AI를 쓸 것인가, 말 것인가

1 month ago 11

2주 동안 AI 보조 개발 워크플로우만으로 앱을 만들어보는 실험을 진행했으나, 기대만큼 만족스럽지 않은 결과가 나옴
Claude Code와 Remix 기반 스택을 사용해 이슈 정의 → AI 구현 → 코드 리뷰 → 배포 과정을 반복했음
그러나 컨텍스트 부족, 재사용 불가 코드 중복, 흐름 단절, 환각(hallucination), Pareto 법칙 문제로 점점 더 좌절을 느낌
결국 2주 뒤 AI 중심 개발을 포기하고 기존 방식으로 돌아와 코드 정리와 품질 개선에 만족함
현재는 검색, 러버덕킹, 코드 스니펫, 테스트, 언어 교정 등 제한된 용도로만 AI를 활용하며, 근본적 기술 변화가 있기 전까지는 더 확장하지 않을 계획임

실험 개요

최근 주목받고 있는 LLM(대형 언어 모델) 의 개발 워크플로를 직접 적용한 2주간의 앱 개발 실험을 시행함
Facebook Ads 계정의 복잡한 UI 경험을 바탕으로, Facebook Ads API만을 활용한 단순화된 광고 관리 툴인 adbrew 프로토타입 개발에 착수함
실험은 AI의 잠재력을 검증한다는 목적과 실제 문제 해결 기대감을 바탕으로 진행됨

항상 컨텍스트가 부족함
- 제공한 컨텍스트가 많아도 요구 피드백을 AI가 요청하지 않음
- AI가 임의로 가정을 하며 작업 진행, 결과적으로 잘못된 구현 빈번
코드 재사용성 및 유지보수 불가
- 추상화, 재사용 코드 생산에 미흡
- 기존 컴포넌트 반복 생성, 리뷰 피로도 증가
- 가이드라인 반영 효과 미미
작업 흐름 단절
- AI 작업 시 지속적으로 모니터링 필요
- 각 이슈 단위로 효율적 집중시간 확보 어려움, 생산성 저하
환각(Hallucination) 현상
- 복잡한 Facebook API, 부족한 문서화 및 잘못 타이핑된 SDK와 결합해 AI의 잘못된 확신이 혼란 가중
- 각종 프레임워크 및 라이브러리에 대해 잘못된 정보를 반복 생성
Pareto 현상 심화
- 전체 작업 80%는 AI가 빠르게 진행 가능하나, 나머지 20% 최종 완성·수정에 80% 노력 소요
- 예외 처리, 기능 간 상호작용 등에서 주요 결함 및 버그 다수 발생

강력한 검색 엔진: 복잡한 정보 탐색 및 맥락 맞춤형 답변에 효율적, 실패 시 기존 방식으로 신속 전환 가능
러버덕(아이디어 브레인스토밍) : 대안 제시, 탐색 폭 확장, 관련 키워드 탐색 강화에 특히 효과적
코드 스니펫 어시스턴트: 반복적 유틸 함수 생성 자동화로 개발 피로도 경감
테스트 코드 보조: 테스트 관련 새로운 시나리오 발굴에 AI 활용
언어 관련 작업: 커밋 메시지, 이슈, PR 등 텍스트 편집 역할로 유용
- 최근에는 AI가 작성하는 대신, 개발자가 작성한 것을 AI가 리뷰하는 구조로 역전 현상 발생