# 소프트웨어 엔지니어링 팀의 AI 활용 방법

> Clean Markdown view of GeekNews topic #19939. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=19939](https://news.hada.io/topic?id=19939)
- GeekNews Markdown: [https://news.hada.io/topic/19939.md](https://news.hada.io/topic/19939.md)
- Type: GN+
- Author: [xguru](https://news.hada.io/@xguru)
- Published: 2025-03-25T09:31:35+09:00
- Updated: 2025-03-25T09:31:35+09:00
- Original source: [refactoring.fm](https://refactoring.fm/p/how-engineering-teams-use-ai)
- Points: 7
- Comments: 1

## Summary

AI 기반 코딩 도구는 개인 개발자에게는 유용하지만, 엔지니어링 팀에서는 큰 코드베이스와 협업 문제로 인해 성과가 미미할 수 있습니다. AI 도입으로 인해 엔지니어 고용이 증가하는 Jevon의 역설이 발생하며, 특히 증강형 도구가 인간 중심의 접근으로 더 유리하다는 점이 강조됩니다. 또한, AI는 개발자 행복을 최적화하고, 테스트 및 문서화 자동화, 코드 품질 개선에 기여할 수 있으며, AI 코드 추적보다는 전체 생산성과 만족도에 집중하는 것이 중요합니다.

## Topic Body

- AI 기반 코딩 도구가 급증하며 일부 개인 개발자들은 AI를 이용해 놀라운 성과를 내고 있지만, 하지만 실제 엔지니어링 팀에서는 성과가 미미한 경우가 많음  
- 성과가 차이가 나는 이유는 2가지: "**그린필드 vs 큰 코드베이스**", "**싱글 vs 멀티 플레이어**"   
- 그래서 AI를 위한 새로운 코딩 워크플로와 앞으로의 흐름을 다음과 같이 예측해봄:  
  - **많은 기업이 엔지니어를 추가 고용 중** — 특히 좋은 회사들이 그러함   
  - **가장 큰 도전 과제는 대규모 코드베이스** — 실제로 가치를 창출하는 영역  
  - **로봇 vs 아이언맨** — AI 도구의 철학적 차이  
  - **개발자 행복 최적화** — AI가 처리할 수 있는 고역은 무엇인가?  
  - **AI 코드 추적은 안티패턴** — 추적의 유혹에 빠지지 말 것  
  
### 성과 차이의 원인  
- **Green-field vs 큰 코드베이스**  
  - 대부분의 AI 도구는 새 프로젝트(Green-field)에 최적화됨  
  - 오래된 코드베이스에서는 활용도가 떨어짐  
- **싱글 플레이어 vs 멀티 플레이어**  
  - 현재 AI 워크플로우는 싱글 플레이어 중심  
  - 팀에서 협업 시 문제 발생 (머지 충돌, 복잡한 컨텍스트 처리 등)  
> _"AI 워크플로우는 혼자 작업할 때는 괜찮지만, 팀에서 사용하면 충돌이 잦고 비효율적임."_  
  
### 우수한 기업들은 더 많은 엔지니어를 고용중   
- AI의 발전으로 엔지니어 수요가 감소할 것이라는 예측은 틀림  
- AI로 생산성이 증가하면, 결과적으로 엔지니어 고용이 늘어나는 **Jevon의 역설** 발생  
- # AI 도입에 따른 조직별 반응  
  - **상위 팀**: AI 도입으로 생산성이 증가 → 엔지니어 추가 고용  
  - **평균 팀**: 관료주의와 조정 비용으로 인해 고용 변화 없음  
  - **하위 팀**: 기술이 단순 도구에 불과 → 비용 절감을 위해 팀 축소  
  
### 가장 큰 문제는 대규모 코드베이스  
- AI는 알고리즘 문제 해결에는 뛰어나지만, 실제 프리랜서 작업 성과는 저조함  
- **컨텍스트 부족**이 주요 원인  
- 코드베이스에서 컨텍스트 전달 방식:  
  - **Fine-tuning** → 예측 불가능하고 비용이 큼  
  - **Context Window 확장** → 정확도 보장 어려움  
  - **RAG (Retrieval-Augmented Generation)** → 현재 가장 유망함  
> **좋은 RAG**가 AI 코딩 도구 확장의 핵심  
  
### 로봇 vs 아이언맨: AI 도구의 철학적 차이  
- **자율형 도구** → 독립적인 에이전트처럼 작동  
  - Slack에서 명령받아 자동으로 PR 제출  
  - 예: Devin, Lindy  
- **증강형 도구** → 인간이 작업을 주도하며 보조 역할 수행  
  - IDE에서 보조 도구로 활용, 최종 PR은 사람이 제출  
  - 예: Augment, Cursor  
- # 어떤 전략이 더 유리한가?  
  - **피드백 루프** → 증강형 도구가 더 빠르게 오류 수정 가능  
  - **확장성** → 자율형 도구는 조직적 복잡성 증가 위험  
  - **인간 중심 접근** → 증강형 도구가 인간을 강화하는 방향으로 발전  
> "AI는 클론 전쟁이 아니라 어벤저스를 만들어야 함"  
  
### 개발자 행복을 위한 최적화  
- 성공적인 팀은 **생산성**이 아니라 **개발자 행복**에 초점  
- AI를 사용해 단순 작업(고역)을 줄이는 데 집중  
- AI가 해결할 수 있는 [Toil](https://news.hada.io/topic?id=388)  
  - 1\) **테스트 자동화**  
    - AI가 테스트 코드 작성 → 보일러플레이트 코드 부담 감소  
    - 사전 명세 작성에 대한 보상이 증가 → TDD 적용 용이  
  - 2\) **문서화 자동화**  
    - AI가 코드 주석 및 기술 명세 작성 → 문서 관리 부담 감소  
    - AI가 코드 구조와 동작 설명 가능 → 단, 코드 작성 의도는 여전히 인간이 설명해야 함  
  - 3\) **코드 품질 개선**  
    - 코드 스타일 및 보안 취약점 점검 가능  
    - 인공지능 도구 예: Augment, Packmind, Codacy  
  
### AI 코드 추적은 안티패턴  
- AI가 자율적으로 작업하면 성과 추적 필요  
- 그러나 AI가 인간을 증강하는 경우, AI 코드와 인간 코드 구분은 무의미함  
- **생산성과 개발자 만족도**에 집중하는 것이 더 효과적임  
  
### 주요 시사점  
1. **AI 도입으로 엔지니어 고용 증가** → Jevon의 역설로 인해 생산성 증가 시 고용 확대  
2. **AI의 멀티플레이어 도입 필요** → 팀에서의 협업 강화 필요  
3. **대규모 코드베이스 문제 해결 필요** → 맥락 제공이 핵심  
4. **증강형 도구가 자율형 도구보다 유리** → 인간이 주도하고 AI가 보조  
5. **개발자 행복 최적화** → 생산성보다 행복 중시  
6. **TDD의 부활** → AI가 테스트 작성 부담 완화  
7. **문서화 부담 감소** → AI가 코드 주석 및 기술 명세 자동 작성  
8. **코드 품질 개선** → AI가 코드 스타일, 보안 문제 점검  
9. **AI 코드 추적은 무의미** → 성과는 전체 생산성과 만족도로 평가해야 함

## Comments



### Comment 36316

- Author: livekth
- Created: 2025-03-25T10:15:57+09:00
- Points: 2

1번 동의 어렵네요  
  
- 좋은 회사들은 훌륭한 엔지니어만 채용하려 합니다. 그런 엔지니어 자원은 한정되어 있습니다. 그래서 채용이 늘지 않습니다.  
  
저는 이렇게 많이 느낍니다. 왜냐면 작은 회사에서 좋은 엔지니어 채용하려고 노력하고 있지만 정말 쉽지가 않더라구요.