예전의 내 일은 이제 멀게 느껴진다

한 개발자의 업무가 검색과 코드 복사/붙여넣기에서 에이전트에 작업을 맡기는 방식으로 바뀌었으며, 최근에는 코드 검토보다 QA와 결과의 제약 조건을 먼저 생각하는 단계로 이동함 초기 ChatGPT는 익숙하지 않은 Ruby 코드 작성과 Python 컴퓨터 비전 프로젝트를 도왔으며, 직접 실행하고 수정하면서 API와 도메인을 함께 학습하는 도구로 쓰였음 Opus 4.5/6 이후 작업 지시의 세밀함과 개입 시간이 줄었고, 수개월간 병합한 PR 기준으로 개인 생산성이 약 3배가 됐지만 PR 검토가 병목으로 남음 코드가 늘면서 표준 라이브러리와 패턴을 활용하고, 검토는 고유한 비즈니스 로직, 고객 데이터, 되돌리기 어려운 변경에 집중하는 방식으로 바뀜 최근에는 하위 에이전트, 진행 상황 대시보드, 성능 제약을 활용하며 결과 중심으로 작업을 조율하는 실험을 이어감 검색 도구에서 코드 생성 도구로 ChatGPT는 점차 업무에 깊이 들어왔으며, 동료 Bryan의 “ChatGPT에 물어봤어?”라는 권유가 처음에는 귀찮았지만 결국 기본 출발점이 됨 초기 경험은 Stack Overflow의 성장으로 Google의 코딩 검색 결과가 유용해졌던 시기와 비슷했음 검색 결과가 없으면 접근 자체가 잘못됐을 수 있다고 판단하던 흐름에서, 더 나은 검색 도구처럼 ChatGPT를 사용하기 시작함 다음 단계에서는 직접 쓰기 싫었던 Ruby 테스트 코드를 주로 생성해 복사/붙여넣기함 관용적 작성 방식이나 예제 코드에 새 동작을 덧붙여 요청하면, 익숙한 정적 타입 언어 수준의 자동 완성이 없는 IDE에서 직접 입력하는 것보다 빨랐음 업무에서 처음 사용한 5~6개 언어에는 나름대로 애착과 숙련도를 쌓았지만 Ruby에서는 한계를 느꼈고, ChatGPT 덕분에 더 깊이 배우는 일을 미룰 수 있었음 자동 완성과 낯선 도메인 학습 Cursor의 탭 자동 완성은 익숙한 VS Code 환경에 통합돼 자연스러웠지만, 주로 이미 작성한 패턴을 이어주는 데 사용함 도움이 될 때도, 그렇지 않을 때도 있었으며 지능적인 제안 자체에 의존하는 일은 드물었음 실질적인 제안은 여전히 ChatGPT에서 복사해 왔으며, 임시로 맡은 Python 컴퓨터 비전 프로젝트에서는 검색과 코드 생성이 결합됨 처음 접하는 물체의 경계와 정렬을 다뤘고, API나 한 줄짜리 코드만 받아 Jupyter 노트북에서 실행하고 수정하며 시각화, 점, 그래프를 만듦 짧은 응답을 선호했고, 요청에 따라 장난...