AI로 3개월간 구축한 프로젝트의 70%를 삭제하고 재작성한 이유

실용적 조언

AI가 생성한 복잡한 래퍼 클래스나 이벤트 시스템을 단순한 함수 호출로 대체하여 코드를 간소화하라.
AI 코드를 프로젝트에 반영하기 전, 다른 사람에게 로직을 설명할 수 있을 정도로 직접 분석하고 수정하라.
코드 라인 수가 줄어들더라도 본인이 100% 이해하는 코드가 더 가치 있음을 인지하라.

섹션별 상세

AI가 생성한 코드의 가독성은 높지만 개발자의 논리적 이해를 수반하지 않는 문제가 제기됐다. AI는 일관된 패턴의 코드를 생성하지만 개발자가 이를 직접 설계하지 않아 전체 로직을 기억하거나 설명하지 못하는 '코드 소유권 상실' 현상이 발생했다. 작성자는 기능을 추가하려 할 때마다 남의 코드를 읽는 듯한 어려움을 겪었으며 이는 결국 유지보수 불가능한 상태로 이어졌다.

AI 모델의 훈련 데이터 특성으로 인한 과도한 추상화와 오버엔지니어링 사례가 확인됐다. AI는 수많은 기여자가 참여하는 대규모 프로젝트 스타일을 모방하여 단순한 함수 호출로 충분한 곳에 래퍼 클래스나 복잡한 설정 시스템, 이벤트 시스템을 도입했다. 1인 프로젝트임에도 불구하고 50인 규모의 프로젝트에나 어울릴 법한 복잡한 구조가 생성되어 코드의 복잡도만 불필요하게 증가했다.

AI 생산성의 환상과 실제 소유권 간의 괴리에 대한 실증적 결과가 제시됐다. 출력물은 빠르게 생성되지만 그만큼 개발자의 혼란도 빠르게 누적되어 겉보기엔 생산적이나 실제로는 기술 부채를 쌓는 과정임이 드러났다. 2주간의 재작성을 통해 코드 라인 수를 절반으로 줄이고 시스템의 모든 부분을 완벽히 이해하는 상태를 회복했다.

AI 코딩 도구를 대하는 새로운 접근 방식으로 '초안(First Draft)' 개념이 제안됐다. AI가 생성한 코드를 최종 결과물이 아닌 반드시 이해와 단순화 과정을 거쳐야 하는 초안으로 취급해야 한다는 실무적 합의가 형성됐다. 프로젝트의 내용을 이해하지 못하는 순간 AI를 통해 얻은 이득보다 잃는 것이 더 많아진다는 점이 강조됐다.

용어 해설

오버엔지니어링(Over-engineering): — 문제 해결에 필요한 수준보다 훨씬 더 복잡하고 정교한 설계를 도입하는 현상이다. AI는 학습 데이터의 특성상 대규모 프로젝트의 복잡한 패턴을 모방하여 단순한 기능에도 불필요한 클래스나 시스템을 구축하는 경향이 있다.
추상화(Abstraction): — 복잡한 내부 로직을 단순한 인터페이스 뒤로 숨기는 프로그래밍 기법이다. 적절한 추상화는 유연성을 높이지만, AI가 생성하는 불필요한 래퍼 클래스 등의 과도한 추상화는 코드의 가독성과 이해도를 오히려 떨어뜨린다.
코드 소유권(Code Ownership): — 개발자가 자신이 관리하는 코드의 작동 원리, 구조, 의사결정 이유를 완벽히 파악하고 있는 상태를 의미한다. AI에 의존해 코드를 생성할 경우 겉보기엔 깔끔해도 내부 로직을 설명하지 못하는 소유권 상실 문제가 발생한다.
기술 부채(Technical Debt): — 빠른 출시를 위해 선택한 임시방편이나 복잡한 코드가 미래에 수정 및 유지보수 비용을 증가시키는 현상이다. AI로 생성한 이해하지 못한 코드는 즉각적인 생산성을 높여주는 것처럼 보이지만 실제로는 거대한 기술 부채로 작용한다.

언급된 도구

ChatGPT중립

코드 생성 및 개발 보조

Claude중립

코드 생성 및 개발 보조

GitHub Copilot중립

실시간 코드 자동 완성