최대 효율을 위해 코딩 워크플로에 AI를 어떻게 적용하나요?

Question

Accepted Answer

레버리지는 AI를 **올바른 작업**에 맞추고, 좋은 맥락을 주고, 그것이 만들어내는 모든 것을 검증하는 데서 나옵니다. 모델은 빠르고 박식하지만 책임지지 않는 조수입니다 — 당신이 루프 안의 엔지니어로 남습니다.

## 레버리지가 높은 작업

- **Boilerplate와 scaffolding** — CRUD endpoint, config, DTO, 매번 같은 방식으로 입력하는 반복적인 plumbing.
- **탐색** — "이 라이브러리로 X를 어떻게 하지?", 접근법 초안 작성, 결정 전에 두 설계 비교.
- **테스트** — edge case를 열거하고, 당신이 contract를 정의한 함수 주위에 harness 작성.
- **기계적 리팩터링** — 이름 변경, 함수 추출, 여러 파일에 걸친 패턴 변환.

## 가치가 낮거나 위험한 사용

- 맥락이 없는 **비즈니스 의사결정**을 내리게 하는 것.
- 완전히 검증할 수 없는 **미묘한 핵심 로직**(auth, 금액 계산, concurrency) 생성.
- 모호한 프롬프트를 붙여넣고 돌아온 것을 그대로 ship.

## 실제로 함께 일하는 법

- **좋은 맥락 주기** — 관련 코드, contract, 제약, framework 버전. 출력 품질은 입력 품질을 그대로 따라갑니다.
- **작은 단계로 반복** — 집중된 변경 하나를 요청하고, 리뷰하고, 이어가세요. 한 번에 크게 생성하면 검증과 디버깅이 어렵습니다.
- **모든 것을 검증** — diff를 읽고, 실행하고, 테스트를 돌리세요. AI 출력을 신탁이 아니라 junior의 PR처럼 다루세요.
- **그것에서 배우기** — 모르는 API나 패턴을 쓰면 그냥 붙여넣지 말고 *왜*인지 물으세요. 목표는 실력을 키우는 것이지 사고를 외주하는 것이 아닙니다.

## 왜 중요한가

AI로 2배와 0.5배 결과의 차이는 도구가 아니라 그 주변의 워크플로입니다. 올바른 작업에 좋은 맥락과 단단한 검증으로 쓰면, AI는 지루한 입력을 없애고 탐색 범위를 넓혀, 당신은 설계와 정확성에 주의를 쏟게 됩니다. 부주의하게 쓰면, 당신이 책임질 수 없는 그럴듯한 코드를 만들어내고 자기 시스템에 대한 이해를 조용히 갉아먹습니다. 효율은 규율입니다: 레버리지 높은 작업, 작은 단계, 진짜 검증, 그리고 루프 안에 머무르기.