← 목록으로

AI 에이전트가 코드를 작성해도 개발자는 무엇을 알아야 할까?

요약
  • AI 에이전트가 코드를 작성하는 시대에는 개발자가 모든 코드를 직접 작성하는 능력보다 시스템의 이상을 감지하고 필요한 부분을 깊이 파고드는 능력이 중요해집니다.
  • 개발자는 기초 지식을 바탕으로 조용한 실패를 감지하고, 지식의 폭을 넓혀 문제 발생 시 조사 위치를 파악하는 역량을 갖춰야 합니다.
  • 시스템의 추상화 구조를 이해하고 책임지는 능력이 차세대 엔지니어의 핵심이 될 것입니다.
  • 에이전트가 코드를 만드는 시대의 시스템 책임자에게는 모든 코드를 직접 작성한 경험보다, 이상을 알아차리고 필요한 곳을 필요한 깊이까지 파고들 능력이 중요해짐
  • 생성된 코드를 모든 줄 이해해야 한다는 접근과 구현은 전혀 보지 않아도 된다는 접근 모두 충분하지 않음. 시스템 전체의 추상화 구조를 이해하고 낯선 모듈도 고칠 수 있어야 함
  • 기초 지식은 조용한 실패를 감지하고 추론하는 토대이며, 지식의 폭은 문제가 생겼을 때 어디를 조사하고 무엇을 찾아볼지 알려줌
  • 필요할 때 깊이 파고드는 능력은 모르는 문제를 해결하기 위해 필요한 것을 배우는 실행력임. 자신의 한계를 인정하고 도움을 구하거나 탐색을 멈출 판단도 포함함
  • 다음 세대 엔지니어를 기르려면 기초를 배우고, 호기심으로 지식의 폭을 넓히며, 실제 문제를 깊이 해결하는 연습이 필요함.
테스트가 아니라 복잡도 검사에 걸린 에이전트 코드
  • 에이전트가 실패하는 테스트를 포함한 브랜치를 커밋하는 일이 드물어진 작업 흐름에서, SonarQube가 App.tsx의 순환 복잡도(cyclomatic complexity) 를 문제 삼아 CI가 실패함
    • 약 30줄짜리 파일 중 15줄은 Codex가 각 컴포넌트 전체를 한 줄에 작성한 코드였음
    • 각 컴포넌트에는 상당한 화면 표시 로직과 비즈니스 로직이 있었지만, Codex는 여러 기능을 추가하는 동안 이 파일을 안정적으로 수정해 왔음
  • 포맷을 정리하고 직접 검사한 결과, 예외 상황을 다소 과하게 처리한 부분은 있었지만 로직은 올바르고 복잡도도 비즈니스 요구에 부합했음
    • 단순히 prettier를 실행하는 것으로는 복잡도 문제를 해결할 수 없었음
    • Codex에 SonarQube 검사를 통과하도록 요청하자 코드를 10개 파일로 분리했고, CI 통과 후 배포함
  • 이 사례는 빠르게 해결됐지만, 책임자가 이전에 본 적 없는 코드였다는 점에서 더 어려운 상황으로 번질 여지도 있었음
  • 앞으로 시스템을 책임지는 데에는 직접 작성했는지보다 이상 감지와 필요에 따른 심층 조사가 더 중요해질 것으로 보임
잠수 로봇을 둘러싼 낙관론과 회의론
  • 소프트웨어 개발을 해저에서 금을 캐는 일에 빗대면, 기존 엔지니어는 직접 잠수하거나 장비를 구축하고 유지하며 더 깊고 위험한 곳으로 작업 범위를 넓혀 왔음
    • 압력, 사고, 운용 미숙으로 채굴 시설이 무너지기도 하고, 계속 변하는 해저 지형 때문에 기존 광산이 사라지거나 새 광산이 생기기도 함
  • 낙관론에서 에이전트는 위치만 알려주면 채굴 시설을 만들고 진행 상황과 금을 가져오는 잠수 로봇임. 사람은 배 위에서 결과를 받는 데 집중할 수 있음
  • 회의론에서 잠수 로봇은 길을 잃거나 목적을 잊고, 금처럼 보이는 가짜 결과물을 가져오기도 함
    • 스스로 유지하기 어려울 만큼 복잡한 구조를 만들고, 다음 세대 로봇이 이를 폐기할 수도 있음
    • 신중하게 설계한 시설이 숨겨진 통로와 위험을 품은 무질서한 건물로 바뀌며, 운영에서 멀어질수록 실패도 더 극적으로 커짐
시스템 소유권은 모든 코드를 아는 것이 아님
  • 여기서 소유권(ownership) 은 시스템이 고장 났을 때 연락받고 책임지는 것을 뜻함
  • 기존 엔지니어는 코드 작성과 읽기, 프로덕션 장애, 심야 디버깅, 성공적인 배포를 거치며 시스템의 작동 모델을 머릿속에 구축해 왔음
  • 에이전트는 사람이 흡수할 수 있는 속도보다 빠르게 코드를 생성하므로, 이제는 모든 코드가 한 번쯤 사람의 손을 거쳤다고 가정할 수 없음
    • 숙련자는 자신의 경험을 바탕으로 에이전트 집단을 운영하고, 과거라면 팀이 필요했을 규모의 시스템을 설계하고 구축할 수 있음
    • 이 변화는 다음 세대 엔지니어를 어떻게 훈련할 것인가라는 문제를 남김
  • 생성된 모든 줄을 읽고 직접 구현할 수 있어야 한다는 극단과, 무엇을 만들지만 정하고 구현은 모델에 맡기라는 극단 모두 적절한 답이 아님
  • 주니어가 수년 동안 수작업 코딩을 배우도록 기업이 지원할 가능성은 낮다는 경제적 제약이 있음
    • 모든 생성 코드를 이해하기, 시니어와 짝을 이루어 일하기, 세심한 코드 리뷰도 일부 조직을 넘어 업계 전체의 관행이 되리라고 기대하기 어려움
필요한 것은 전체 지도와 낯선 코드에 진입하는 능력
  • 아키텍트, 리드, CTO에게 필요한 것은 시스템의 정신적 모델이지만, 핵심은 그 모델의 세밀함 수준임
  • 여러 사람이 오랜 기간 확장한 100만 줄 레거시 코드베이스에서 새벽 2시에 장애를 해결하는 SRE에게는 전체 코드의 상세 지식보다 다음 역량이 필요함
    • 전체 시스템을 조망하고 어디를 조사해야 할지 판단함
    • 낯선 코드에 들어가 상황을 파악하고 긴급 수정을 적용함
    • 장애 보고서에 무엇이 일어났는지 명확히 정리함
  • 복잡한 시스템은 추상화를 쌓아 관리하며, 모든 계층을 완전히 이해하는 사람은 없음
  • 자신이 작성한 모듈을 속속들이 아는 것과, 시스템의 추상화를 이해하고 어떤 모듈이든 고장 나면 조사해 고치는 것은 다른 역량임. 시스템 책임자에게는 후자가 필요함
첫 번째 기둥: 기초 지식으로 조용한 실패를 감지하기
  • 가장 까다로운 실패 중에는 시스템이 대체로 작동하지만 조금 느려지거나 오류율이 오르고, 19번째 시도마다 실패하는 식의 조용한 실패가 있음
    • 즉시 호출을 받을 정도는 아니어도 책임자는 무엇이 이상한지 감지하고 실패 양상을 이해해야 함
  • 자료구조와 알고리듬, 네트워킹, 동시성, 분산 시스템은 이런 실패를 발견하고 추론하는 도구가 됨
    • 반드시 정규 교육을 통해 배워야 하는 것은 아니며 독학도 가능함
  • 잠수 깊이가 2m일 때 4초, 4m일 때 16초, 16m일 때 256초가 걸린다면 이차 복잡도를 의심할 수 있음
    • 이론을 이해하고 그런 현상이 존재한다는 사실을 아는 것이 이상을 알아차리는 중요한 기반임
두 번째 기둥: 지식의 폭으로 조사할 위치 찾기
  • 지식의 폭은 서로 다른 분야의 개념을 연결해 문제를 해결하고, 시스템에서 어디를 조사할지 판단하게 해줌
  • 모든 분야의 전문가가 될 필요는 없지만, 이상이 생겼을 때 무엇을 찾아봐야 하는지는 알 수 있어야 함
  • 모든 것을 다루는 입문 수업으로 이런 폭을 가르치기는 어렵고, 읽기와 탐색, 호기심을 장려하는 것이 가능한 접근임
    • 특이한 장애와 당황했던 순간을 기억하고 자신의 작업과 연결함
    • 일상 경험과 업무 사이의 연결을 의식적으로 찾음
    • 오래전 다른 프로젝트에서 얻은 작은 지식이 나중의 문제 해결에 도움이 될 수 있으며, 이런 경험은 누적되지만 계속 유지해야 함
세 번째 기둥: 필요할 때 깊이 파고들기
  • 필요할 때의 깊이(just-in-time depth) 는 낯선 문제라도 들어가 원인을 알아내고, 해결에 필요한 것을 배우려는 능력과 의지임
  • 여기에는 자신의 한계를 아는 겸손함도 포함됨
    • 혼자 해결할 수 없다면 팀이나 외부 도움을 구해야 함
    • 모든 탐색을 혼자 할 수 있는 것도 아니고, 모든 탐색이 시도할 가치가 있는 것도 아님
  • 에이전트 오케스트레이터를 개발하던 중 에이전트와 하위 에이전트의 안정성 문제와 수명주기 버그가 한꺼번에 발생함
    • 에이전트에 수정을 여러 번 맡겨도 해결되지 않던 중, 몇 년 전 Kubernetes 책에서 읽은 레벨 트리거 상태 머신(level-triggered state machine) 을 떠올림
    • 전기공학에서의 개념적 기원까지 조사하고 에이전트와 함께 핵심 아키텍처를 처음부터 다시 설계한 뒤, 해당 시스템은 안정적으로 작동함
    • 오래전 지식을 기억한 것과 필요한 만큼 깊이 학습한 것이 이 재작성의 기반이 됨
  • 시스템은 추상화 계층으로 이루어지고 추상화에는 누수가 있으므로, 책임자는 어디까지 내려가야 하는지 알아야 함
  • 필요한 인재는 단순한 제너럴리스트와 스페셜리스트의 구분이나 T자형 인재상을 넘어, 압박 속에서 빠르게 학습하고 미지의 영역을 깊이 탐색하는 사람임
    • 이력서에 빠른 학습 능력을 적는 것보다, 복잡한 시스템을 짧은 시간에 어떻게 배웠는지 실제 사례로 답할 수 있어야 함
미래의 시스템 책임자를 기르는 방식
  • 기초는 배우고, 지식의 폭은 축적하며, 필요할 때 깊이 파고드는 능력은 연습할 수 있음
  • 기초와 어느 정도의 폭을 갖췄다면 작은 범위에서 에이전트로 시스템을 만들어보되, 문제가 생길 때 직접 들어가 해결할 준비가 필요함
  • 미래의 거대한 시스템을 누가 책임질지는 알 수 없지만, 이 세 기둥을 활용하는 사람이 그 역할을 맡을 가능성이 높아 보임
  • 라디오를 전혀 몰라도 음악을 듣고 싶어 낡은 라디오를 분해하고 고치는 아이처럼, 완벽한 사전 지식보다 목표를 위해 배우고 해결하려는 태도가 중요함
그냥 목록으로
원문 보기 ↗