나날이 발전하고픈 개발자를 위한 AI 활용법 (290p 슬라이드)
(stdy.blog)지난주 라인플러스에서 "나날이 발전하고픈 개발자를 위한 AI 활용법"라는 제목으로 특강을 했습니다.
향후 유튜브에도 올릴 생각으로 지난 몇달(또는 몇년)동안 고민한 걸 최대한 다 넣었더니 230페이지 정도가 만들어졌고, 실제로 다룬 내용은 2/3 정도였어요.
이후 더 제대로 수정을 거쳐 최종 290장으로 버전 2가 완성됐습니다.
하단에는 Gemini로 요약한 내용 남겨둡니다.
들어가며
- AI 리터러시 격차: 사람들 사이의 AI 활용 능력 격차가 매우 크며, 최신 AI가 무엇을 어디까지 할 수 있는지 인지하는 것만으로도 격차를 크게 줄일 수 있음.
- 꾸준한 학습의 중요성: 다양한 AI 도구를 꾸준히 사용하며 배우고 잊는(learn & unlearn) 자세를 유지하지 않으면 격차는 다시 벌어짐.
- 개발의 확장: 과거 개발자는 주로 '구현' 단계에 집중했으나, 이제는 AI를 활용해 아이디어부터 마케팅, 운영까지 제품 개발 전 과정에 관여하는 것이 가능해짐.
1부: 코딩 도우미로서 AI를 더 똑똑하게 사용하는 방법
- 코딩 도우미의 진화: 단순 자동완성(VSCode IntelliSense)에서 시작해, AI 기반 코드 스니펫 생성(TabNine, GitHub Copilot)을 거쳐, 이제는 자연어로 소통하며 0에서 1을 만드는 '바이브 코딩'과 '코딩 에이전트'의 시대로 발전함.
- AI 성능과 비용의 변화: LLM의 성능은 급격히 발전하고 비용은 빠르게 하락하고 있으며, AI가 자율적으로 완료할 수 있는 작업의 길이와 복잡도 또한 빠르게 증가하고 있음.
- 개발의 본질: '코딩'의 도구는 천공 카드에서 자연어로 변했지만, '코딩으로 문제를 해결하는 사람'이라는 개발자의 본질은 변하지 않음.
- AI 위임과 관리: AI와의 협업은 사람에게 일을 위임하는 것과 유사함. AI의 역량 수준에 따라 위임의 단계를 조절하고(통보, 설득, 상의, 합의, 조언, 질의, 위임), 블랙박스인 LLM의 작동을 관찰하며 모니터링하는 것이 중요함.
- 컨텍스트 엔지니어링: AI에게 '어떻게(How)'보다는 '무엇을(What)'과 '왜(Why)'를 명확히 전달하는 것이 중요함. 이를 위해 상황(Situation), 작업(Task), 의도(Intention), 우려(Concern), 조정(Calibration)을 담은 STICC 프레임워크가 유용함.
- 도구(MCP) 활용: 코딩 에이전트의 능력을 극대화하기 위해 MCP(Model Context Protocol) 서버를 활용할 수 있음. 단, 너무 많은 도구를 연결하면 성능이 저하될 수 있으므로, 브라우저 제어(Playwright)나 코드 이해력 향상(Serena)처럼 핵심적인 기능만 선별적으로 사용하는 것이 효과적임.
- 버전 관리의 확장: 코드뿐만 아니라, 코드를 생성하기 위해 AI에게 전달한 프롬프트와 컨텍스트(계획 문서 등)까지 버전 관리의 대상으로 삼는 실험이 필요함.
2부: 제품 개발 과정 전반에서 AI를 더 똑똑하게 사용하는 방법
- 문제 해결 프레임워크: 제품 개발은 '문제 정의 → 해결책 구현 → 변화 만들기'의 3단계 과정으로 볼 수 있음.
- '내쓸내만'의 중요성: '** 내**가 쓸 것을 내가 만든다'는 접근법은, 특히 AI 코딩 입문자에게 최고의 전략임. 만들기 쉽고, 실력이 빠르게 늘며, 확장도 용이함.
- 사용자 중심 접근: '누구의(사용자) 어떤 문제(목적)를 어떻게(복잡도) 풀 것인가'를 명확히 정의해야 함. 가장 먼저 '나'의 문제를 해결하는 것(개밥먹기)이 중요함.
- 제품 검증: 아이디어 유효성 검증(MVP), 시장성 검증(MMP), 고객 충성도 검증(MLP)을 통해 제품을 발전시켜야 함. 초기에는 스케일이 나오지 않더라도 직접 발로 뛰며 고객 문제를 해결하는 과정이 중요함.
- Build in Public: 제품 제작 과정을 투명하게 공개하며 팬을 만드는 전략. 소규모 창업자에게 효과적이며, '왜'와 '어떻게'를 중심으로 스토리를 전달하는 것이 핵심임.
3부: 이 모든 과정에서 AI 시대에 맞게 주니어/시니어가 효과적으로 학습/성장하는 전략
- 덜 중요해진 것과 더 중요해진 것: 특정 언어 문법 같은 지식의 중요성은 감소했으나, 큰 비전을 설정하고 복잡성을 관리하는 능력, AI의 실수를 인지하고 조정하는 기술, 깊은 도메인 이해, 설계, 학습 능력 등은 더욱 중요해짐.
- 마음가짐 (FOMO 극복): 모든 신규 도구를 따라갈 필요는 없음. 관심 카테고리를 정하고, SNS·뉴스레터 등을 통해 정보가 자연스럽게 흘러들어오게 하며, 건강한 호기심을 유지하는 것이 중요함.
-
학습 전략:
- 신뢰할 만한 리소스 활용: 공식 문서, 전문가와의 대화, 통찰력 있는 글을 깊이 있게 학습해야 함.
- 생성형 지식 추구: '결과(완성형 지식)'보다 결과를 만들어내는 '과정(생성형 지식)'에 집중하고, 도구의 사용법을 도구 자체로부터 배우는 자세가 필요함.
- 고수에게 배우기: 전문가에게는 단순히 답을 구하는 대신, "어떤 신호로 패턴을 인식했는지", "왜 그렇게 판단했는지" 등을 질문하며 사고 과정을 배워야 함.
- 시니어의 역할: 자신의 암묵지를 명시적 지식(가이드, 예시 코드, AI 규칙 등)으로 만들어 조직에 공유하고, 다양한 도메인 경험을 융합해 창발적 아이디어를 내는 것이 중요함.
- 습관 형성: 좋은 습관을 한 번에 만들기보다, '습관을 만드는 습관'(예: 현미경 회고)을 통해 점진적으로 자신을 변화시켜야 함.
- 실행 의도: '내일부터 ~해야지' 같은 막연한 다짐 대신, '** 언제, 어디서, 어떻게**' 할 것인지를 구체적으로 계획('구현 의도')하면 실행 가능성이 대폭 상승함.
맺으며
- 핵심 덕목: AI 시대의 가장 중요한 덕목은 '건강한 의심'과 '호기심'임.
- AI의 한계 인식: AI는 컨텍스트 부족, 환각, 보안, 비용 등 여전히 명확한 한계를 가지고 있음을 인지해야 함.
- 최고의 도구: 현존하는 어떤 AI보다 뛰어난 도구는 결국 인간의 '두뇌'이며, 이를 적극적으로 활용해야 함.