AI가 코드를 빠르게 만드는 환경에서 개발자가 맡는 일은 무엇일까요? 발표 자료 는 코드 생산량이 늘어도 팀이 그 코드를 이해하고 검증하는 속도는 따로 관리해야 한다고 짚습니다. 핵심 주제는 인지 부채, 검증 방법, 팀의 변화, 생산성 측정입니다.

생성된 코드의 이유를 이해하기

발표는 AI가 작성한 코드에 무엇을 하는지는 남아도 왜 그 구조를 택했는지는 빠지기 쉽다고 설명합니다. 결과물을 이해하지 못한 채 받아들이면 수정과 장애 대응 때 판단 근거를 다시 찾아야 합니다. 개발자는 코드를 읽고 설계 선택을 설명할 수 있어야 합니다.

검증 가능한 단위로 진행하기

발표는 테스트를 먼저 정해 검토 가능한 구조를 만들 것을 제안합니다. 변경을 작게 커밋하고 AI의 초벌 리뷰 뒤에 사람이 중요한 판단을 확인합니다. 하네스는 계획과 테스트, 리뷰를 작업 흐름에 넣어 검증이 빠지지 않게 돕습니다.

팀 차원에서는 처음부터 전체 시스템을 완성하려 하기보다 핵심 경로만 작동하는 Walking Skeleton으로 출발하고 빨리 실패를 확인하는 방식을 제안합니다. KPI와 OKR을 다르게 쓰는 문제, 지표에 맞춘 행동이 실제 성과를 가릴 수 있다는 Goodhart의 법칙도 함께 다룹니다.

발표의 초점은 개발 생산성을 코드 줄 수 하나로 재단하기 어렵다는 데 있습니다. AI가 만든 변경을 팀이 이해했는지 살피고 품질을 확인해야 합니다. 실제 가치를 전달했는지도 봐야 합니다.

요약

  • AI 코드의 양이 늘수록 설계 이유를 이해하고 설명하는 일이 중요해집니다.
  • 테스트 우선, 작은 커밋, 초벌 리뷰와 사람의 검토로 변경을 확인합니다.
  • 작업량 지표만으로 개발 성과를 판단하지 말고 전달 결과와 팀의 학습을 함께 봅니다.