If AI writes your code, why use Python?

개요

AI가 복잡한 시스템 언어로 코드를 작성하는 능력이 향상됨에 따라, 과거 개발 속도와 쉬운 채용을 위해 Python과 같은 언어를 선호했던 관행이 변화하고 있습니다.

주요 내용

* AI의 시스템 언어 작성 능력 향상: GPT-4 이후 Claude Opus, GPT-5.5, Gemini 3.1, DeepSeek V4 등의 모델이 SWE-bench Verified에서 높은 성과를 보이며 Rust, Go, Swift와 같은 시스템 언어 작성에 능숙해졌습니다. 이러한 언어들은 AI에게 빠른 컴파일 및 피드백 루프를 제공하여 실시간 자기 수정을 가능하게 합니다.
* 시스템 언어 채택 사례 증가: Microsoft는 TypeScript 컴파일러를 Go로 재작성하여 성능을 10배 향상시켰습니다. Anthropic은 16개의 Claude 에이전트를 활용하여 Rust로 C 컴파일러를 개발했으며, 이는 Linux 부팅 및 다양한 소프트웨어 컴파일을 성공적으로 수행했습니다. 또한, Rust 베테랑과 C++ 엔지니어가 AI를 활용하여 각각 새로운 시스템 언어와 브라우저의 JavaScript 엔진을 단기간에 개발했습니다.
* Python 및 JavaScript 생태계의 변화: FastAPI, Django, PyTorch, React, Next.js와 같은 Python 및 JavaScript 생태계의 핵심 라이브러리 및 도구들이 Rust로 작성된 경우가 늘고 있습니다. (예: Pydantic, Polars, Hugging Face tokenizers, orjson). 이는 Python 생태계가 Rust 라이브러리를 활용하는 방식으로 진화하고 있음을 보여줍니다.
* AI 기반 코드 포팅의 용이성: AI를 활용하면 다른 언어로 작성된 라이브러리를 새로운 언어로 포팅하는 작업이 인간의 직접 작업보다 훨씬 효율적입니다. 이는 기존 라이브러리의 버그를 수정하기 위해 기여하는 대신, 전체 라이브러리를 포크하거나 재작성하는 방식으로 개발 방식이 변화할 수 있음을 시사합니다.
* Python 및 TypeScript의 장점 약화: 과거 개발 속도와 생태계의 이점을 내세웠던 Python과 TypeScript의 장점이 AI의 발전으로 인해 약화되었습니다. AI가 복잡한 코드를 작성하고 시스템을 아키텍처링하는 데 도움을 주면서, 인간의 역할은 코드 작성 자체에서 시스템 설계 및 결과물 검토로 전환되고 있습니다.
* AI에 최적화된 언어의 부상: AI의 발전은 더 이상 인간이 작성하기 쉬운 언어가 아닌, AI가 다루기 쉬운 언어의 중요성을 부각시키고 있습니다. Rust, Go와 같은 언어는 AI가 효율적으로 학습하고 작업할 수 있는 환경을 제공하며, 이러한 추세는 영구적일 것으로 예상됩니다.
* 예외 및 한계: Prisma가 Rust 쿼리 엔진을 TypeScript/WASM으로 전환한 사례와 같이, 서버리스 환경에서는 네이티브 Rust 바이너리가 비효율적일 수 있습니다. 또한, PyTorch와 같은 특정 분야는 여전히 기존 언어와 생태계에 강점을 가지고 있습니다. AI의 시스템 언어에 대한 능력은 훈련 데이터에 따라 달라지며, Zig, Haskell, Gleam과 같은 언어는 아직 AI 지원이 상대적으로 부족합니다.

시사점

AI가 개발 프로세스의 복잡한 부분을 담당하게 되면서, 개발 언어 선택의 기준이 '인간이 작성하기 쉬운가'에서 'AI가 효율적으로 작업할 수 있는가'로 이동하고 있습니다. 이는 향후 소프트웨어 개발의 패러다임을 변화시키고, 시스템 언어의 중요성을 더욱 부각시킬 것입니다.