AI 시대의 프로토타이핑 속도
이 글은 개발자가 AI 에이전트를 워크플로우에 도입한 후 프로토타이핑과 엔지니어링 작업 방식이 어떻게 근본적으로 변화했는지 설명하는 개인적인 회고입니다. 저자는 코드를 직접 타이핑하는 대신 시스템의 경계와 명세를 설계하는 추상화된 수준의 사고방식을 갖게 되었으며, 작업 속도는 약 4배 향상되어 이전에는 시간이 없어 미뤄뒀던 아이디어들을 실제 프로젝트로 구현할 수 있게 되었다고 강조합니다.
AI 시대의 프로토타이핑 속도 2026년 5월 31일 일요일 · 7분
참고: 이 글은 특정 도구를 홍보하기 위한 것이 아니라, 지난 1년 동안 내 워크플로우가 어떻게 변화했는지에 대한 개인적인 성찰입니다. 사람마다 상황은 다를 것이며, 아마 다를 것입니다.
몇 년 전, 나는 쓰레기 통에 들어갈 프로토타입(throwaway prototypes)에 대한 나의 애정에 대해 글을 쓴 적이 있습니다. 그것들은 아이디어를 머릿속에서 꺼내어 실체가 있는 무언가로 만들기 위해 순수하게 존재하는 작은 개념 증명(PoC)들이었습니다. 당시 나의 가장 큰 병목은 바로 '나' 자신이었습니다. 프로젝트의 기본 뼈대를 구축하고, 지루한 부분들을 연결하며, 흥미로운 부분을 실제로 테스트할 수 있는 단계에 도달하기까지 걸리는 시간이었죠.
그로부터 시간이 흐른 지금, 그 병목 현상은 거의 사라졌습니다.
솔직히 이 주제로 글을 쓰는 것은 약간 망설여졌습니다. 나는 이전에도 AI가 내 워크플로우에 어떻게 자리 잡고 있는지에 대해 신중한 생각을 공유한 적이 있으며, 그 모든 의견들은 여전히 유효하다고 생각합니다. 업계가 실시간으로 해결책을 찾아가고 있다는 생각과 신중을 기해야 한다는 생각은 여전히 같습니다. 하지만 신중하다는 것이 눈을 감고 있다는 뜻은 아닙니다. 솔직히 말하자면, AI는 내가 '이렇게 하면 어떨까…'라고 생각하는 순간부터 '오, 작동하네'라는 단계까지 도달하는 속도를 완전히 바꿔놓았습니다.
최근의 저장소들 최근 내 GitHub를 살펴보셨다면 새로운 저장소들이 계속해서 올라오는 것을 보셨을 것입니다.
Sakoa: 이펙트 시스템(effect system), 3가지 메모리 모드, 여러 백엔드를 갖춘 MIR을 포함하여 처음부터 직접 설계하고 있는 진보적인 시스템 언어. Kato: JSON, TOML, YAML의 중간쯤에 위치하지만, 인간과 에이전트 모두에게 친화적이도록 명시적으로 설계된 표기법 언어. Seal: 비밀을 OS 기본 자격 증명 저장소에 안전하게 보관하여 .env 파일을 조용히 없애주는 작은 CLI(Command Line Interface) 도구. Karabiner: iOS 우선의 에이전트 네이티브 메시징 앱. Plim: Notion에서 영감을 받은 웹용 삽입형 블록 에디터로, 프레임워크에 독립적인 코어와 React 바인딩을 갖춤. 그리고 아직 공개할 준비가 되지 않은 몇 가지 더 있습니다.
몇 년 전이었다면 이 목록은 README만 있는 저장소 3개, 방치된 브랜치 2개, 그리고 내가 조용히 자랑스러워하는 작동하는 프로토타입 1개로 구성되었을 것입니다. 지금은 어떨까요? 프로토타입이 실제로 존재합니다. 실행됩니다. 일부는 테스트까지 갖추고 있습니다. 몇몇 프로젝트는 점차 실제 제품처럼 보이기 시작했습니다. 비록 그 모든 것이 진지한 무언가로 발전하지는 않겠지만 (그게 바로 요점이죠), 아이디어를 그저 말로만 하는 것을 넘어 실제로 시도해 볼 수 있다는 것은 정말 만족스러운 일입니다.
시야 넓히기 아무도 정말로 경고하지 않았던 것은, AI가 엔지니어링 작업의 '속도'뿐만 아니라 '형태'까지 얼마나 많이 바꾸어 놓는지에 대한 부분입니다. 내가 모든 라인을 직접 타이핑하지 않게 되자, 나는 다르게 생각할 수밖에 없었습니다. 나는 시스템의 경계와 계약(Contracts), 그리고 여러 조각들이 어떻게 맞춰지는지에 대해 생각하기 시작했습니다. 나는 시스템이 존재하기도 전에 그것을 전체적으로 설명하는 프롬프트와 명세(Specs)를 작성합니다. 이러한 변화는 작게 들릴 수 있지만, 조용히 그러나 확실하게 혁신적이었습니다.
나는 더 추상화된 수준에서 계획하고, 문제를 해결하기 전에 문제의 프레임을 먼저 짜고 있습니다. 그리고 에이전트든 사람이든 다른 이들에게 일을 위임하는 능력이 눈에 띄게 좋아졌습니다. 알고 보니, '성공이 어떤 모습인지를 정확히 묘사하여 방에 내가 없어도 주니어 엔지니어 (또는 AI 모델)가 그대로 실행할 수 있게 만드는 기술'은 두 가지 방향 모두에 적용되는 동일한 기술이었습니다. 비전을 공유하고, 작업을 세분화하며, 문제가 발생할 수 있는 부분을 예측하는 것은 내가 더 의도적으로 단련해야만 했던 근육들이었고, 덕분에 나는 더 나은 모습이 되었습니다.
생산성에 관하여 나는 순수한 호기심에서 한동안 이를 대략적으로 추적해 왔습니다. 나의 일상적인 엔지니어링 작업(일반적인 작업의 경우 PR을 제출하기까지 걸리는 시간으로 대략 측정)을 기준으로, 에이전트가 내 워크플로우에 의미 있는 부분으로 자리 잡기 전보다 평균 약 4배 더 빠르게 작업하고 있습니다. 어떤 날은 더 빠르고, 어떤 날은 느리며, 어떤 날은 에이전트가 묘하게 이상한 짓을 해서 되돌리는 데 1시간을 날리기도 합니다 (기꺼이 이 시간을 평균에서 차감하겠습니다).
하지만 이러한 수치는 더 흥미로운 효과를 제대로 보여주지 못합니다. 바로 내가 맡을 수 있는 '작업의 종류'가 변했다는 것입니다. 예전 같았으면 '좋은 아이디어지만, 시간이 없어'라며 미뤄두었을 것들이 이제는 내 일상적인 업무 흐름에 자연스럽게 들어오게 되었습니다.