최근 OpenAI의 "Codex를 활용하여 28일 만에 안드로이드용 Sora를 개발한 방법"이라는 기사를 읽었는데, 정말 놀라웠습니다. Sora 안드로이드 클라이언트 앱 코드의 약 85%가 AI에 의해 작성되었다고 합니다. 출시 첫날인 24시간 동안 사용자들은 100만 개 이상의 동영상을 제작했는데, 영상 품질은 일관적으로 높았고 오류 발생률은 99.9%에 달했습니다. 분명히 이 결과에 의문을 제기하는 사람들이 있을 것이고, 심지어 프로그래머들의 미래가 불투명하다고 생각하는 사람들도 있을 것입니다. 제 생각을 공유해 보겠습니다. 간단히 말해서, 최첨단 무기로 무장한 특수부대원 몇 명과 같습니다. 당연히 그들은 무적이죠. 그러니 이 결과를 과대평가할 필요는 없습니다. 우리가 특수부대원이 아니더라도, 이 결과에서 귀중한 교훈을 얻을 수 있을 것입니다. 프레드 브룩스는 저서 《미신적인 맨먼스(Man-Month)》에서 소프트웨어 엔지니어링 분야의 오랜 격언을 남겼습니다. "지연된 소프트웨어 프로젝트에 인력을 추가한다고 해서 반드시 지연되는 것은 아니다." 이는 엔지니어 수를 늘리면 의사소통 비용 증가, 작업 분산, 통합 비용 상승 등으로 효율성이 저하되는 경우가 많기 때문입니다. 팀에 인공지능을 추가하는 건 어떨까요? 팀원들의 AI 관리 능력에 달려 있습니다. "한신이 이끄는 병사가 많을수록 좋다"라는 옛말이 있죠. 팀원들이 한신과 같은 실력을 갖춘다면, AI 에이전트가 많을수록 좋습니다. 오픈AI 안드로이드 팀은 마치 특수부대처럼 단 4명으로 구성되어 있고, 각자 다양한 로봇 보조 장비를 갖추고 있는 정예팀입니다. 그렇다면 그들은 어떻게 해낸 걸까요? 1. 아키텍처 우선: 인간이 먼저 기본 틀을 구축하고, 그 후에 AI가 빈칸을 채웁니다. 이 선반은 어떻게 설치하나요? 팀은 먼저 모듈식 접근 방식, 의존성 주입, 탐색 구조, 인증 프로세스 및 기본 네트워크 계층을 포함하여 앱의 전체 아키텍처를 직접 정의했습니다. 그런 다음 몇 가지 대표적인 기능을 템플릿으로 직접 작성했습니다. 중요한 단계: 그들은 https://t.co/9M2TJcCBVQ와 같은 수많은 파일을 작성했는데, 이는 본질적으로 AI 초보자 가이드입니다. 예를 들어, CI가 이 부분에서 멈추기 때문에 커밋하기 전에 detektFix를 실행하여 형식을 확인해야 한다고 명시되어 있습니다. 이렇게 하면 새 Codex 세션이 시작될 때마다 이러한 사양을 빠르게 읽을 수 있습니다. 마치 신입 사원에게 사내 위키를 제공하는 것과 같아서 반복적인 설명에 드는 비용을 줄여줍니다. 팀은 이를 한 문장으로 요약했습니다. "우리는 코덱스에게 코드를 어떻게 작성해야 하는지 알려줄 필요가 없습니다. 우리 팀에 맞는 올바른 방법을 알려줄 필요가 있습니다." 이는 미묘하지만 중요한 차이입니다. 2. 코드를 작성하기 전에 계획을 세우세요 처음에 그들은 편법을 쓰려고 "이것이 기능 요구사항이고, 관련 문서이니, 가서 구현하세요."라고 말했습니다. 코드는 실행되긴 했지만, 원래 의도와는 완전히 동떨어져 있었고, 예상했던 아키텍처를 전혀 충족하지 못했습니다. 이후 그들은 프로세스를 변경했습니다. 복잡한 기능을 구현할 때, 첫 번째 단계는 AI가 코드를 작성하는 것이 아니라 시스템을 이해하는 것이었습니다. 예를 들어, AI가 관련 파일들을 읽어 API에서 리포지토리, 뷰모델, 그리고 최종적으로 UI로 데이터가 어떻게 흐르는지 요약하도록 했습니다. 그런 다음, 사람이 AI의 이해를 수정했습니다. 일단 이해가 정확해지면, AI는 마치 미니 설계 문서와 같은 구현 계획을 생성합니다. 이 계획에는 수정해야 할 파일, 도입해야 할 새로운 상태, 그리고 논리의 흐름 방식 등이 포함됩니다. 사람이 계획의 타당성을 확인한 후에야 AI는 구현을 시작합니다. 이 계획 단계는 다소 느리게 느껴질 수 있지만, 실제로는 많은 재작업을 방지해 줍니다. 더 중요한 것은, AI의 계획을 파악하고 나면 코드 검토가 훨씬 쉬워진다는 점입니다. 더 이상 수많은 차이점을 멍하니 바라보는 대신, 실행이 계획대로 진행되는지 확인하기만 하면 됩니다. 그들은 또한 작은 비법을 하나 더 가지고 있습니다. 특히 시간이 오래 걸리는 작업의 경우, AI가 계획을 파일에 저장하도록 합니다. 이렇게 하면 세션이 변경되더라도 작업이 계속될 수 있습니다. 여러 Codex 작업이 동시에 실행될 때 개발 경험 전체가 완전히 달라집니다. 도구를 사용하는 느낌이 아니라 팀을 관리하는 느낌이 듭니다. 한 가지 작업은 미디어 플레이어 최적화, 다른 하나는 검색 기능 작성, 세 번째는 오류 로직 처리, 네 번째는 추가 테스트 수행입니다. 각 작업은 독립적으로 진행되며, 때때로 "이 모듈을 계획했는데 어떻게 생각하세요?"라고 보고하거나, 아니면 그냥 큰 변경 사항 목록을 던져줍니다. 엔지니어의 업무는 코드를 작성하는 것에서 의사 결정을 내리고 피드백을 제공하는 것으로 바뀌었습니다. 이제 병목 현상은 코드를 얼마나 빨리 작성할 수 있느냐가 아니라, 머릿속으로 코드를 얼마나 빨리 검토하고 검증할 수 있느냐에 달려 있습니다. 이는 '인력 투입량 기준치'라는 신화가 다시 한번 입증하는 것입니다. 인력이나 요원 수를 무한정 늘릴 수는 없습니다. 3. 최고의 크로스 플랫폼 프레임워크는 AI Agent입니다. 또 다른 흥미로운 추세는 크로스 플랫폼 개발이라는 새로운 패러다임입니다. Sora는 이미 iOS 버전을 보유하고 있습니다. 안드로이드 버전을 개발할 당시, 팀은 iOS 코드베이스를 Codex 환경에 업로드한 후 Codex에 "iOS 코드 구현을 참조하고, 안드로이드 아키텍처를 살펴본 후, 해당 Kotlin 코드를 생성해 주세요"라고 요청했습니다. 그래서 해당 기사에서는 농담조로 "React Native와 Flutter는 잊어라. 미래의 크로스 플랫폼 프레임워크는 Codex다"라고 말합니다. 이 말은 반은 진심이고 반은 농담입니다. 애플리케이션 로직은 이식성이 뛰어나기 때문입니다. 데이터 모델, 네트워크 요청, 유효성 검사 규칙은 Swift로 작성되었든 Kotlin으로 작성되었든 본질적으로 동일합니다. AI는 이러한 종류의 번역 작업에 탁월하며, 충분한 맥락만 주어진다면 언어 간 손실 없는 변환을 수행할 수 있습니다. 돌이켜보면, 왜 우리는 그들을 지나치게 신격화해서는 안 된다고 말하는 걸까요? 비록 인원은 네 명뿐이지만, 한신처럼 각자 뛰어난 리더십을 발휘하며 팀을 이끌고 에이전트를 능숙하게 활용합니다. 하지만 인원이 많다고 항상 좋은 것은 아닙니다. 업무를 배정하고 결과를 검증할 사람은 여전히 필요합니다. 게다가 이미 iOS 코드를 보유하고 있어 많은 로직을 공유할 수 있고, AI는 이를 "번역"하는 역할만 하면 됩니다. 하지만 아직 배워야 할 것들이 많습니다. 아키텍처를 먼저 설계한 다음 AI가 빈 부분을 채우도록 하세요. 이렇게 하면 코드 유지 관리가 쉬워지고 품질이 향상됩니다. 코드를 작성하기 전에 계획을 세워 AI가 행동을 취하기 전에 맥락을 완전히 이해할 수 있도록 하세요. 많은 사람들이 Codex가 너무 느리다고 불평하지만, 저는 오히려 에이전트가 너무 빠르고 예측 불가능하게 행동할까 봐 걱정됩니다. 차라리 조금 더 기다려 AI가 맥락을 더 잘 학습하도록 해서 첫 시도에 성공하도록 하는 것이 낫습니다. 그렇지 않으면 재작업에 훨씬 더 많은 시간이 소요될 것입니다. 인공지능이 모방을 통해 학습할 수 있도록 좋은 참고 자료를 제공하세요. 처음에는 모범 사례를 문서화하는 데 시간을 투자하십시오. 인공지능이 나중에 이러한 모범 사례를 참조하도록 하면 결과물의 질이 크게 향상될 것입니다. 다른 언어로 구현된 코드가 있다면, 인공지능이 이를 "번역"하도록 하는 것도 훨씬 효율적입니다. 이러한 사항들을 준수해야만 AI 기반 개발을 효과적으로 활용할 수 있습니다. AI 기반 개발은 개발 기준을 낮추는 것이 아니라 오히려 높여줍니다. 에이전트는 작고 특정한 작업을 완료하는 데 탁월하지만, 소프트웨어 엔지니어링은 결코 작은 작업이 아닙니다. 소프트웨어 엔지니어링은 끊임없이 변화하는 수많은 작은 작업들로 구성되어 있으며, 이러한 작업들은 세분화되어 인간의 검증을 거쳐야 합니다. 따라서 미래 소프트웨어 엔지니어의 핵심 역량은 단순히 코드를 빠르게 작성하는 것이 아니라, 시스템에 대한 깊은 이해와 인공지능과 장기적으로 협력할 수 있는 능력, 이 두 가지가 될 것입니다. 코딩 비용은 점점 저렴해지고 있지만, 안목은 점점 더 비싸지고 있습니다. 무엇이 옳고, 무엇이 우아하며, 무엇이 미래지향적인지 정의할 수 있는 사람들은 점점 더 희귀해질 것입니다. 인공지능이 벽돌 쌓기 작업을 대신하지만, 설계 작업은 여전히 당신의 몫입니다.
