Claude Code·Gemini CLI·Codex CLI의 9개 모델 조합을 동일한 K8s 장애 10건에 투입해 대응 성능을 비교했다. 세 도구 모두 실무 투입이 가능한 수준이었고, 효율 1위는 플래그십 모델이 아닌 Sonnet 4.6였다. 도구별 성격도 신중한 Claude, 빠른 Gemini, 사고하는 Codex로 갈렸으며 한국 운영팀용 도입 점검 항목 5가지도 함께 정리됐다.
코딩 보조에 머물던 에이전트가 kubectl을 직접 실행하고 장애 알람 1차 대응까지 맡기 시작하면서, 프로덕션 운영 위임 가능 여부가 실질적 질문이 됐다. 이 실험은 Claude Code·Gemini CLI·Codex CLI라는 세 가지 에이전트 하네스와 9개 모델 조합을 동일한 K8s 장애 시나리오 10개에 똑같이 투입하는 통제된 비교로 이 질문에 접근한다.
결과에서 가장 반직관적인 지점은 비용-성능 곡선이 단조롭지 않다는 것이다. 효율 1위는 플래그십 모델이 아니라 Sonnet 4.6였고, 세 도구는 성능 순위보다 성격 차이로 갈렸다 — Claude는 신중하고, Gemini는 빠르며, Codex는 사고 과정을 길게 가져간다. 즉 '어떤 모델이 제일 똑똑한가'가 아니라 '이 업무의 리스크 프로파일에 어떤 성격이 맞는가'가 선택 기준이 된다.
기획 관점에서 이 구도는 사내 AI 도구 도입 정책에 그대로 옮겨 붙는다. 최상위 모델을 전사에 일괄 적용하는 대신 업무 유형별로 모델을 배분하는 편이 비용과 품질 모두에서 유리할 수 있고, 운영처럼 실패 비용이 큰 영역에는 도입 전 점검 항목(권한 범위, 롤백 경로, 감사 로그 등)을 먼저 설계해야 한다.