AI 요약
2026년 2월 발표된 이번 연구는 Claude Code v2.1.39 모델이 실제 코드 저장소에서 도구와 라이브러리를 선택하는 의사결정 방식을 분석했습니다. 총 2,430회의 오픈 엔디드 질문을 통해 분석한 결과, Claude는 외부 유료 도구를 구매하기보다 직접 구현하는 'Build vs Buy' 성향이 강하게 나타났습니다. 예를 들어 Python 인증 시스템 구축 시 외부 서비스를 추천하는 대신 JWT와 bcrypt를 활용해 직접 코드를 작성하며, 기능 플래그(Feature Flags) 또한 LaunchDarkly 대신 환경 변수 기반의 자체 시스템 구축을 제안합니다. 하지만 도구를 반드시 선택해야 할 때는 GitHub Actions, Stripe, shadcn/ui와 같은 특정 기술에 90% 이상의 압도적인 선호도를 보이며 시장 독점적인 추천 양상을 보였습니다. 모델별로는 Sonnet 4.5가 보수적인 선택을 하는 반면, 최신 Opus 4.6은 Drizzle(100%)과 같은 최신 도구를 적극 채택하며 기존 강자인 Prisma를 배제하는 등 뚜렷한 개성 차이를 드러냈습니다.
핵심 인사이트
- Build 선호 경향: 20개 카테고리 중 12개에서 외부 도구 도입 대신 'Custom/DIY'를 선택했으며, 총 252회의 DIY 픽으로 단일 도구 중 가장 높은 빈도를 기록했습니다.
- 도구별 독점 현황: 특정 카테고리에서 GitHub Actions(93.8%), Stripe(91.4%), shadcn/ui(90.1%), Vercel(JS 배포 100%)은 사실상 표준으로 선택되고 있습니다.
- 모델 간 기술 편향: Opus 4.6 모델은 JS ORM 선택 시 Prisma를 0회 선택하고 Drizzle을 100% 선택하는 등 모델 버전에 따라 기술 스택 선호도가 극명하게 갈립니다.
주요 디테일
- 데이터 규모: 3가지 모델(Sonnet 4.5, Opus 4.5, Opus 4.6)을 4가지 프로젝트 유형에 적용하여 85.3%(2,073개)의 유효한 추출 데이터를 확보했습니다.
- 보안 및 인증: Python 프로젝트에서 인증 도구 요청 시 100% 확률로 라이브러리 대신 직접 구현(JWT + passlib)을 권장하는 것으로 나타났습니다.
- 승자와 패자: Vitest(vs Jest), pnpm(vs npm), Zustand(vs Redux), Resend(vs SendGrid) 등 현대적이고 가벼운 도구들이 기존의 시장 점유율이 높던 도구들을 압도했습니다.
- 전략적 결정: 기능 플래그 구현 시 69%의 확률로 LaunchDarkly 같은 외부 솔루션 대신 환경 변수와 퍼센테이지 기반의 자체 로직 구현을 선택했습니다.
- 합의율: 20개 카테고리 중 18개에서 모델들이 동일한 에코시스템 내 도구를 선택하는 90%의 높은 모델 간 합의율을 보였습니다.
향후 전망
- AI 코딩 도구가 개발자의 의사결정에 개입함에 따라, AI에 의해 선택받지 못한 기존 도구(Redux, Express 등)의 점유율 하락이 가속화될 수 있습니다.
- 2026년 2월 17일 출시된 Sonnet 4.6에 대한 후속 벤치마크를 통해 AI가 선호하는 '기본 스택(Default Stack)'의 변화가 지속적으로 관찰될 예정입니다.
출처:hackernews