AI 요약
PeopleX에서 AI 면접 시스템을 개발하는 'seriseri_55'는 AI 코딩 도구인 Claude Code와 Cursor를 실무에 적용하면서 겪었던 시행착오와 개선 사례를 공유했습니다. 초기에는 AI에게 직접적인 기능 구현을 맡겼으나, 이는 프로젝트의 기존 아키텍처 무시, 컨텍스트 부족으로 인한 부적절한 코드 생성, 그리고 QA 단계에서 발견되는 구현 누락 등의 문제로 이어져 오히려 리뷰 비용을 증가시켰습니다. 이를 해결하기 위해 팀은 AI가 먼저 디자인 도큐먼트(설계서)를 생성하고, 이를 팀원이 리뷰한 뒤, 승인된 설계를 바탕으로 AI가 최종 구현을 진행하는 워크플로우로 전환했습니다. 이 방식은 구현 전 모호한 사양을 제거하고 기술적 의사결정의 배경을 명확히 남김으로써, AI의 아웃풋 품질을 높이고 개발 조직 내 기술적 지식 축적을 가능케 했습니다.
핵심 인사이트
- 3단계 AI 워크플로우 도입: ① AI의 디자인 도큐먼트 생성 ② 팀 내 설계 리뷰 ③ 리뷰된 설계 기반의 AI 구현 과정을 통해 작업의 정확도를 높임.
- 주요 해결 과제: AI 코딩의 고질적 문제인 '이해 부채(코드 파악의 어려움)'와 '구현 누락(QA에서 발견되는 사양 유실)'을 프로세스 개선으로 해결함.
- AI 전용 규칙 파일 활용: AI가 프로젝트의 일관성을 유지하도록 CLAUDE.md, .cursorrules, ARCHITECTURE.md 등을 사전에 학습하게 함으로써 아키텍처 정합성을 확보함.
주요 디테일
- 디자인 도큐먼트 구성: 단순 코드가 아닌 프로젝트 배경, 프론트엔드 hooks/interface, 백엔드 레이어 분리(Controller/Service/Repository), DB 데이터 구조, 테스트 전략(Unit/E2E) 등을 포함함.
- 프롬프트 전략: AI에게 특정 디렉토리(
docs/design/,.local/pr/등)의 과거 설계 샘플과 PR 스타일을 참조하도록 지시하여 팀 내 용어와 톤을 맞춤. - 도구 활용: Claude Code와 Cursor를 주력 에이전트로 활용하며, 설계 단계에서 인간의 개입을 통해 AI가 '사용 가능한' 코드를 생성할 확률을 극대화함.
- 리뷰 비용 절감: 설계 단계에서 이미 방침이 합의되었기 때문에, 최종 코드 리뷰 시 설계 수준의 근본적인 수정을 방지하고 세부 구현 로직에만 집중할 수 있게 됨.
- 적용 결과: AI가 작성한 코드를 다시 사람이 설계 수준에서 검토해야 했던 비효율성을 제거하고, 개발자가 직접 작성하는 것보다 빠른 생산성을 확보함.
향후 전망
- AI 코딩 도구의 역할이 '코드 작성 보조'에서 '설계 및 아키텍처 제안' 단계로 격상되면서, 개발자의 핵심 역량은 코드 타이핑에서 '설계 리뷰 및 의사결정'으로 이동할 것으로 보임.
- 기업별 고유의 개발 문화와 규약이 담긴 문서를 AI 에이전트가 더 효율적으로 참조하도록 하는 'AI 친화적 문서화'가 개발 프로세스의 핵심 요소가 될 것임.