코딩 AI 대중화로 코드 작성 비용이 붕괴된 후 개발자 매니지먼트의 변화

코딩 생산성은 애초에 병목이 아니었음. 사무실 환경과 끊임없는 미팅이 진짜 생산성을 갉아먹는 요인들이었음.

AI는 일반적인 문제 해결에는 유용하지만, 코드를 테스트하고 검증하는 것은 여전히 인간이 해야 하는 작업임.

좋은 매니저라면 AI 시대에도 팀의 성과와 지속 가능한 영향력을 설정하는 역할을 잘 수행할 것임.

속도보다 방향이 중요함. 기업 내부에서는 비즈니스적 요구사항 초안을 잡는 것이 구현보다 훨씬 느린 병목임.

AI가 짜준 코드는 유지보수가 불가능한 경우가 많아 결국 다시 작성해야 함. 대신 AI는 코드 리뷰나 보안 검토에서 엄청난 가치를 발휘함. 작성하는 것보다 이해하는 과정이 중요한데, 인간이 직접 작성하는 고유의 이해 과정을 유지해야 함.

경영진은 AI로 얻은 이익을 낭비하고 있음. 책임과 유지비용은 그대로인데 개발 속도만 신경 쓰는 건 문제임.

현업에서 가장 큰 문제는 코딩 에러가 아니라 팀 조직, 시스템 설계, 우선순위 결정에서의 실패임.

협업과 정치는 항상 병목이었음. 이제는 코딩이 쉬워진 만큼 병목이 테스트와 병합, 상호 신뢰 문제로 옮겨감.

지난 1년 동안 코드를 직접 손으로 쓴 적이 거의 없음. 테스트 코드를 작성할 시간이 생겨 오히려 품질이 좋아졌음.

예전처럼 한 줄 한 줄 깊이 이해하는 방식은 아니더라도, 아예 손을 떼는 건 위험함. 그 중간 지점을 찾아야 함.

AI는 작성 비용을 줄였지만, 결국 아무도 쓰지 않는 기능을 추가하는 비용도 줄임. 무엇을 제거할지 결정하는 게 더 중요해짐.

설계 문서 없이 바로 프로토타입부터 만드는 방식이 정착되면서 실질적인 설계 토론이 사라지고 있음.

이제 15k LOC를 아침에 만드는 건 가치 있는 공헌이 아님. 이런 변화가 아직 널리 인식되지 않은 것 같음.

코딩 없이 이해를 쌓는 더 좋은 검증 도구가 필요함. AI가 그런 도구를 설명해 줄 수 있을 것임.

이제 유능한 엔지니어 한 명과 토큰만 있으면 충분한 시대가 옴. 매니저도 필요 없을지도 모름.

AI는 항상 뭔가 추가하거나 바꾸려 함. 인간 리뷰어처럼 일 안 하는 것처럼 보일까 봐 그러는 것 같음.

중요한 문제는 바뀌지 않았지만, 변화를 실행하는 속도가 빨라진 것이 핵심임. 언어 교체 같은 큰 결정도 빠르게 수행할 수 있게 됨.

사람들은 리뷰를 할 때 무언가 발견해야 본인이 일을 했다고 생각함. AI도 마찬가지인 듯.

AI 생성 콘텐츠의 70%는 읽기 힘든 헛소리임. 제발 짧게 줄여서 핵심만 말했으면 함.

AI는 갈수록 추상화의 의도를 이해하지 못함. 내부 패키지 깊숙한 곳까지 헤집어 놓는 게 문제임.

중요한 이슈만 보고 나머지는 무시하라고 하면 원하는 결과를 얻을 수 있음. 컴파일러 경고를 끄고 일찍 퇴근하는 것도 방법임.

번잡한 출력은 프롬프트가 너무 일반적이어서 그럴 수 있음. 구체적으로 오류만 찾으라고 하면 해결됨.

AI를 활용해 리뷰를 시키면, 놓친 부분이 있는지 확인할 수 있는 지표가 됨.

매니저의 목적은 자원을 매칭하는 것임. 관리 업무도 충분히 AI로 자동화될 수 있음.

엔지니어에게 비즈니스 맥락을 알려주지 않고 코딩만 시키면, 결국 유창하고 그럴듯하지만 틀린 코드가 대량 생산될 뿐임.

AI를 쓰지 않는 쪽에서는 이해가 병목이라고 하지만, 실제로는 작성하는 과정 자체가 지루해서 미루는 경우가 많았음. AI가 있으면 단순 반복 작업에 주의력을 뺏기지 않고 중요한 아키텍처 고민에 집중할 수 있음.

인간의 동료 리뷰가 핵심임. 리뷰 과정에서 나누는 대화가 코드에 문서화되고 전체적인 이해를 높여줌.

AI의 생각을 담은 토큰은 모델의 과정상 필수임. 하지만 프롬프트를 잘 다듬으면 간결한 결과물을 뽑을 수 있음.

코딩이 병목인 적은 없었음. AI가 시키지 않은 구현을 멋대로 하는 것이 더 걱정됨.

초보자가 많이 사용하는 언어들은 AI가 유지보수성 있는 코드를 만드는 데 더 어려움을 겪는 듯함.

이제 코드는 인간이 읽지 않는 시대가 됨. 작은 앱들은 AI가 유지보수하게 만들면 그만임.

AI가 토큰 비용을 야금야금 먹으면서 품질은 낮아지고 있음. 문제가 생기면 아무도 그 코드를 수정하려 하지 않아 새로 만드는 인상적인 비효율이 발생함.

코딩은 예전에 비싼 작업이었음. AI 코딩이 확산되며 저장소가 급성장한 것을 보면 사람들이 얼마나 만들고 싶어 했는지 알 수 있음. AI는 PhD 수준의 기술적 능력을 갖췄고 논리적 구조를 만드는 데 더 뛰어난 경우도 많음.

스펙 중심 개발로 계획 단계에서 명확하게 방향을 지시하면 AI는 인간보다 훨씬 잘 코딩함.

누군가 50k 라인짜리 프로토타입을 만들어 오면 설계 자체를 의심해 볼 기회조차 사라짐.

계획을 AI에게 맡기기보다 인간이 직접 짠 초기 계획을 AI에게 검토시키는 방식이 훨씬 나음.

매니지먼트 업무는 공학적 과제와 다르기 때문에 결과에 책임을 지지 않는 구조가 될 위험이 있음.

정치와 조직 관리는 오랫동안 문제였음. AI를 인터페이스로 활용하면 조직 내 지식 공유가 더 쉬워질 것으로 기대함.

AI 시대에 코드 품질이 무슨 의미가 있나 싶음. 작동하고 안전하면 그만이지. 이제 UX 개선에 집중할 수 있게 되어 기쁨.

핵심은 결정을 내린 시점부터 작업이 완료될 때까지의 시간임. AI를 통해 주의력을 뺏기지 않고 즉각적인 테스트가 가능해진 것 자체가 큰 효율성임.

AI는 작은 작업이나 디버깅엔 뛰어나지만, 조직 대부분은 AI로 품질을 높이기보다 낮은 비용으로 적당한 품질을 유지하려는 목표를 가질 것임.

AI에게 반박하면 잘못된 부분을 스스로 인정하고 수정해 줌. 적절히 피드백하면 됨.

인프라 규모에서도 AI 생성 코드를 잘 검토하면 훨씬 빠른 가치 창출이 가능함. 툴을 탓하기 전에 프롬프트 작성 실력을 길러야 함.

10년 차 정도에는 내가 모든 걸 안다고 생각했지만, 그 이후 더 배울 게 많다는 걸 알게 됨. 이제 작은 구현 업무는 나를 방해하는 마찰일 뿐이고 아키텍처 같은 큰 그림이 더 중요해짐.

AI가 내놓는 계획은 늘 모호함. 인간이 직접 구축해야 할 이해를 대신해 줄 수는 없음.

AI는 여전히 자주 멈추거나 엉뚱한 작업에 매달림. 다들 AI가 완벽하다고 찬양하지만, '임금님 귀는 당나귀 귀'라고 말하고 싶음.

AI는 세미콜론은 잘 챙기지만, 사람이 알아차리기 힘든 치명적인 논리적 실수를 저지를 때가 많음.

내가 책임져야 할 코드의 모든 줄을 이해해야 한다는 사실에는 변함이 없음.

임베디드 시스템에서 AI 코딩은 오히려 검토하고 다듬는 데 4배의 시간이 더 걸림.

최신 모델들은 개발자들을 관리자처럼 만들어 줌. 다만 적응하는 사람과 그렇지 못한 사람의 격차가 큼.

AI로 코드는 빠르게 만들지만 디버깅에서 계속 맥락을 잃어버리는 경우가 많음.

이해는 제품으로 팔리는 것이 아님. AI의 도움을 받아 자신의 지능을 증강하는 방향으로 써야지, 대체되어서는 안 됨.

AI는 범용 알고리즘에는 좋지만, 우리 회사의 비즈니스 로직이 담긴 코드베이스에는 도움이 안 됨.

AI가 문제를 잘 찾는다면, 결과물에 문제가 없을 때까지 계속 검수시키면 되는 것 아닌가?

혼자 모든 분야를 다 잘할 수 없음. 여전히 검증 불가능한 영역이 존재하기 때문에 전문가가 필요함.

AI로 프로토타입 비용이 싸지면서 고객과의 루프를 빠르게 돌릴 수 있게 됨. 문제는 경영진이 이런 변화를 이해하지 못하고 여전히 기존 방식을 고집한다는 점임.

마크다운을 활용해 맥락을 관리하고 AI가 스스로 표준에 맞춰 검증하게 만드는 것이 핵심임.

AI가 만드는 pernicious한 실수가 인간이 직접 짤 때보다 더 많은가? 시간 절약해서 직접 검토하면 오히려 이득일 수도 있음.

투자자 입장에서는 고비용의 전문가보다 저비용의 관리 모델을 선호할 것임. 엔지니어링과 관리직의 경계가 모호해지고 있음.

경영진은 애초에 코드 빚에 관심이 없음. 경쟁사보다 빠르게 피처를 뽑아내는 게 그들에겐 전부임.