최근 인공지능(AI) 기술이 개발 프로세스에 깊숙이 통합되면서, 소프트웨어 개발 방식에도 큰 변화가 찾아왔습니다. 특히 AI 어시스턴트가 코드 구현과 브랜치 분해(branch decomposition) 비용을 크게 낮추면서, 개발자들은 이제 '넓게 만들고 좁게 출시하기(adapt.com)'라는 새로운 접근 방식을 고려할 수 있게 되었습니다. 이는 처음부터 작업 경계를 엄격히 나누기보다, 전체 기능을 먼저 완성한 후 실제 코드에 드러나는 경계를 기반으로 작은 단위의 풀 리퀘스트(PR)로 분할하여 출시하는 방식입니다.
이 방법론은 단순히 설계를 생략하는 것이 아닙니다. 오히려 계획을 충분히 검증하고, 새로운 설계라면 명세 문서를 코드보다 먼저 커밋하여 팀의 피드백을 받습니다. 이후 하나의 작업 브랜치에서 종단 간(end-to-end) 기능을 완성하고, 코드 리뷰 전에 영상 데모나 미리보기 배포를 통해 제품을 먼저 검증하여 UI나 API 형태의 문제를 조기에 수정합니다. 완성된 작업은 AI의 도움을 받아 독립적으로 병합 가능한 최소 단위의 PR로 나누며, 실제 의존성이 있을 때만 PR을 쌓고 기존 코드 삭제는 마지막 별도 PR로 처리합니다. 이는 작은 PR이 리뷰와 롤백을 용이하게 하지만, 리베이스(rebase) 비용이 발생할 수 있다는 점을 고려한 것입니다.
전통적인 개발 방식은 기능 구현 전에 RFC(Request for Comments)를 작성하고 이슈를 작게 나누어 순차적으로 진행했습니다. 이는 코드 리뷰를 관리 가능한 크기로 유지하는 데 유리했지만, 문제를 가장 적게 이해하는 시점에 핵심 구조와 경계를 결정해야 하는 한계가 있었습니다. 즉, 구현 전에 각 부분의 분리 가능성이나 복잡도를 추측해야 했고, 이는 나중에 잘못된 결정으로 이어질 위험이 컸습니다. 과거에는 얽힌 작업을 수동으로 해체하는 비용이 막대했기 때문에, 리뷰 용이성을 위해 경계를 미리 정하는 것이 불가피했습니다.
그러나 AI의 등장은 이러한 비용 구조를 변화시켰습니다. AI 어시스턴트는 명확한 문제를 몇 시간, 심지어 몇 분 안에 작동하는 코드로 구현할 수 있게 했고, 대화형 AI는 설계 계획을 빠르게 질문하고 재구성하는 데 도움을 줍니다. 특히, 일주일 분량의 얽힌 작업을 작은 PR의 연속으로 나누는 브랜치 분해 작업이 프롬프트만으로 가능해지면서 개발 효율이 크게 향상되었습니다. 반면, 코드 리뷰에 필요한 미묘한 판단, 즉 코드의 적절한 위치나 장기적인 API 형태가 일으킬 문제 등은 여전히 AI가 대체하기 어려운 영역으로 남아있습니다. 따라서 개발자는 AI가 생성한 코드를 이해하고 '소유'하기 위해 좁은 PR을 통해 직접 읽고 검토하는 과정이 중요해졌습니다.
이러한 변화는 개발팀에게 더 유연하고 효율적인 작업 흐름을 제공합니다. 개발자는 전체 기능을 빠르게 구현하여 제품 검증 단계를 앞당기고, 사용자 피드백을 통해 초기 단계에서 문제를 해결할 수 있습니다. 또한, AI가 생성한 코드를 작은 단위로 분할하여 리뷰함으로써, 리뷰어는 핵심 아키텍처 변경이나 중요한 로직에 집중하고 사소한 부분은 AI 에이전트의 도움을 받을 수 있습니다. 이는 리뷰 속도를 높이고, 문제가 발생했을 때 특정 변경 사항만 되돌릴 수 있어 배포 관리도 용이하게 만듭니다. 궁극적으로 이 방식은 개발자가 '무엇을 만들지'는 구현 전에 정하되, '어떻게 나눌지'는 구현 후에 결정함으로써, 불확실성을 줄이고 완성된 코드를 바탕으로 더 나은 구조적 결정을 내릴 수 있도록 돕습니다.