덜한 것이 더 낫다, 대체로

• AI로 무엇이든 빠르게 만들 수 있는 시대에, 양을 늘리는 것이 더 나은 결과로 이어지지 않으며 의도와 극도의 세심함으로 만든 제품만이 오래 살아남음
• 뛰어난 제품의 핵심은 단순함과 명료함이며, 이는 뇌의 인지 부하를 줄이고 경험을 덜 압도적으로 만듦
• AI는 무언가를 제거하기보다 추가하기를 훨씬 쉽게 만들지만, 제거에는 모든 함의를 고려하는 의도적 판단이 필요함
• 컨텍스트 메뉴 애니메이션 사례처럼, 더 많이 움직이는 인터페이스가 항상 좋은 것은 아니며 사용 맥락에 대한 이해가 무엇을 넣지 않을지를 결정함
• 도구가 강력해질수록 이해·판단·취향의 가치가 커지며, 무엇을 만들지 말아야 할지 아는 것이 가장 중요한 역량이 됨

AI 시대의 양과 질

• AI로 모든 아이디어, 새 기능, 애니메이션이 몇 번의 프롬프트만으로 구현 가능해져, 이전에 몇 시간·며칠·몇 주 걸리던 작업이 몇 분으로 단축됨
• 더 많은 사람이 더 많은 것을 더 빠르게 만들 수 있게 되었으나, 더 많이 만들어진다고 해서 더 나은 것이 만들어지는 것은 아님
• 좋은 제품에서 훌륭한 제품으로 넘어갈 때 그 차이를 느낄 수 있으며, 대개 단일 요소가 아니라 작은 결정과 디테일이 쌓여 훌륭한 경험을 만듦

단순함과 명료함

• 인간은 단순하고 예측 가능한 것을 선호하는데, 이는 뇌가 일종의 에너지 절약 기계이기 때문
  • 단순함은 불필요한 인지 부하를 줄이고 처리를 쉽게 하며 경험을 덜 압도적으로 만듦
• 심리학의 처리 유창성(processing fluency) 개념에 따르면, 처리하기 쉬울수록 더 친숙하고 유쾌하며 신뢰할 만하게 느껴짐
• Jony Ive의 인용을 통해, 단순함은 단순히 잡동사니를 제거하는 것을 넘어 깊은 이해를 바탕으로 본질만 남기는 것임을 설명

추가는 쉽고 제거는 어렵다

• AI는 추가를 그 어느 때보다 쉽게 만들며, 에이전트로는 눈을 감고 무언가를 더한 뒤 잘되기를 바라는 방식이 가능함
• 반면 제거할 때는 의도적이어야 하고 모든 함의를 끝까지 고려해야 함
• 에이전트를 멈추지 않고 돌려 수백만 줄의 코드를 생성할 수 있으나, 그 결과가 좋을 것이라는 보장은 없음

애니메이션 사례

• 무언가를 애니메이션하는 것과 잘 애니메이션하는 것은 전혀 다른 문제이며, 예시의 애니메이션 변형은 보기 좋지만 실제로 말이 되지는 않음
• 컨텍스트 메뉴 비교에서 한쪽은 열릴 때와 닫힐 때 모두 움직이고 항목 hover 시 background-color 변화까지 애니메이션하지만, 다른 쪽은 그렇지 않음
• macOS 우클릭 메뉴처럼 하루에 수백~수천 번 쓰이는 동작임을 이해하면, 진입과 종료를 모두 애니메이션하는 것이 좋은 선택이 아님을 알게 됨
  • 하루 200번 열고 애니메이션 길이가 300ms라면, 하루 약 1분, 연간 6시간 이상을 애니메이션 재생을 지켜보는 데 소비하게 되어 방해가 되고 성가심
• 무엇을 풀고 있는지, 사람들이 어떻게 쓰는지 이해하면 애니메이션하지 않는 것이 당연한 결정이 됨
• 에이전트는 실행에는 뛰어나지만 아직 이해와 판단을 온전히 갖추지 못했고, 바로 이 점이 제품을 훌륭하게 만드는 요소임

엔지니어링에서의 판단과 이해

• 누구나 많은 코드를 작성할 수 있게 되면서, 엔지니어의 결과물 품질이 코드의 양으로 결정되던 시대는 끝남
• Interfere에서는 해야 할 일을 가능한 한 적은 코드로 해내는 pull request를 높이 평가함
• 코드를 리뷰하고 좋은 코드와 나쁜 코드를 구분하며 비판적으로 사고하는 능력이 코드 작성 능력보다 더 중요해지고, 동시에 더 희소해짐
  • 지식과 이해가 부족한 채 바로 만들기로 넘어가면, 에이전트의 결과물이 좋은지 나쁜지 판단하기 어려워 좋은 방향으로 이끌기 힘듦

codebase-standards 스킬

• 높은 품질 기준을 유지하고 에이전트와 사람 모두가 따를 원칙을 공유하기 위해, 자체 /codebase-standards 스킬을 제작
• 이를 코드를 기준에 맞춰 검토하는 /interfere-review 명령과 함께 사용해, 이해와 판단을 팀원과 에이전트 모두 활용할 수 있는 형태로 인코딩

에이전트와 일하는 원칙

• 사고를 에이전트에 외주화하지 않기
• 에이전트가 쓴 것을 기본적으로 옳다고 가정하지 않고 비판적으로 대하기
• 에이전트가 추가한 각 줄이 무엇을 하는지 최소한 대략적으로라도 설명할 수 있게 하기
• 추가하는 모든 것이 최종 결과를 더 낫게 만드는지 생각하기
• 에이전트는 자신의 연장선이며, 어떤 일을 잘할수록 에이전트도 그만큼 잘하게 됨
• 스킬·명령·MCP를 활용해 최대한 많은 컨텍스트를 주고 원하는 방식을 분명히 제시하기
• 이해되지 않는 것이 있으면 AI로 설명받기 — 가장 강력한 학습 도구 중 하나

무엇을 만들지 말아야 하는가

• AI는 더 많은 기능·코드·애니메이션을 그 어느 때보다 쉽게 추가하게 하지만, 굳이 만들 필요 없는 것까지 만들기 쉽게 만듦
• 이제의 질문은 만들 수 있는가가 아니라 무엇을 어떻게 만들어야 하는가임
• 도구가 강력해질수록 이해·판단·취향(taste) 의 가치가 커지며, 제품·사용자·문제에 대한 이해, 관점, 비전은 여전히 사람의 몫
• 단순함은 우연히 생기지 않으며, 무엇을 제거하고 무엇을 그대로 두고 무엇을 아예 만들지 말지 아는 깊은 이해에서 나옴
• 요소·애니메이션·기능을 추가할 때마다 왜 추가하는지, 그것이 최종 결과를 더 낫게 하는지 비판적으로 따져야 하며, AI 시대에는 무엇을 만들지 않을지 아는 것이 가장 중요한 역량일 수 있음