스펙 주도 개발(Spec-Driven Development)이 규모에서 실패하는 이유와 해결책
(arcturus-labs.com)이 포스트는 스펙 주도 개발(사양서 기반 개발)이 AI 에이전트를 활용한 코딩 작업에서 유망하지만, 글로벌 제품 맥락에서 자연어 스펙의 모호성으로 인해 대규모로 확대될 때 실패한다고 주장한다. 저자는 이를 해결하기 위해 코드와 대화형 AI를 통합한 "살아 있는 스펙(living specifications)"의 계층적·진화적 시스템을 제안하며, 이는 제품 결정의 피드백 루프를 형성해 불일치를 줄이고 효과적인 대규모 AI 지원 개발을 가능하게 한다.
스펙 주도 개발이 대규모에서 실패하는 주요 이유
전통적인 스펙 주도 개발은 다음과 같은 이유로 글로벌 제품 스펙에서 문제가 발생한다:
-
자연어 스펙의 모호성: 대규모 스펙은 자연어로 작성되어 부정확하고 모호하다. AI가 스펙에 일관되게 코드를 생성하지만, 개발자의 의도와 다를 수 있다. 예를 들어, 전체 웹사이트 제품 스펙을 작성하고 AI 에이전트가 2일 만에 구축하면 결과물이 스펙과 맞지만 의도와 어긋난다. 이를 해결하려 모호성을 명확히 하기 위해 세부 섹션을 무한히 추가하면 문서가 지나치게 장황해져 스펙 작성의 이점을 잃고, 결국 코드와 다를 바 없는 형식화된 언어가 된다.
-
공유 맥락과 세계 이해의 부족: AI는 공개 데이터로 광범위한 지식을 가지지만, 회사 특유의 관행, 코드베이스 규칙, 내부 "작업 방식"을 이해하지 못한다. 반면 인간은 시행착오, PR 리뷰, 미팅, 비공식 대화를 통해 이를 축적한다. 단일 컨텍스트 문서만으로는 이를 포착할 수 없다.
-
명확화 처리의 비효율성: 인간은 공유 맥락으로 관련 모호성만 효율적으로 해결하지만(예: 라이브러리 선택처럼 명확한 부분은 묻지 않음), AI는 맥락의 미묘함이 부족해 불필요한 질문을 하거나, 명확화 능력이 아직 초기 단계다. 이는 AI를 "지나치게 야심찬 인턴"처럼 만들어 지속적인 지도가 필요하게 한다.
이러한 문제로 글로벌 스펙 주도 개발은 추가 메커니즘 없이 비현실적이며, 인간 협업의 원활함을 따라잡지 못한다.
구체적 예시
- 극단적 스펙 주도 시나리오: 개발자가 전체 웹사이트 스펙을 작성하고 AI가 2일 만에 완성된 제품을 생성하지만, 모호성으로 인해 의도와 다르다.
- 인간 학습 과정: 개발자가 초기 코드 변경, PR 리뷰, 미팅, 복도 대화를 통해 회사 규범을 배우는 반면, AI는 이러한 암묵적 지식을 축적하지 못한다.
- 노화된 코드베이스: 전통 워크플로에서 개발자들이 스펙 없이 코드를 읽고 변경하다 보니 불일치한 "패치워크 퀼트(patchwork quilts)"가 되며, 잃어버린 제품 결정이 "짓밟힌다(trammeling over)".
이전 포스트(로밍 RAG 관련)를 참조해 AI가 계층적 링크 구조를 탐색하는 데 능숙함을 언급한다. 형식적 사례 연구는 없고, 가설적·설명적 예시 중심이다.
제안된 해결책
포스트는 모호성 처리, 맥락 구축, 코드 통합을 중점으로 한 연결된 해결책을 제안한다:
대화형 명확화를 통한 명확화 활성화
- AI와 개발자 간 백앤포스 상호작용(예: 채팅 경험)을 구현해 스펙의 모호성을 식별하고 명확히 한다. 작은 작업에서는 AI가 스펙의 여러 구현 버전을 생성해 모호성을 드러낸 후, 개발자와 비교·논의한다.
계층적 스펙을 통한 에이전트 세계관 구축
- 회사·코드베이스 규범을 이해하기 위해 계층적 구조의 글로벌 스펙을 사용. 단일 거대 문서 대신 메인 스펙을 하위 스펙 문서에 링크:
- 파일별 스펙(디렉토리 롤업 버전)처럼 코드 구조에 엄격히 연동.
- 자유 형식 위키 스타일(하지만 과도한 복잡성 주의).
- AI의 링크 탐색 능력을 활용(이전 포스트 참조).
코드의 궁극적 스펙으로서의 역할
- 기존 코드를 저수준 가정의 명확한 "리프 레벨" 스펙으로 취급. 마스터 스펙에서 완전 재생성 대신 현재 코드베이스에 기반한 변경을 지향. 자연어가 매번 동일 출력을 보장할 수 없음을 인정하고, 불가능한 정밀도 요구를 피한다.
살아 있는 스펙: 사용과 진화
- 스펙을 코드베이스와 함께 진화하는 "살아 있는 문서"로 만듦:
- AI가 글로벌 스펙을 탐색해 구현을 일치시키며, 인간 워크플로보다 우수하게 제품 결정을 보존.
- 개발자가 AI와 대화로 관련 스펙 정보를 추출(전체 읽기 불필요); 스코핑 시 불일치 플래그.
- 코드 변경 시 스펙 업데이트 트리거: 변경을 기존 스펙과 비교·편집, PR에 스펙 변경 포함.
- 이점: 엔지니어의 변경 영향 이해 용이, 제품 관리자 참여 증대(읽기 쉬운 스펙 편집), 경영진의 제품 진화 쿼리 지원. 전통 문서처럼 업데이트되지 않는 문제를 AI가 자동화.
결론 및 추천
스펙 주도 개발의 미래는 자연어 스펙 완벽화가 아닌, 대화·계층적 맥락·코드 기반으로 모호성을 처리하는 시스템에 있다. 진정한 돌파구는 AI가 유지하는 살아 있는 스펙으로, 제품 결정 보존·맥락 유지·스펙-구현 격차 소멸의 피드백 루프를 만든다. 추천: 코드와 대화형 AI를 통합한 계층적·진화 스펙 채택으로, 전통 인간 개발을 능가하는 확장성 있는 AI 워크플로를 실현.