AI 코딩 어시스턴트를 선임 엔지니어처럼 활용하는 8가지 전략...코딩 전 계획 단계에 AI 투입해 개발 효율 극대화

에브리의 키어런 클라센 Cora 총괄이 AI를 활용한 체계적 개발 방법론 공개. 병렬 리서치로 시간 절약.

[한국정보기술신문] 에브리(Every)의 이메일 제품 Cora를 총괄하는 키어런 클라센(Kieran Klaassen)이 AI 코딩 어시스턴트를 선임 엔지니어 수준으로 활용하는 구체적 전략을 공개했다. 지난 7일 에브리 미디어를 통해 발표된 이 방법론은 코딩에 앞서 AI에게 계획을 수립하게 함으로써 개발 속도와 품질을 동시에 높인다는 점이 핵심이다.

클라센은 Cora의 이메일 대량 처리 기능을 개발하면서 이 방법론을 적용했다. 5만 3천 개의 이메일을 처리하는 단순해 보이는 작업이었지만, AI 리서치 에이전트를 통해 사전 계획을 수립한 결과 Gmail API 제한, 시스템 타임아웃, 사용자 대기 시간 등 다양한 문제점이 발견됐다. 20분간의 사전 계획으로 3일간의 아키텍처 작업이 필요한 복잡한 프로젝트임을 파악한 것이다.

병렬 리서치로 효율성 극대화

클라센이 제시한 방법론의 핵심은 여러 AI 에이전트가 동시에 다른 종류의 지식을 수집하는 병렬 리서치 방식이다. 5개의 에이전트가 병렬로 조사하는 것이 사람이 단계별로 계획하는 것보다 훨씬 빠르다는 설명이다. 개발자는 취향과 판단, 제품 방향성에 대한 맥락을 제공하는 역할을 담당한다.

그는 작업의 난이도에 따라 8가지 연구 전략을 선택적으로 사용한다고 밝혔다. 한 줄 수정이나 명확한 버그 수정 같은 간단한 작업부터 무엇을 만들지조차 불분명한 대규모 기능까지 난이도를 3단계로 구분해 적절한 전략을 적용한다.

8가지 핵심 전략

첫 번째 전략은 재현 및 문서화다. 버그 수정 전 문제를 재현하고 모든 로그와 정보를 수집한다. Cora 출시 직후 19명의 사용자가 이메일 아카이브 작업에서 멈춘 문제가 발생했을 때, AI가 에러 로그를 분석해 Gmail 속도 제한 오류가 무시되고 있음을 5분 만에 파악했다.

두 번째는 모범 사례 기반 전략이다. 웹 검색을 통해 다른 개발자들이 유사한 문제를 어떻게 해결했는지 찾는다. 라이브러리 업그레이드 시 공식 가이드와 실제 업그레이드를 진행한 엔지니어들의 블로그를 찾아 시행착오를 줄인다.

세 번째는 자체 코드베이스 기반이다. 새 기능 추가 전 기존 코드에서 유사한 패턴을 검색한다. 이벤트 추적 시스템을 새로 만들려다가 이미 존재하는 시스템을 발견해 중복 개발을 방지한 사례가 있다.

네 번째는 라이브러리 소스코드 분석이다. 문서화가 부족한 빠르게 변화하는 라이브러리의 경우 직접 소스코드를 읽어 미공개 기능을 찾아낸다.

다섯 번째는 Git 히스토리 연구다. 과거 코드 변경 이력을 분석해 의도를 파악한다. 오래된 라이브러리 버전 사용 이유를 조사한 결과, 3개월 전 다른 팀원이 신버전을 테스트했다가 버그로 인해 의도적으로 롤백했음을 발견했다.

여섯 번째는 신속 프로토타이핑이다. 요구사항이 불명확할 때 여러 프로토타입을 빠르게 제작해 사용자 반응을 확인한다. 이메일 인터페이스 재설계 시 5개의 프로토타입을 각 5분씩 제작해 사용자 피드백을 받았다.

일곱 번째는 옵션 제시다. 모든 조사를 종합해 2~3가지 해결 방법을 장단점과 함께 제시한다. Gmail 동기화 기능 개발 시 기존 시스템 활용, 실시간 동기화, 미러 캐싱 시스템 구축 등 3가지 옵션의 복잡도와 성능, 유지보수 부담을 비교 분석했다.

여덟 번째는 스타일 에이전트 검토다. 완성된 계획을 전문 검토 에이전트에게 점검받는다. 과도한 엔지니어링 방지, 보안 취약점 검사, 개인 코딩 선호도 준수 등을 자동으로 확인한다.

실전 적용 가이드

클라센은 이 시스템을 에브리의 Github 마켓플레이스에 오픈소스로 공개했다. Claude Code에 설치하면 즉시 계획 명령어와 리서치 에이전트를 사용할 수 있다.

그는 간단한 시작 방법도 제시했다. 이번 주 개발할 중간 난이도 기능을 선택한 뒤 15~20분간 모범 사례, 자체 패턴, 라이브러리 기능을 조사한다. AI가 이를 종합해 명확한 문제 정의, 2~3가지 해결 방법, 기존 코드 패턴 매칭, 엣지 케이스 고려사항을 담은 계획을 작성한다.

계획을 검토하며 자신의 반응을 기록하는 것이 중요하다고 강조했다. 이것이 너무 복잡하다거나 더 나은 방법이 있다는 생각이 들 때마다 그 이유를 문서화한다. 기능 완성 후 계획과 실제 구현을 비교하고 차이점과 개선점을 10분간 정리한다.

클라센은 이런 과정을 매주 반복하면 몇 달 후 개발자의 사고방식을 이해하는 시스템이 완성된다고 설명했다. AI가 단순히 코드를 작성하는 것이 아니라 선임 엔지니어처럼 사전 조사와 계획을 수립함으로써 개발 효율과 품질이 크게 향상된다는 것이다.

한국정보기술신문 인공지능분과 이준 기자 news@kitpa.org