# AI 보조 코딩이 당신의 업무에 어떤 영향을 주고 있나요? > Clean Markdown view of GeekNews topic #27554. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=27554](https://news.hada.io/topic?id=27554) - GeekNews Markdown: [https://news.hada.io/topic/27554.md](https://news.hada.io/topic/27554.md) - Type: GN+ - Author: [neo](https://news.hada.io/@neo) - Published: 2026-03-16T13:33:37+09:00 - Updated: 2026-03-16T13:33:37+09:00 - Original source: [news.ycombinator.com](https://news.ycombinator.com/item?id=47388646) - Points: 10 - Comments: 1 ## Summary AI 보조 코딩은 이제 개발 현장의 일상으로 자리했지만, **생산성과 품질 사이의 균형**은 여전히 불안정합니다. 일부 팀은 Claude나 Copilot으로 프로토타이핑 속도를 수배 높였으나, 대형 코드베이스에서는 모델이 내부 프레임워크를 이해하지 못해 실질적 성과가 제한적입니다. 반면 문서·코드 생성이 폭증하면서 “AI가 쓴 문서를 AI가 요약하는” 커뮤니케이션 왜곡이 늘고, 품질 관리 부담이 하위 개발자에게 전가되는 구조적 피로가 드러납니다. 숙련된 개발자일수록 AI를 **설계·리뷰 보조 도구로 통제하며 쓰는 전략**이 현실적 해법으로 부상하고 있습니다. ## Topic Body - 최근 **전문적인 코딩 작업에 AI 도구를 사용**해 보신 분이 있다면 경험을 공유해주세요 - 어떤 도구를 사용하셨나요? - 어떤 점이 효과적이었고 그 이유는 무엇인가요? - 어떤 어려움에 직면했고, 어떻게 해결하셨나요? (해결했다면 말이죠.) - 다른 사람들이 경험을 통해 배울 수 있도록 **충분한 맥락(기술 스택, 프로젝트 유형, 팀 규모, 경험 수준)** 을 함께 알려주시면 감사 - 목표는 2026년 3월 현재 AI 기반 개발의 실제 상황을 허황된 이야기 없이 객관적으로 파악하는 것 --- ### 해커뉴스의 답변들 정리 ### AI가 생성한 문서와 커뮤니케이션 문제 - 관리자가 Claude로 **50페이지 분량의 설계 문서, PRD, 슬라이드 덱**을 생성해 "빨리 리뷰해달라"고 보내지만, 작성자 본인도 읽지 않는 상황 발생 - 일부 직원은 끝없이 슬라이드를 생성하면서 **구체적 질문에는 답변을 회피**하는 행태 - 이전에 30분이면 해결할 DB 성능 이슈(GSI 추가 등)가 이제 AI가 생성한 37페이지 문서(설명, 완화, 계획, 리뷰, 위험, 배포 등)로 **일주일이 소요**되는 사례 - AI 생성 콘텐츠를 보내면 수신자도 AI로 요약하는 **"AI 대 AI" 커뮤니케이션** 패턴 등장 - "개념 → LLM 부풀리기 → LLM 요약 → 수신자" 흐름에서 **전화 게임처럼 맥락과 뉘앙스 손실** 위험 - 한쪽이 저품질 콘텐츠를 쏟아내고 다른 쪽에 **정성 리뷰를 기대하는 비대칭적 기대**가 무례하다는 지적 - 프리랜서 클라이언트가 AI로 과도하게 정교한 스펙을 보내놓고, 실제로는 **30행짜리 CSV 테이블**을 원하는 괴리 사례 ### 직장 환경에서의 부정적 경험 - 상위 개발자들이 AI로 모든 것을 처리한 뒤 **정리 작업을 하위 개발자에게 전가**하는 구조 - AI 생성 코드가 메인 프로젝트의 **API 설계를 따르지 않고**, 불필요한 에러 처리와 파싱 코드를 대량 포함 - 정리에 1주일 이상 소요되었으나, 원래 팀은 거의 즉시 산출했기 때문에 **오히려 느려 보이는** 역설 - 한 대형 상장 기업은 **1년 내 100% AI 생성 코드** 목표를 세웠으며, 반대하는 모든 레벨의 직원을 퇴사시킴 - 코드 품질보다 **기능 출시 속도를 최적화**하는 문화에서, 품질 작업을 하는 엔지니어가 "비효율적"으로 분류되는 구조적 문제 - 팀원이 **수주 전 코드를 가져와 Claude에 넣고** 완성된 것처럼 제출했으나, 비즈니스 요구사항 오류와 심각한 버그 다수 포함 - AI 사용이 의무화된 환경에서 **코드 리뷰 부담이 급증**하고, 수천 줄의 저품질 PR을 매일 검토해야 하는 상황 - "내가 좋아하던 모든 것이 빼앗기고, 싫어하던 것만 남았다"는 표현 ### FAANG 및 대기업 경험 - FAANG 근무자: 업무에서는 **커밋 가능한 결과를 한 번도 얻지 못함**, 개인 프로젝트에서는 10배 속도 향상 - 대형 코드베이스의 **자체 프레임워크와 라이브러리**가 훈련 데이터에 없어 모델의 가시성이 제한적 - 팀 내에서 성공 사례를 개인적으로 아는 사람이 **실질적으로 없음** - Amazon 엔지니어: Kiro(AWS 자체 도구)와 Opus 4.6 사용, **업무 2~4배, 사이드 비즈니스 10배 이상** 생산성 향상 - 코드 작성뿐 아니라 **데이터 분석, 디버깅, 배포 루프 관리**에도 활용 - 기존에 한 달 걸릴 기능을 2주에 구현 — 다시는 사용하지 않을 **세부 기술 학습 시간 절약**이 핵심 - Amazon 장애 관련: 보도된 AI 코드 금지는 사실과 다르며, 장애 중 **AI 관련은 오래된 내부 위키 기반 조언 1건**뿐 - Microsoft 엔지니어: GitHub Copilot으로 무제한 Opus 사용, 작업 속도는 빨라졌으나 **기대치가 과도하게 상승**(2주 → 2일 기대) - 대형 기업 R&D: **버그 추적과 일회성 로깅 코드** 생성에서 가장 큰 가치, 프로토타이핑 속도도 극적으로 향상 - 단, 구현 비용 감소로 **"무엇을 만들 것인가" 경쟁이 격화**되어 더 빠른 사고와 명확한 판단 필요 ### 긍정적 경험과 생산성 향상 사례 - 10년 경력 엔지니어, 소규모 팀: **100K DAU 소비자 앱을 3명**으로 구축·유지, 이전에는 10명 필요 예상 - 버그 리스트 없음, 코드베이스 2명이 거의 전부 이해, **리팩토링 빈도 대폭 증가** - Simon Willison: 2025년 11월 이후 **대부분의 코드를 에이전트로 작성**, iPhone의 Claude Code로도 작업 - 수년간 구상만 하던 프로젝트를 몇 시간 만에 구현, **단독 개발자의 가능성 재조정** - Claude Code로 Go 앱을 작성하며 **삼투압 학습**으로 새 언어 습득 - 숙련된 프리랜서: Claude Code 사용 후 Terraform 95% 정확도, 데이터 처리 프로젝트에서 **5배 이상 속도** - "할 수 없던 것을 이제 할 수 있고, 어렵던 것이 쉬워지고, 쉬웠던 것이 빠르고 쉬워졌다" - 소규모 게임 스튜디오: 내부 도구와 워크플로우 개선에 활용, **아이디어에 가까울수록 AI 코딩이 효과적** - 소규모 맥주 양조장 운영자: 장부 자동화(16시간/월 → 3시간), 생산·판매 보고서, 리워드 트래킹 앱 등 **5개 이상 내부 도구 구축** ### 코드베이스 이해와 디버깅에서의 활용 - 대규모·레거시 코드베이스에서 **"이 테이블을 건드리는 함수가 뭐가 있나?"** 같은 질문에 효과적 - 거대 모노리스 탐색: "API 엔드포인트 인증 방식이 몇 가지인가?" 질문에 **5분 만에 4가지를 찾아 요약** - 디버깅: 복잡한 정규식이 매칭 안 되는 이유 파악, **스택 트레이스 분석, 로그 분석**에 탁월 - 익숙하지 않은 코드베이스 온보딩 시간이 **며칠에서 수분으로 단축** - "인도나 동유럽 동료에게 질문하고 하룻밤 기다리던" 과정을 AI가 완전 대체 ### 코드 품질과 유지보수 우려 - AI 생성 코드의 일관된 문제: **불필요한 복잡성, 과도한 에러 처리, 중복 로직, 기존 함수 미활용** - 유지보수가 필요한 코드에는 직접 작성이 **장기적으로 더 빠름** — AI 코드는 나중에 수정할 때 멘탈 모델이 부재 - Claude가 HTML 새니타이저를 **커스텀 정규식으로 교체**하려 한 사례 — 테스트는 통과하나 보안 취약점 - 인증이 있는 API를 만들면서 **누구나 새 API 키를 PUT할 수 있는 라우트**를 추가한 사례 - AI는 코드베이스 복잡성을 줄이는 **프로액티브한 리팩토링을 거의 하지 않으며**, 로직 중복, 불필요한 추상화, 의존성 순환을 계속 누적 - 200K LOC 코드베이스를 99.5% AI로 작성한 사례도 있으나, **엄격한 TDD와 매 라인 리뷰**가 전제 ### 스킬 퇴화와 심리적 영향 - "내 게으름 스타일을 잘 알기 때문에 **스킬이 퇴화할 것**" — AI 코드 생성을 아예 사용하지 않는 선택 - 한 동료는 6개월 전 AI 의존을 인정하며, 중단하려 하지만 **약물 중독처럼 쉽게 손이 감** - 주니어 개발자가 지난 1년간 **점점 더 엉뚱한 MR을 제출**, AI 사용 흔적 발견 - 시니어 엔지니어: "코딩 스킬이 퇴화하는 것을 알지만, 코딩이 내가 진정 즐기던 부분인지 확신이 없음" — **설계와 아키텍처에 더 많은 시간 투자** - 개인 프로젝트에서 AI로 10배 빠르게 만들지만, **"내가 만든 게 아니라서" 연결감이 없고** 완성까지 동기가 사라짐 - "AI가 좋아하던 부분을 잘 하고, **싫어하거나 지치는 부분에 더 많은 시간**을 보내게 됨" — 전반적 스트레스 증가 - 3년차 엔지니어: AI가 90%를 할 수 있지만, **나머지 10%를 하려면 그 90%의 멘탈 모델**이 필요하고, 그건 직접 코딩해야만 형성됨 ### 효과적인 워크플로우와 베스트 프랙티스 - **스펙 → 계획 → 비평 → 계획 개선 → 구현** 흐름이 가장 높은 품질 산출 - Plan Mode 활용 후 구현, 구현 후 같은 모델로 **코드 리뷰 추가**(별도 세션 권장) - **AGENTS.md / CLAUDE.md** 파일로 코딩 스타일, 패턴, 금지 사항 문서화 — 세션 종료 시 업데이트 - 에이전트에 **자체 디버깅·검증 능력** 부여: 테스트 실행, 로그 확인, 스크린샷 검증 등 - 제약 조건을 사전에 명시("표준 라이브러리만, 새 파일 없이, 50줄 이내")하면 **결과 품질이 극적으로 향상** - 여러 에이전트 간 **상태 파일(mechanical ledger)** 운용: 커밋, 테스트, 패치 실패를 기록해 새 세션이 메모리 대신 **실제 상태에서 컨텍스트 재구축** - Git worktree 활용으로 **여러 작업을 병렬 진행**하면서 컨텍스트 분리 ### 비기술적 역할과 AI의 확장 - PM/운영 디렉터: 프로그래머 없는 소규모 회사에서 지난 1년간 **12개 내부 도구 구축**, 개발 개념을 놀라운 속도로 학습 - 비기술 공동창업자: 기능적 프로토타입 생성 가능하나 **프로덕션 수준으로의 전환은 엔지니어 필요** — 페어 프로그래밍이 설계 문서보다 생산적 - 비기술 관리자가 MS Copilot으로 생성한 ESRI Arcade 코드 디버깅에 **3시간 페어 세션** 투입 — "AI 디버깅 전문가" 역할이 새로운 청구 가능 업무로 부상 ### 도메인별 효과 차이 - **웹/API 개발**: A등급, 아키텍처부터 패키지 호환성 디버깅까지 전 스택에서 효과적 - **Unity/게임 개발**: C- 등급, 씬 그래프·컴포넌트 모델·하드웨어 의존 동작 이해 불가 - **의료 영상**: 전문 지식 부족으로 실패, **성능 최적화 제안이 실제 데이터에서 전부 개선 실패** - **Rust 애플리케이션**: 그린필드 Python/웹에서는 효과적이나, **100K LOC 미만 Rust 앱**에서 에이전트 워크플로우 비생산적 - **신호 처리, 임베디드, HPC**: 환각 빈도 높고 **외부 미문서 API** 작업 시 사실상 무용 - **C++ 그래프 알고리듬**: 결과가 **극도로 비선형적** — 한 번에 맞거나 완전히 실패, 중간이 없음 ### 업계 전망과 우려 - "5~7년 내 CEO/CFO 수준의 AI 맹목이 **심각한 인재 부족과 급여 3배 상승**으로 이어질 것"이라는 전망 - "중간 레벨이 공동화되고, 방향 설정·조율·실행하는 **소수의 시니어만 남을 것**"이라는 우려 - AI가 **재귀적 자기 개선 단계**에 진입 중이며, 6개월 후 어디까지 갈지 예측 불가능 - MIT 논문에서 모델 **폭(width) 스케일링의 한계**가 확인되었고, 훈련 데이터 고갈과 합성 데이터의 품질 저하 문제 - "모두 실직하거나, 대규모 시장 붕괴가 임박하거나, 둘 다" — **흥미롭지만 불안한 시대** - 프리랜서 시장: 장기 관계 기반 프리랜서는 아직 **둔화 미감지**, 단발성 소규모 작업은 AI로 대체 가능성 ### AI를 사용하지 않는 선택 - LLM 사용 전 동료의 기존 자동화가 있었으나, AI가 **멍청한 주니어를 돌보는 느낌**이라 흥미 상실 - "어떤 문제도 해결하지 못하고 새로운 문제만 도입하는 함정" — 본인 작업에 AI 사용을 **정책적으로 금지** - 로보틱스 분야: C++과 Python 사용, AI 코딩 시도 시 **반쯤 작동하는 쓰레기**만 산출, 자연어로 설명하는 것이 고통 - 직접 코딩을 통해 코드 아키텍처와 기술적 미래를 사고하는 과정이 **절대 위임할 수 없는 가치** ## Comments ### Comment 53116 - Author: neo - Created: 2026-03-16T13:33:37+09:00 - Points: 1 ###### [Hacker News 의견들](https://news.ycombinator.com/item?id=47388646) - 요즘 제일 힘든 건 **매니저들이 Claude로 50페이지짜리 설계 문서나 PRD를 만들어서** “검토 부탁”이라며 보내는 일임 아무도 안 읽고, 작성자조차 이해 못함. 어떤 직원들은 끝없는 슬라이드 덱을 생성하고 질문하면 얼버무림 심지어 오랫동안 코드를 안 짜던 사람들이 AI 덕분에 다시 코드를 제안하는데, 이상한 아이디어가 많음 나는 프로덕션 코드는 직접 손으로 쓰고, AI는 버그 검토용으로만 씀. 단순한 부하 테스트용 스크립트 정도는 AI에 맡김 - 예전엔 30분 걸리던 DB 성능 이슈 해결이 이제는 **37페이지짜리 문서**로 바뀜. 설명, 계획, 위험 분석까지 다 들어가서 멋져 보이지만 시간 낭비임 - 나도 이 문제로 퇴사했음. 매니저가 무료 ChatGPT를 쓴 것 같은데, 문서가 **의미 불명한 장문**이라 검토 요청받을 때마다 지침 - 누가 명백히 AI가 쓴 문서를 나한테 던지면, 나도 AI로 요약시킴. 아니면 직접 찾아가서 설명하라고 함 - 내 경험상 LLM은 내가 나중에 직접 수정할 필요 없는 코드에는 괜찮지만, **디자인 능력은 형편없음** - 우리 회사 매니저들도 LLM으로 **Jira 티켓을 자동 생성**하는데, 말도 안 되는 구현 세부사항이 들어가서 주니어들이 혼란스러워함. 결국 시니어들이 뒷수습함 - 팀 분위기 탓도 있지만, AI 때문에 일이 정말 **지루하고 힘들어짐** 큰 기능을 구현 중이었는데, 동료들이 내 예전 코드를 Claude에 넣고 “완성본”이라며 가져옴 결과물은 비즈니스 요구사항이 틀리고 버그 투성이였음. 내 코드를 개선하려는 의도는 좋았지만, “Claude가 마무리해줄 거야”라는 태도는 모욕적이었음 - 요즘 창업자들이 **생산성 집착**에 빠져 있음. 모든 걸 자동화하려고 하지만, 왜 하는지도 모를 때가 많음 이제는 “모른다”고 말할 자유도 없음. 프롬프트 한 줄이면 답이 나오니까, 백엔드 개발자도 프론트엔드까지 떠맡게 됨 - 이건 AI 문제가 아니라 **팀 구조 문제** 같음. 왜 동료들이 네 책임을 대신하나? 매니저는 뭐하나? - 누가 예전 코드로 작업하려 하면 그냥 “최신 코드 써라”고 말해야 함 - 회사에서는 AI 덕분에 일이 **끝없는 정리 작업**으로 변했음 상위 개발자들이 AI로 만든 코드를 나한테 넘기면, 나는 그걸 정리하느라 고생함 예를 들어 한 팀이 만든 기능을 메인 코드베이스에 병합해야 했는데, **API 설계가 전혀 안 맞고 불필요한 코드가 산더미**였음 결국 일주일 넘게 리팩터링하느라 지체됐고, 오히려 내가 느려 보였음 반면 개인 프로젝트에서는 AI 덕분에 빠르게 실험하고 배우는 재미가 있음 하지만 회사에서는 **중간 레벨 개발자들이 사라질 미래**가 보임. 리더와 주니어만 남고, 그 사이 계층은 점점 줄어들 것 같음 - 이런 상황에서 그냥 묵묵히 정리만 하면 문제의 일부가 됨. **AI 코드 품질 책임**은 여전히 작성자에게 있음 - 이런 태스크엔 [“code proven to work” 링크](https://simonwillison.net/2025/Dec/18/code-proven-to-work/)를 보내버림. 검증 안 된 AI 코드로 사람을 고생시키는 건 비전문적임 - API 설계 검증은 CI에서 자동으로 막아야 함. 통과 못 하면 PR 병합 금지해야 함 - 깨진 코드를 받으면 그냥 “이건 작동 안 함, 다시 해야 하나?”라고 되물음 - AI가 만든 **불필요한 에러 처리나 중복 파싱 코드**가 특징임. 이런 건 결국 사람이 정리해야 함 - 이런 정리 작업은 **가장 고된 일**임. 구조적 결함을 고치는데도 인정은 못 받음 - 나는 AI를 전혀 쓰지 않음. 내 **게으름 스타일**을 잘 알아서, 쓰기 시작하면 실력이 퇴화할 걸 앎 동료 중 한 명은 이미 그걸 느끼고 코드 생성은 끊었지만, 너무 편해서 중독 같다고 함 또 다른 동료는 AI 코드가 **유지보수에 부적합**하다고 느껴서 중단함. 대신 질문용으로만 씀 주니어 한 명은 오히려 실력이 퇴보했음. AI가 짠 코드 구조가 그대로 드러남 - 나도 ChatGPT Pro로 **수학 공부**는 하지만, 프로그래밍에는 절대 안 씀. 코딩 감각을 잃을 게 뻔함 급할 땐 API 레퍼런스용으로만 잠깐 씀 - 코드를 손으로 쓰는 능력의 **퇴화**는 진짜임. 종이지도 대신 Google Maps 쓰는 것과 같음 하지만 AI가 만든 코드를 유지보수 못 한다는 주장은 논리적으로 납득이 안 됨. 마음에 안 들면 다시 생성하면 됨 실제로 AI가 전체 프레임워크를 재작성한 사례도 봤음 - 나도 처음엔 싫어했지만, 지금은 **AI 없이는 못 사는 상태**임. 속도는 5배 빨라졌지만, 가끔 맥락을 잃고 한 주를 날림 - 나는 AI로 아이디어나 테스트를 논의하지만, **이해 없이 맡기진 않음** 엔지니어의 가치는 이해력에 있음. 이해 없는 자동화는 인간 자본의 퇴화임 - 나는 Amazon 엔지니어로, 내부 **Kiro 하네스와 Opus 4.6**을 씀 생산성은 회사에서 2~4배, 사이드 프로젝트에서는 10배 이상 향상됨 예전엔 야근해야 했는데, 이제 9–5 근무로도 더 많은 기능을 냄 AI는 단순 코딩뿐 아니라 **배포 자동화, 데이터 분석, 디버깅**에도 유용함 예를 들어 코드 수정 후 gamma 환경에 배포하고 CloudWatch 로그로 검증하는 루프를 AI가 대신 돌림 덕분에 2주 만에 한 달치 기능을 완성함. SWE가 먼저 자동화될 거란 말은 이해 안 감 LLM의 한계는 있지만, 지금 수준만으로도 **소프트웨어 엔지니어링의 판도가 바뀌고 있음** - 최근 **주니어의 AI 코드 푸시 금지** 소문이 있었는데, 사실인지 궁금함 - 나도 Linear와 Coder.com을 연결하는 브리지 서비스 배포에 AI를 써봤는데, **kubectl과 MCP 통합 자동화**가 신세계였음 - 왜 이직 준비 중인지, 현재 일에서 못 하는 게 뭔지 궁금함 - 나도 공감함. 예전엔 쓸모없는 기술을 배우느라 시간을 낭비했는데, AI 덕분에 **환경 세팅과 학습 속도**가 훨씬 빨라짐 다만 AI가 만든 **품질 낮은 코드 폭증**이 걱정임 - “Amazon 엔지니어”라는 말, 혹시 **공식 발언**인가 궁금함 - 나는 FAANG에서 일함. 업무에서는 AI가 거의 **도움이 안 됨** 디자인 문서 요약이나 코드 검색 정도만 쓸 만함. 실제로 **작동하는 커밋을 받은 적은 없음** 주변에서도 성공적으로 쓰는 사람을 못 봤음. 하지만 개인 프로젝트에서는 **작은 신규 작업**에선 확실히 10배 빠름 회사 코드베이스가 너무 크고 복잡해서 그런 듯함 - 반대로 나는 AI로 **Terraform부터 빅데이터 프로젝트까지** 1만 줄 넘게 작성함 95%는 완벽히 작동하고, 문제 생길 부분도 예측 가능함. 동료가 데이터 샘플링 요청했을 때도 즉석에서 해결함. 예전엔 몇 시간 걸릴 일을 대화 중에 끝냄. **못 하던 일은 할 수 있게, 어렵던 일은 쉽게, 쉽던 일은 더 빠르게** 됨 - 나도 짧은 스크립트엔 유용하지만, **모르는 영역에서는 오히려 느려짐** - 나도 FAANG인데, 최근 **사내 AI 툴이 급격히 개선**됨 프로토타입 제작이 빨라졌고, LLM이 API 설계 결함을 지적해준 적도 있음 다만 너무 빠른 코드 생성은 리뷰 속도를 초과하므로, **작은 단위로 생성**하는 게 핵심임 테스트 수정이나 외부 빌드 오류 추적에도 큰 도움을 받음 지금처럼 **재미있게 일한 건 오랜만**이지만, 동시에 일자리 불안감도 큼 - FAANG 코드베이스는 **폐쇄적 내부 프레임워크**가 많아서, LLM이 학습하지 못한 영역임 그래서 결과가 부정확한 건 당연함 - 나도 동의함. **작을수록 잘 작동**함. 대규모 코드에는 부적합함 - 대형 기술기업에서 일하는데, 코드베이스가 거대하고 복잡함 처음엔 AI를 꺼렸지만, 지금은 **코드 탐색과 구조 이해**에 큰 도움이 됨 예전엔 며칠씩 걸리던 분석을 AI가 대신함. 코드 생성은 주로 **보일러플레이트 완화용**으로만 씀. 품질은 낮지만 손으로 다 쓰는 것보단 약간 빠름 개인 프로젝트에서는 큰 차이 없지만, **ChatGPT와 대화하며 사고 정리**하는 건 즐김 - 이런 식의 **이해 보조용 활용**이 가장 안전하고 효과적임 결국 사람이 맥락을 이해하고 검증하는 게 중요함 - 프리랜서로 오래 일했는데, AI는 **생산성에 거의 도움이 안 됨** 클라이언트에 낼 코드를 검토하면 항상 **불필요한 복잡성, 성능 문제, 유지보수 리스크**가 있음 물론 간단한 자동화 작업엔 쓸 만하지만, 전체적으로는 손이 더 감 - 프리랜서는 AI 덕분에 오히려 **더 많은 일**을 해야 함 빠르게 끝냈다고 하면 품질 의심받고, 모델 사용료까지 부담해야 함 결국 하루 종일 터미널과 싸우는 신세임. 그래도 예쁜 TUI는 많이 생김 - 프리랜서 시장 자체가 **AI로 인해 축소**되는 것 같음. 단발성 작업 의뢰가 점점 사라짐 - 내겐 AI가 **순이익보다 손해가 큼** 코드 리뷰나 검색엔 좋지만, 실제 코딩은 항상 다시 써야 함 결과물은 마치 시험만 통과하려는 학생이 쓴 코드 같음 “이번엔 잘 되겠지” 하며 시도하지만 결국 시간 낭비임. **자바스크립트 프레임워크 유행** 때와 비슷한 느낌임 - 나도 그래. AI가 버그 탐색이나 코드 이해엔 탁월하지만, **품질을 신경 안 쓰면**만 잘 작동함 문제는 코드 품질이 정말 중요한가 하는 의문임. 모듈화가 충분하다면, 품질 낮은 모듈은 **다시 생성하면 그만**이니까 그래서 더 불안함. 어쩌면 진짜로 우리는 곧 대체될지도 모름 - 놀랍게도 HN 분위기가 **AI에 비관적**이라 의외임 나는 10년차 엔지니어인데, 트위터의 절반은 진짜임 우리 팀은 3명으로 **10만 DAU 앱을 유지**하고 있음. 예전엔 10명이 필요했을 일임 버그 리스트도 없고, 코드 품질도 손코딩 때보다 나쁠 게 없음 **리팩터링 빈도**가 오히려 늘었고, 속도는 폭발적임. 정말 만족함 - HN이 부정적인 건 이해됨. 하지만 AI는 이미 **인간보다 코드 이해력이 뛰어남** 다만 지금은 코드를 계속 추가만 해서 복잡도가 폭발할 위험이 있음 그래도 **6개월 뒤엔 완전히 달라질 수도 있음**. 지금은 흥미롭고 동시에 두려움 - 대부분의 개발자들이 아직 **두려움과 혼란** 속에 있음. 하지만 작은 팀일수록 AI로 **폭발적인 생산성**을 내고 있음 - 100k DAU라니, 링크 좀 보고 싶음 - 그 규모면 곧 **복제 앱이 쏟아져** 사용자 대부분이 빠질 수도 있음