하네스 엔지니어링

2026년 상반기가 끝나가고 있다. 상반기 가장 뜨거웠고 업계에서 가장 주목받은 기술, 하네스 엔지니어링(Harness Engineering)은 들어 봤을 것이다. 근데 이것이 무엇인지 쉽게 설명 된 곳을 찾아보기가 힘들다. 그래서 오늘은 이를 다루고자 한다. 시작은 충격적인 실험 결과 하나에서 부터였다. 바로 챗GPT를 만든 오픈AI가 5개월에 걸쳐 100만 줄이 넘는 거대한 소프트웨어를 완성했는데 이 중 사람이 직접 타이핑한 코드가 단 한 줄도 없었다는 것이다. 그 회사의 엔지니어들은 5개월 코드를 짜는 대신, AI가 코드를 잘 짤 수 있는 ‘환경’을 만드는 데 모든 힘을 쏟았다. 그리고 이 환경을 설계하는 기술에 드디어 이름이 붙었다. 바로 ‘하네스 엔지니어링’이다. 2026년 현재 IT 업계에서 가장 뜨겁게 떠오르는 키워드다.

 

왜 필요한가?

 

하네스(harness)라는 단어는 원래 말에게 씌우는 ‘마구’를 뜻한다. 고삐, 안장, 재갈 같은 것들 말이다. 자, 한번 상상해 보자. 아무리 빠르고 힘센 명마라도 마구 없이 벌판에 그냥 풀어 놓으면 제멋대로 날뛸 것이다. 밭을 갈아야 하는데 갑자기 옆집 논으로 달려가 버리고, 마차를 끌어야 하는데 멋대로 멈춰 선다. 힘이 세다고 좋은 일꾼이 되는 것은 아닌 것이다. 지금의 AI가 딱 이 명마와 같은 처지다. 챗GPT든 클로드든 모델 자체의 성능은 이미 충분히 강력하다. 그런데 이 녀석을 아무 장치 없이 그냥 풀어 놓고 “코드 좀 짜 줘”라고 시키면, 멀쩡한 프로젝트를 통째로 뜯어고치거나 똑같은 실수를 열 번씩 반복하거나 정해진 설계를 무시하고 엉뚱한 방향으로 폭주해 버린다. 그래서 필요한 것이 바로 이 마구, 하네스다. 구글 딥마인드의 엔지니어 필립 슈미드는 이를 아주 명쾌하게 비유했다. “모델은 CPU고, 하네스는 운영체제다.” 컴퓨터의 CPU가 아무리 좋아도 윈도우 같은 운영체제가 엉망이면 컴퓨터가 제대로 돌아가지 않는다. AI도 마찬가지로, 모델이 천재여도 그를 둘러싼 환경이 부실하면 쓸 만한 결과물이 나오지 않는 것이다.

 

‘완벽한 이메일’에서 ‘사무실 설계’로

 

이 흐름을 이해하면 무릎을 치게 된다. 혹시 프롬프트 엔지니어링이라는 단어를 들어 본적이 있는가? 불과 3년 전인 2023년에서 2025년까지는 AI에게 “전문가인 척 해 줘”, “단계별로 차근차근 생각해 줘” 같은 명령을 잘 적어 주는 것이 하나의 ‘기술’이었고, 그걸 잘하는 사람과 직업으로 ‘프롬프트 엔지니어’가 생겼다. 물론 AI의 급격한 발전으로 데이터 분석가와 함께 최단기 퇴물이 되어버린 비운의 직업이 되어버렸다. 그래도 이 명맥을 유지하게 된 것이 2025년에 나온 ‘컨텍스트 엔지니어링(Context Engineering : 맥락 정보 설계)’로, 오픈AI 창업자 중 한 명인 안드레이 카르파시가 이끈 개념이다. 잘 명령하는 것으로는 부족하니 관련 문서와 자료를 ‘첨부파일’처럼 잔뜩 붙여 주자는 것이다. 그리고 2026년, 그 끝판왕으로 등장한 것이 하네스 엔지니어링이다. 이번에는 이메일과 첨부파일을 넘어, 아예 그 직원이 일하는 ‘사무실 전체’를 설계하는 것으로 이해하면 된다. 책상 배치부터 업무 규칙, 보고 체계, 실수했을 때의 교정 절차까지 전부 포함하는 것이다. 정리하면 프롬프트는 ‘무엇을 말할까’, 컨텍스트는 ‘무엇을 보여 줄까’, 하네스는 ‘어떤 환경에서 일하게 할까’인 것이다. 신입사원에게 잔소리를 백 번 하는 대신 애초에 실수할 수 없는 사무실 시스템을 만들어 주는 쪽이 훨씬 영리한 법이다.

 

모델은 그대로인데 성적이 수직 상승했다

 

말장난처럼 들릴 수 있으니 숫자로 보여주겠다. AI 회사 랭체인은 모델은 단 하나도 바꾸지 않고 오직 하네스만 개선했더니, 코딩 능력 평가 점수가 52.8%에서 66.5%로 뛰었다. 순위로 따지면 32위 밖에서 단숨에 5위 안으로 진입한 것이다. 모델은 그대로인데 환경만 바꿔서 말이다. 이 개념에 ‘하네스 엔지니어링’이라는 이름을 처음 붙인 사람은 클라우드 업계의 거물, 테라폼을 만든 하시코프의 공동창업자 미첼 하시모토다. 그가 2026년 2월 자신의 블로그에 이 개념을 정리하자마자 며칠 뒤 오픈AI가 그 ‘100만 줄 실험’을 발표하면서, 용어가 업계 전체로 들불처럼 번졌다. 그렇다면 이 사무실은 무엇으로 채워질까. 핵심은 네 가지다. 첫째, AI가 읽을 수 있는 형태로 프로젝트의 모든 규칙을 문서로 정리해 두는 것. 둘째, 잘못된 행동은 아예 ‘물리적으로 불가능하게’ 막아 버리는 것이다. 결재 없이는 서류를 외부로 못 보내게 만드는 회사 시스템처럼 말이다. 셋째, AI가 일을 끝내면 곧장 시험을 쳐서 검증하는 장치를 두는 것. 흥미롭게도 AI 기업 앤트로픽의 연구에 따르면, AI는 자기가 한 일을 스스로 평가할 때 품질이 떨어져도 거의 항상 “잘했다”고 우긴다고 한다. 그러니 외부의 객관적인 채점관이 반드시 필요한 것이다. 넷째, 어질러진 작업 환경을 주기적으로 청소하는 전담 AI를 따로 두는 것이다.

 

시행착오 과정

 

이 개념을 만든 오픈AI도 굉장히 많은 시행착오가 있었다. 오픈AI가 처음에 시도한 것은 거대한 지침서 하나에 모든 규칙과 주의사항을 빼곡하게 적어 넣고 그것을 전달 한 것인데, 결과는 실패 였다. AI로선 지시사항이 너무 많아서 우선순위를 자기가 정하지 못하고 정작 중요한 작업을 밀어내 버렸고, AI가 대충 눈치껏 패턴만 흉내 내기 시작했으며, 오래된 규칙과 새 규칙이 뒤죽박죽 섞여서 이도저도 아닌 결과가 나와 버린 것이다. 여기서 오픈AI가 내린 결론은 판도를 완전히 바꾸게 되었다. “1,000페이지짜리 매뉴얼이 아니라, 지도를 줘보자.” 신입에게 두꺼운 사규집을 통째로 던져 주는 것보다, 필요할 때 찾아볼 수 있는 한 장짜리 약도가 더 쓸모 있다는 깨달음인 것이다. 그리고 이 개념이 바로 하네스 엔지니어링의 핵심이 되는 것이다. 실제로 최근 연구에서는 규칙을 너무 많이 욱여넣으면 비용만 늘고 오히려 성능이 떨어지는 것으로 나타났다. ‘최소한의 규칙으로 최대의 효과’, 이것이 하네스 엔지니어링의 진짜 정수이고 여기까지 받아들였다면 하네스 엔지니어링이 뭔지 거의 이해한 것으로 보면 된다.

 

진짜 경쟁은 이제부터 시작이다

 

이 기술이 대단한 이유는 분명하다. 그동안 우리는 “어떤 AI가 더 똑똑한가”를 두고 다퉜다. 하지만 클로드, GPT, 제미나이의 성능 차이는 이미 종이 한 장 수준으로 좁혀졌다. 모델만 좋다고 이기는 시대가 저물고 있는 것이다. 이제 승부처는 그 강력한 힘을 ‘어떻게 길들여 부리느냐’로 옮겨 갔다. 똑같은 명마를 가지고 누가 더 좋은 마구를 채우느냐가 승패를 가르는 셈이다. 미첼 하시모토는 매주 금요일 단 20분만 투자해 그 주에 AI가 저지른 실수를 환경에 반영한다고 한다. 그렇게 다듬어진 시스템은 시간이 갈수록 더 똑똑해진다. 다만 한 가지 분명한 것은, 하네스는 한 번 만들고 끝나는 물건이 아니다. 모델이 더 영리해지면 마구의 모양도 바뀌어야 한다. 실제로 예전엔 여러 AI를 복잡하게 엮어야 했던 일이, 모델이 좋아지자 단 하나의 AI로 더 싸고 간단하게 해결되더라는 보고도 있다. 결국 이 기술의 본질은, 인간이 더 이상 직접 일하지 않고 ‘AI가 일할 환경을 설계하는 감독’이 된다는 점에 있다. 머지않아 코드 한 줄 짤 줄 몰라도 좋은 시스템을 설계할 줄 아는 사람이 가장 몸값 높은 인재가 되는 시대가 올지도 모른다. 똑똑한 말은 이미 우리 손안에 들어와 있다. 이제 남은 질문은 단 하나, 과연 우리는 그 말에 어떤 마구를 채울 것인가.