NN/g가 AI 코딩 에이전트로 수정 비용이 급감하면서 '먼저 연구, 나중 개발' 순서가 무너진 상황을 다룬다. 필름이 비싸 한 장 한 장 신중히 찍던 사진이 디지털로 넘어가며 '찍고 나서 배우는' 방식이 됐듯, 팀들이 일단 출시하고 지켜보게 됐다. 하지만 나쁜 사진과 달리 나쁜 릴리스는 실제 사용자에게 닿고, 대시보드는 '무슨 일이 일어났는지'는 보여줘도 '왜'는 말해주지 않는다. 저자는 연구가 사라지는 대신 각 릴리스가 무엇을 측정해야 하는지(계측 요건)를 정의하고 릴리스가 무엇을 탐색하게 도울지를 규정하는 '연구-인-더-루프'로 바뀌어야 한다고 본다.
소프트웨어 역사 대부분에서 만드는 일은 비쌌고 만든 것을 바꾸는 일은 더 어려웠다. 그래서 형성적(formative) 연구가 앞섰다 — 엔지니어가 코드를 쓰기 전에 사용자를 연구하고 디자인을 검증했다. AI 코딩 에이전트는 출시 뒤 실수를 고치는 비용 상당 부분을 없앴고, 기능을 오후 한나절에 구현할 수 있게 되자 긴 사전 연구를 정당화하기 어려워졌다.
저자는 이를 사진의 경제학 변화에 빗댄다. 필름이 비쌀 때는 한 컷 한 컷 신중히 준비했지만, 디지털은 '일단 찍고 나중에 보정'하는 방식으로 배움의 무게를 사후로 옮겼다. 소프트웨어도 방향을 잡고, 만들고, 내보내고, 반응을 지켜본 뒤 틀리면 바꾸는 쪽으로 간다. 문제는 릴리스가 '무슨 일이 일어났는지'는 알려줘도 '왜'는 거의 말해주지 않는다는 점이다 — 워크플로를 이탈한 사람이 무엇을 하려 했고 어디서 막혔는지는 대시보드 밖에 있다.
그래서 연구는 없어지는 게 아니라 역할을 바꾼다. 각 릴리스가 반드시 측정해야 할 것(계측 요건)을 규정하고, 그 릴리스가 무엇을 탐색하게 도울 수 있는지를 정의하는 '연구-인-더-루프'다. 디자이너에게 이는 사전 연구에 기대기보다, 출시 전에 성공과 실패를 가를 지표와 관찰 지점을 설계에 미리 박아 넣는 일로 이어진다.