AI 코딩 도구가 개발자를 대체한다는 말이 많지만, 실제로 써본 개발자들의 이야기는 조금 다릅니다. 속도는 빨라졌는데, 오히려 해야 할 일이 더 늘어났다는 거죠.

두 개발자가 각자의 경험을 공유했습니다. 한 명은 AI가 쏟아내는 코드를 리뷰하는 과정에서 병목을 발견했고, 다른 한 명은 Copilot과 함께 배포 스크립트를 만들며 AI의 한계를 직접 확인했습니다.

출처:

• The review bottleneck: when AI codes faster than you can read – kukicola.io
• Nice try dear AI. Now let’s talk about production. – krasimirtsonev.com

코드는 빠른데, 리뷰가 병목이 됐다

AI 코딩 도구를 잘 활용하는 개발자는 이전보다 몇 배 많은 코드를 생산합니다. 문제는 그 코드를 누군가 검토해야 한다는 것. 직접 짠 코드는 이미 머릿속에 맥락이 있지만, AI가 생성한 500줄짜리 diff는 백지 상태에서 읽어야 합니다. 거기다 파일은 알파벳 순서로 나열되고, 변경 사항의 맥락은 흩어져 있습니다.

kukicola.io의 개발자는 이 문제를 해결하기 위해 AI에게 리뷰 자체를 맡겨보는 방식을 시도했습니다. AI가 생성한 코드를 다시 AI가 정리하는 거죠. diff를 논리적 단위로 묶고, “무엇이 바뀌었는가”가 아닌 “왜 바뀌었는가”를 주석으로 달아 인터랙티브 HTML 페이지로 출력하는 방식입니다. 변경 사항을 기능 단위로 묶으면 흩어진 파일들이 하나의 맥락으로 연결되고, 검토자는 처음부터 끝까지 맥락을 잃지 않고 리뷰할 수 있습니다.

단, 그는 한 가지를 강조합니다. AI는 같은 실수를 반복한다는 것. 리뷰 중 AI가 패턴을 어기거나 테스트를 빠뜨린다면, 그걸 AGENTS.md 같은 메모리 파일에 기록해둬야 다음번에 같은 문제가 안 생깁니다. AI는 매번 빈 페이지에서 시작하기 때문입니다.

결국 방향을 잡는 건 사람이다

krasimirtsonev.com의 개발자는 Copilot으로 AWS 배포 스크립트를 만든 경험을 공유했습니다. 처음 프롬프트 하나로 작동하는 스크립트가 만들어지긴 했습니다. 그런데 뭔가 계속 어긋났어요.

AI는 “파일을 S3에 업로드하라”는 요청에 npm pack으로 타르볼을 만들어 올렸습니다. 틀린 건 아닙니다. 그게 일반적인 패턴이니까요. 하지만 원하는 건 dist 폴더 통째로 올리는 것이었습니다. npm 인증 오류가 났을 때 .npmrc 파일이 필요하다는 걸 AI는 몰랐지만, 개발자는 즉시 알아챘습니다. 몇 달째 그 프로젝트를 다루고 있었으니까요. 설정 파일을 별도로 분리해야 한다는 판단도, 업로드 실패 시 롤백이 필요하다는 직관도 모두 개발자가 먼저 제안했습니다.

결국 완성된 스크립트는 좋았습니다. 하지만 거기까지 오는 데 필요했던 건 시맨틱 버전 관리, npm 인증 구조, 환경별 배포 개념, 안전한 롤백 설계에 대한 이해였습니다. AI가 알아서 챙겨준 게 아니라, 개발자가 알고 있었기에 빠르게 잡아낸 것들이었습니다.

AI는 증폭기다

두 사례가 공통으로 말하는 것은 하나입니다. AI는 출력 속도를 높여주지만, 방향을 잡는 건 여전히 사람이라는 것.

리뷰 병목은 AI가 더 많은 코드를 생산하면서 생긴 부작용이지만, 그 해결책도 결국 개발자가 리뷰 프로세스를 설계하고 AI를 그 안에 끼워 넣는 방식으로 나옵니다. 배포 스크립트도 마찬가지입니다. AI가 알아서 최선의 결과를 내놓은 게 아니라, 개발자가 판단하고 수정하며 방향을 잡아줬기에 완성됐습니다.

krasimirtsonev은 글 말미에 이렇게 정리합니다. AI는 개발자의 출력을 증폭시키는 도구이고, 기초가 없다면 그저 더 많은 나쁜 코드를 더 빠르게 만들 뿐이라고. 리뷰 능력도, 도메인 지식도, 설계 감각도 결국 그 증폭의 방향을 결정하는 건 사람입니다.