AI-First 명령: 이것이 소프트웨어 엔지니어링의 미래인가?
점점 더 많은 조직이 "AI-First"라는 라벨을 얻기 위해 경쟁하고 있으며, 종종 소프트웨어 엔지니어링 워크플로우를 근본적으로 변화시키는 공격적인 명령을 시행하고 있습니다. 일부 극단적인 사례에서는 엔지니어가 단 한 줄의 코드도 직접 작성하지 말고, 대신 AI 에이전트와 독점 프레임워크의 복잡한 네트워크에 의존하라는 지시를 받기도 합니다. 속도에 대한 약속은 매력적이지만, 현장의 현실은 경영진의 비전과 엔지니어링 현실 사이의 극명한 대조를 드러내는 경우가 많습니다.
"AI-First" 명령의 부상
최근 소프트웨어 엔지니어들 사이의 논의에서, 한 개발자는 Fortune 500대 기업 중 하나에서의 끔찍한 경험을 공유했습니다. 팀의 개발 방식은 단순히 AI로 워크플로우를 보강하는 것이 아니라, 코딩의 인간적 요소를 완전히 대체하는 것입니다. 이 "AI-First" 전략에는 다음이 포함됩니다:
- AI 사용 의무화: Claude와 같은 LLM 사용이 요구되며, 100개 이상의 에이전트와 스킬 파일로 구성된 독점 프레임워크와 결합됩니다.
- 에이전트 주도 코드 리뷰: 품질 보증의 인간적 요소가 자동화된 에이전트 리뷰로 대체되고 있습니다.
- 이해도의 저하: 이 접근 방식의 심각한 부작용은 엔지니어가 자신이 완전히 이해하지 못하는 코드를 배포한다는 것이며, 이는 아무도 시스템 아키텍처를 깊이 있게 이해하기 위해 시간을 투자하지 않는 문화로 이어집니다.
이러한 변화는 일부에서 문서화 및 Jira 티켓에서 "소설 같은 슬롭(slop)"을 생성하는 결과로 이어졌습니다. 이는 실질적인 의미나 정밀함이 부족한 방대한 양의 텍스트를 생성하는 AI의 능력으로 인한 부산물입니다.
엔지니어링의 반발
경험 많은 개발자들은 이러한 접근 방식이 소프트웨어 개발의 핵심 원칙에 정면으로 반대된다고 주장하며 경고를 울리고 있습니다. 실무자들 사이의 공통된 의견은 AI가 구현을 가속화할 수는 있지만, 지속 가능한 소프트웨어를 위해 필요한 비판적 사고, 제품 판단력, 아키텍처 감독을 대체할 수 없다는 것입니다.
30년 경력의 베테랑 개발자는 현재의 트렌드를 "혼란스럽고, 낭비적이며, 소프트웨어 개발이나 기본적인 의사소통에 대해 내가 배운 모든 것에 정면으로 반대된다"고 설명했습니다.
다른 엔지니어들은 경영진이 이러한 AI 주도 팀의 인지된 효율성을 좋아하는 반면, 실제 엔지니어링 조직은 그들의 결과물에 대한 신뢰가 부족하다는 패턴을 발견했습니다. 어떤 경우에는, 사용자가 없고 매일 발생하는 장애로 인해 고통받는 도구(예: MCPs)를 만드는 데 이르게 되며, 이는 시스템적 불안정성을 가리는 생산성의 허상(facade)을 만듭니다.
오케스트레이션 vs 구현
좌절감에도 불구하고, 워크플로우가 변화하고 있다는 점은 인식되고 있습니다. 소프트웨어 엔지니어의 역할은 코드를 작성하는 사람에서 시스템의 오케스트레이터(orchestrator)로 진화하고 있습니다.
"나는 모든 것을 처음부터 작성하는 사람보다는 오케스트레이터/리뷰어로서의 역할이 점점 더 커지고 있습니다. AI는 구현을 극적으로적으로 가속화하지만, 제약 조건/제품 판단력은 여전히 인간의 비중이 매우 높아야 합니다."
이는 절충안을 시도할 수 있음을 시사합니다: AI를 사용하여 보일러플레이트(boilerplate)와 구현 세부 사항을 처리하고, 인간은 고수준 설계, 제약 조건, 그리고 제품-시장 적합성(product-market fit)에 집중하는 것입니다. 위험은 "오케스트레이터"가 자신이 이해하지 못하는 코드를 배포하도록 강요받을 때 발생하며, 이는 인간의 이해라는 안전망을 것을 제거합니다.
결론: 불확실성의 상태
업계계는 현재 변동의 상태에 있습니다. 일부는 현재의 AI 주도 혼란을 "슬픔(grief)"이나 망상(delusion)의 일시적인 단계로 보며, 다른 이들은 우리가 단순히 새로운 베스트 프랙티스를 발견하는 과정에 있다고 믿습니다.
"AI-First" 명령이 지속 가능한 모델인지 아니면 기업의 환상인지 여에 관계없이, 한 가지는 분명합니다: 시간은 5년 전으로 되돌릴 수 없습니다. 차세대 소프트웨어 엔지니어링의 과제는 AI 생성의 속도와 인간의 이해라는 엄계한 rigor의 균형을 것을 찾을 것입니다.