최근 인공지능(AI)이 작성한 코드를 검토하는 과정에서 개발자들이 겪는 '인지 부하' 문제가 주목받고 있습니다. 대규모 언어모델(LLM)이 생성한 코드를 검토할 때, AI가 추상적인 개념에 붙인 용어가 개발자에게 익숙하지 않거나 자연스럽지 않으면, 매번 그 의미를 머릿속으로 되짚어야 하는 번거로움이 발생합니다. 이러한 작은 마찰이 수십 개의 새로운 용어가 상호작용하는 복잡한 코드에서는 누적되어 코드의 작동 방식을 오해하게 만들 수 있습니다.
이러한 문제를 해결하기 위해, 코드 검토 전에 AI에게 비관습적이거나 자체적으로 만든 용어를 추출하고, 그 의미와 선택 이유, 대안 용어를 임시 마크다운(Markdown) 파일로 정리하도록 요청하는 새로운 절차가 제안되었습니다. 개발자는 이 파일을 검토하여 각 용어를 그대로 사용할지, 아니면 자신이 선호하는 이름으로 변경할지 결정할 수 있습니다. 개발자의 선택이 확정되면, AI는 문서(documentation)를 포함한 코드의 모든 위치에 해당 변경 사항을 반영합니다. 예를 들어, AI가 'MutationIntent'라고 명명한 것을 개발자가 'EditRequest'로 변경하면, AI는 코드 전체에 이를 일관되게 적용합니다.
이러한 용어 정리 절차를 통해 AI가 생성한 코드는 개발자의 사고방식과 더 가까운 언어로 작성되어 검토하기 훨씬 쉬워집니다. 이는 마치 직접 작성한 코드처럼 느껴져 가독성을 높이고, 용어 불일치로 인한 인지 부하를 크게 줄여줍니다. 결과적으로 코드 검토 시간 단축은 물론, 잠재적인 오류를 줄여 코드 품질을 향상시키는 데 기여할 수 있습니다. 또한, 이러한 명확한 용어 정의는 AI 시대의 소프트웨어 개발에서 인간과 AI의 협업 효율성을 높이는 중요한 요소가 될 것입니다.