한 개발자가 AI 에이전트와 1년 넘게 협업하며 겪은 개발 방식의 근본적인 변화를 공유했습니다. 그는 코드 자체를 작성하는 시간보다 AI 에이전트의 진행과 결과물을 통제하고 개선하는 '개발 과정'을 만드는 데 집중했다고 밝히며, AI가 코드 생산성을 폭발적으로 높이는 시대에 품질을 유지하기 위한 새로운 접근법을 제시했습니다.
이 개발자는 '하네스 엔지니어링(Harness Engineering)'이라는 개념을 통해, 단순히 AI 에이전트 설정이나 도구 조합을 넘어 개발 과정 전체를 재설계했다고 설명합니다. 특히, 설계-구현-검증의 결과가 다시 설계와 규칙 개선으로 이어지는 '닫힌 피드백 루프'를 구축한 점이 핵심입니다. 코드 리뷰는 구현 맥락을 공유하지 않는 독립된 세션에서 진행하여 전제와 사각지대를 줄이고, 규칙 위반 기록은 외부 감사에 활용해 규칙을 신설, 개정, 폐지하는 데 사용했습니다. 또한, 머지(merge) 이후에도 코드 생존율과 복잡도 추이를 관찰하며 반복 재구현이나 중복 징후를 면밀히 조사하는 등, AI가 생성한 코드의 품질을 지속적으로 관리하는 체계를 마련했습니다.
이러한 변화 속에서 사람의 역할은 코드 작성에서 '스펙 정의'와 '시스템 개선'으로 이동했습니다. AI가 대량의 코드를 빠르게 생성할 수 있게 되면서, 개발자는 오히려 생성 스펙(specification)을 다듬는 데 훨씬 많은 시간을 할애하게 되었습니다. 설계 검토, 리뷰, 감사 과정에서 패턴과 기술 지식을 추출하고, 다양한 해법을 비교하며 AI 위임으로 생기는 이해 격차를 메우는 것이 중요해진 것입니다. 이는 특정 도구에 의존하기보다 각자의 제품과 조직에 맞는 개발 체계를 구축하는 것이 중요하며, 궁극적으로는 기계가 유지보수하기 좋은 코드 구조에 대한 고민으로 이어질 것이라는 질문을 던집니다.
결론적으로, AI 에이전트와의 협업은 개발자의 역할을 코드 생산자에서 시스템 설계자 및 품질 관리자로 전환시키고 있습니다. 이는 단순히 생산성 향상을 넘어, 개발 프로세스 전반에 걸친 재정의를 요구하며, 미래 소프트웨어 개발의 방향성을 제시하는 중요한 통찰이라 할 수 있습니다. 개발자들은 이제 AI를 활용하여 더 복잡하고 고도화된 시스템을 구축하는 데 집중할 수 있게 될 것입니다.