로 옮길 수 있게 되고 있다고 평가했다.

나는 개발자가 아니다

이 부분에서 개인적으로 이번 Build Week가 더 흥미롭게 다가왔다.

나는 개발자가 아니다.

영상 제작을 하고, 대학과 현장에서 AI를 가르치면서 여러 생성형 AI 도구를 활용하지만 직접 코드를 작성하는 개발을 전문적으로 해온 사람은 아니다.

그래서 지금까지 AI 활용을 이야기할 때도 주로 이런 질문을 많이 했다.

어떻게 질문해야 더 좋은 결과를 얻을 수 있을까.

프롬프트를 어떻게 작성해야 할까.

AI가 만들어준 결과를 어떻게 활용해야 할까.

그런데 Build Week의 프로젝트를 보고 있으면 그보다 한 단계 앞에 있는 질문을 생각하게 된다.

‘나는 AI에게 무엇을 시킬 수 있을까?’가 아니라
‘내가 있는 현장에는 어떤 문제가 있을까?’라는 질문이다.

수의사는 병원 전화 업무의 문제를 알고 있었다.

심장전문의는 심정지 대응 상황의 복잡함을 알고 있었다.

베트남어 사용자였던 개발자는 성조를 잘못 말했지만 무엇이 틀렸는지 알기 어려운 경험을 알고 있었다.

Second Voice의 제작자는 어린 시절 의사소통 장애가 있던 가족과 충분히 대화하지 못했던 경험을 갖고 있었다.

AI가 그들에게 문제를 알려준 것은 아니다.

문제는 이미 그들의 삶과 업무 안에 있었다.

만드는 장벽이 낮아질수록 질문은 다시 인간에게 돌아온다

물론 AI가 코드를 작성한다고 해서 개발자의 전문성이 사라지는 것은 아니다.

Build Week 우승작들 자체가 오히려 그 사실을 보여준다.

의료 판단은 의료진에게 남겼고, 음향 계산은 결정론적 시스템에 맡겼으며, 사용자의 의사를 AI가 마음대로 확정하지 못하도록 했다.

AI가 강력해질수록 중요한 것은 단순히 AI를 얼마나 많이 사용하는가가 아니라 어디까지 사용하고 어디서 멈출지를 설계하는 능력이다.

그럼에도 하나의 변화는 분명해 보인다.

아이디어를 작동하는 결과물로 옮기기 위해 필요했던 기술적 장벽이 낮아지고 있다.

그렇다면 AI 시대에 필요한 능력을 묻는 질문도 달라질 수 있다.

코드를 얼마나 많이 알고 있는가.

프롬프트를 얼마나 잘 작성하는가.

물론 여전히 중요하다.

하지만 그것만으로는 충분하지 않을지도 모른다.

내가 잘 알고 있는 분야에는 어떤 문제가 있는가.

사람들이 반복해서 겪지만 너무 익숙해서 그냥 지나치고 있는 불편은 무엇인가.

그 문제에서 인간이 판단해야 할 부분과 AI가 도울 수 있는 부분은 어디인가.

그리고 마지막으로,

그것을 실제로 한번 만들어볼 수 있는가.

OpenAI Build Week의 우승작 8개가 흥미로운 이유는 단순히 Codex로 멋진 앱을 만들었기 때문만은 아니다.

AI가 ‘만드는 기술’의 장벽을 낮추기 시작하면서 오히려 인간에게 더 본질적인 질문을 돌려주고 있기 때문이다.

무엇을 만들 것인가.

그리고 그보다 먼저,

왜 그것을 만들어야 하는가.