AI가 코드를 바꾸는 시대, 나는 무엇을 준비해야할까? (1)

개요 

불과 1~2년 전만 해도 AI가 지금처럼 빠르고 정확한 퍼포먼스를 보여줄거라고는 생각도 못했다.

이제는 단순히 코드를 예측하거나 수정하는걸 넘어 코드 전체를 분석하고 구조까지 바꿔준다. 

예전에는 모르는게 있으면 구글에 검색부터 했다. 하지만 검색 정보는 검증되지 않거나 이해하기 어려운 글이 많았다. 지금은 AI가 더 빠르게 요약하고 분석해준다. 코드의 복잡한 부분을 순식간에 이해하고 설명해주니 이미 내 작업 과정에서 AI가 중요한 역할을 하고 있다. 

물론 문제도 있었다. 대화가 길어지면 AI가 주제를 잘 못따라가거나 할루시네이션이 생겼다.

그때부터는 Cursor와 Gemini 같은 도구를 써서, 아예 내 프로젝트 안에서 컨텍스트를 이해하는 방식을 이용하였다.

그러다보니 이제는 단순히 AI를 사용하는걸 넘어 "나는 AI를 잘 활용하고 있는걸까?", "AI를 어떻게 이용해야할까?" 와 같은 고민이 생겼다.

마침 스프링의 권위자인 토비님이 이와 비슷한 주제로 밋업을 연다는 소식을 듣고 퇴근 후에 밋업에 참여하였다.

 

https://inf.run/6wLtt

(온라인) 31년차 개발자가 전하는 "AI시대, 개발자로 살아가는 법" | 인프런 - 인프런

 

 

AI와 함께 일하는 시대, 개발자의 역할은 어떻게 바뀔까? 

개요에서도 이야기 했듯이 나도 AI를 개발에 본격적으로 도입하면서 여러 가지 고민을 했었다. 

• 나는 AI를 잘 활용하고 있는걸까?
• 내가 AI보다 나은 점은 무엇일까?
• 앞으로 개발자는 어떤 역할을 해야할까?

이번 밋업에서 가장 인상 깊었던 말이였다. 

"개발자는 더 이상 고정된 직능이 아니라, AI와 함께 계속 새롭게 정의될 유동적이 개념이 될 것이다."

 

 

사실 지금까지 개발자의 역할은 비교적 명확했다. 

코드를 짜고, 버그를 고치고, 배포하고, 운영하는 것.

하지만 AI가 소프트웨어 개발을 근본적으로 바꾸기 시작하면서 이전의 고정된 개념에서 벗어나

개발자라는 개념 자체가 재정의 되고 있었다. 

 

AI 코딩 스펙트럼 - 자율성 0 ~ 5 레벨 

코딩 도구를 자율성의 단계로 나눈 점도 흥미로웠다.

레벨	명칭	설명
0	정적 도구 (static tooling)	- 룰을 정의해서, 그 룰을 가지고 임무를 수행하는데서 시작 - 린터, 포매터 처럼 정적 규칙 수행
1	토큰 수준 완성 (Token-level Completion)	- 첫글자만 입력하면 인텔리제이에서 단어를 예측해줌. - 지역적인 맥락 기반 토큰, 단어 예측(IDE)
2	블록 수준 완성 (Block-level Completion)	- 인텔리제이의 Inline Completion - 메서드 하나를 통째로 제안해줌
3	의도 기반 채팅 에이전트 (Itent-Based Chat Agent)	- 자연어로 질문하거나 목표를 설명하면 에이전트가 코드 변경사항을 제안하는 대화형 (Chat 기반)
4	로컬 자율 에이전트 (Local Autonomous Agent)	- 기능 요구사항을 받아서 에이전트가 스스로 계획을 세우고 여러 파일을 수정하고 테스트 실행, 실패시 수정을 반복해서 작업 수행 (Cursor, Claude, Gemini 등)
5	완전 자율 개발 에이전트 (Fully Autonomous Dev Agent)	- 작업의 선택부터 계획, 구현, 테스트 작성 후 PR 까지 생성하는 한명의 개발자처럼 행동

 

중요한건 "어떤 개발 단계에 있는 AI가 좋느냐"가 아니다.

개발자는 상황과 작업의 성격에 따라서 이 스펙트럼을 오고가야한다. 

나도 실제로 Cursor 에서 Tab 자동 완성과 Chat 기반 분석을 병행하면서 AI가 제안한 코드의 문맥을 내가 직접 검증하고 조율하고 있다.

AI는 도구이자 한명의 동료처럼 느껴진다. 

 

AI와의 협업 모델 - 3가지 방식 

이번 밋업에서는 AI와 인간의 협업을 3가지 모델으로 정리해주셨다.

협업 모델	설명	적용 예시
AI-in-the-Loop	인간이 주도하고, AI가 조수처럼 돕는다.	변수명 추천, 코드 블록 보완
Human-in-the-Loop	AI가 주도하고, 인간이 중간에 검토한다.	코드 자동 생성 후 검증
Human-on-the-Loop	AI가 알아서하고, 인간은 최종 검토만한다.	반복 작업, boilerplate 처리

 

이걸 들으면서 내 작업 방식도 돌아보게 됬다.

나는 주로 AI-in-the-Loop를 많이 사용하지만, 반복적인 코드작업에는 Human-in-the-Loop 방식을 사용하고 있었다.

 

AI 시대에도 클린코드와 TDD는 여전히 중요하다.

AI가 코드를 잘 작성해주더라도 코드를 읽는건 결국 인간이다.

잘 설계된 아키텍처는 AI에게도 명확한 가이드라인이 된다.

인터페이스와 책임이 분리되어 있으면 AI도 훨씬 정확하게 코드 생성을 할 수 있다.

특히 TDD(테스트 주도 개발)은 AI와 협업하는 개발 워크 플로우의 핵심이다. 

 

• AI 지원 TDD 워크플로우
  1. 실패하는 테스트 생성 - AI에게 요청
  2. 테스트 실행 -> 실패 확인 - 인간이 검증
  3. "테스트를 통과하게 해줘. 단 테스트 코드는 수정하지마" - AI에게 구현 요청
  4. AI가 코드 수정 -> 테스트 통과 시도 반복
  5. 최종 검토 및 리팩토링 -> 커밋 

이 과정을 듣고 나니, 내가 AI를 쓰면서 겪었던 불안함과 불편함(할루시네이션, 코드 품질 저하)은

결국 "명확한 기준(TDD)과 , 잘 짜인 아키텍처(클린코드)' 가 있으면 AI도 더 안전하게 쓸 수 있다는걸 다시 한번 확인할 수 있었다.

 

 

정리하며

이번 밋업을 통해 고민이 조금 정리 되었다.

• AI가 코드를 짜주는 시대지만, "설계와 책임의 분리" 그리고 "테스트를 통한 검증"은 여전히 인간의 몫이다.
• 나는 앞으로 "AI를 잘쓰는 개발자"가 아니라 "AI와 함께 일할줄 아는 개발자" 가 되고싶다.

 

여기까지 1부 세션이였고, 퇴근 이후에 들어서 피곤할만도 한데 흥미로워서 시간가는줄 모르고 들었다. 

2부에서는 AI를 어떻게 학습과 성장에 활용할지에 대한 설명을 해주셨고 다음글에 이어서 기록하려고한다.