AI가 코드를 짜는 시대: 개발자가 알아야 할 AI 용어와 생각

 

저는 GPT 성능이 좋지 않아 개발에는 사용하지 않던 시대에 개발을 시작했습니다.

GPT-3 버을 시점으로 개발에 영향을 줬고, 그래도 아직 사용할 정도는 아니었습니다.

하지만 지금은 많은 화이트 칼라 직종이 구조 조정과 인원 감축을 일어날 정도로

AI는 생산성을 높여주지만, 일자리도 동시에 위협하고 있습니다.

 

개발자를 하고자 하던 매력은 '문제 해결', '구현'으로 시작했지만

지금은 조금씩 매력이 희미해지고 바뀌고 있다고 느낍니다.

 

 

바이브 코딩

---

"일단 만들어봐 (끄덕끄덕) "

 

자연어로 원하는 걸 말하면 AI 가 빠르게 코드를 만들어준다.

 

`채팅 주문을 엑셀로 정리하는 프로그램 만들어줘`
`구현하는 기능 상 특정 도메인을 저장하면서 한 트랜잭션 안에서 다른 도메인에 관여를 해야 해 어쩌고저쩌고...`

 

AI 시대의 시작이자 많은 개발자들이 애용하는 방식이다.

좋은 점은 빠르고, 편리하다는 점이지만

구조와 품질이 약할 수 있고, AI에게 구체적으로 요청을 하더라도 원하는 코드가 나오지 않을 확률이 높다.

구체적으로 프롬프트를 짜더라도 실제로 '아니 아니 그게 아니라...'라는 말을 많이 했었던 기억이 있다.

 

 

 

AI 페어 프로그래밍

---

AI가 옆자리 개발자처럼 돕는 방식

 

개발자가 코드를 쓰면 AI가 자동완성, 설명, 리팩토링, 테스트 작성을 도와준다.

대표적인 예시로는 GitHub Copilot이 코드 설명, 코드 완성, 수정 제안, agent mode를 제공한다.

개발자 주도, AI 보조를 해준다.

 

잘 사용해보지는 않았지만, 주석을 잘 달아두면 ai가 코드를 추천해 줄 때 너무 잘 추천해 줘서 놀란 경험이 있다.

그래도 반복하는 보일러 플레이트 작업 때 많이 사용했던 것 같습니다.

 

 

에이전틱 코딩

---

AI가 목표를 받고 스스로 움직이는 코딩 방식

 

일반 AI 사용은 질문과 답변 중심이다.

에이전틱 코딩은 목표를 주면 AI가 여러 단계를 거쳐 작업한다.

AI에게 요구
→ 요구사항 이해
→ 수정 계획 작성
→ 코드 변경
→ 테스트 실행
→ 실패 수정
→ 결과 요약

 

개발자는 코드를 하나씩 시키는 사람이 아니라, 작업 목표를 주는 사람이 된다.

 

AI CLI를 많이 사용하는데 대부분 기능을 요구하면 위 방식대로 움직인다.

저는 실제로 개발자로서 위협을 받는다 생각했고, '빠른 시일 내로 대비하지 않으면 정말 대체될 수 있겠구나' 느꼈습니다.

다만 구현을 위한 코드를 제공해주고 있고, 프로젝트에 적용하기 힘든 코드를 제공한다고 몇 번 생각하기도 했습니다.

 

 

 

컨텍스트 엔지니어링

---

AI에게 우리 프로젝트 설명서를 주는 일

 

AI는 우리 프로젝트의 규칙을 모른다.

 

프로젝트 구조
아키텍처 규칙
코딩 컨벤션
테스트 명령어
금지사항
완료 조건

 

Anthropic은 context engineering을 효과적인 AI agent 시스템을 만들기 위한 중요한 요소로 설명했다.

 

핵심은 AI에게 맥락을 안 주면, 그럴듯하지만 프로젝트에 안 맞는 코드를 만든다.

에이전틱 코딩을 보완하고자 .md 파일로 정리하거나, 자세한 규칙을 프롬프트로 적어 제공한 적이 있다.

정말 빠르고 원했던 코드를 제공해 줘서 박수 치면서 개발했던 경험이 있습니다. (일명 : 크랩 코딩)

개발을 온전히 AI에게 맡기고 도메인 기능과 Dev-Ops와 테스트에 집중해서 빠른 개발이 가능하단걸 경험했습니다.

 

 

 

하네스 엔지니어링

---

AI가 만든 코드를 검증하는 작업장 만들기

 

AI가 코드를 만들었다고 끝이 아니다.

그 코드가 맞는지 확인해야 한다.

 

테스트 돌리기
빌드하기
도커로 올리기
실제 테스트하기

 

AI시대의 핵심은 '생성'보다 '검증'이다.

정말 중요하게 생각하는 키워드라 이력서에도 적은 기억이 있습니다.

 

 

AI 오케스트레이션

---

AI 여러 개와 도구를 역할별로 연결하는 방식

 

하나의 AI에게 전부 맡기는 게 아니라 역할을 나눈다.

Planner AI : 요구사항 분석
Coder AI : 코드 작성
Reviewer AI : 코드 리뷰
Tester AI : 테스트 작성
Sercurity AI : 보안 점검

 

 

AI를 많이 쓰는 것보다, 흐름을 잘 설계하는 것이 중요하다.

실제로 이런 식으로 두고 사용하면 몇 번의 작업으로 AI 토큰을 다 사용해 버릴 수 있으니 주의해야 한다.

AI 사용은 당연한 시대라고 생각합니다. 많은 개발자들은 이제 어떻게 토큰을 적게 사용해서 생산성을 높일 수 있을지 고민해야 한다고 생각합니다.

 

 

 

그 외에도

Human-in-the-loop, Spec-first 개발, AI 코드 리뷰, Eval-driven 개발, MCP / Tool Use 등 알아야 할 방법론과 기술은 많고

그중 핵심이라고 생각하는 기능만 정리했습니다.

 

빠르게 발전하는 인공지능으로부터 많은 시니어 개발자들도 "뭐가 정답인지 모른다..."라고 답변을 합니다.

이런 상황 속에서도 컴퓨터 직업은 힘들다고 망연자실할 때가 아니라

어떻게 사용할 것인지 끊임없이 고민해야 합니다.

 

 

 

 

 

 

저는 이미 대체되었다고 생각합니다.
하지만 개발이 재미있다는 이유 하나로 계속해서 CS를 공부할 것입니다.
파이팅!