AI 코딩 에이전트는 인간과 달리 복잡한 코드에서 길을 잃지 않기 때문에 '더 이상 못 참겠으니 리팩토링하자'는 결정이 점점 일어나지 않는다는 문제를 지적한다. 모듈화와 캡슐화 같은 소프트웨어 설계 원칙은 본질적으로 인간의 작업 기억 용량에 대한 타협이었는데, 에이전트가 이 한계를 우회하면서 장기적 유지보수성을 지켜주던 핵심 방아쇠가 사라지고 있다는 것이다.
LLM 기반 코딩 에이전트는 신규 프로젝트에서는 잘 작동하지만, 기술 부채가 쌓인 레거시 코드베이스에서는 개념이 중구난방으로 정의되어 있어 성능이 급격히 떨어진다고 지적합니다. 저자는 전략적 작업(무엇을 왜 바꿀지 결정)은 인간이, 전술적 작업(코드 구현)은 AI가 담당하도록 분업하고, GitHub 이슈와 스킬·서브에이전트 기반 AI 시스템으로 실행한다고 설명합니다.
AI 코딩 도구의 도입으로 개발 속도는 비약적으로 빨라졌지만, 개발자들은 기술적 부채를 방치한 채 AI가 작성한 코드를 이해하지 못하는 상황에 직면하게 되었습니다. 시니어 엔지니어조차 방대한 양의 PR(PR)과 복잡해진 시스템을 통제하지 못하고 문제 해결을 전적으로 AI에 의존하게 되면서 프로젝트가 통제 불능 상태에 빠지게 되는 심각한 문제를 다루고 있습니다.
AI가 작성하는 코드의 품질과 효율성은 기존 코드베이스의 패턴이 얼마나 표준화되어 있는지에 따라 크게 좌우됩니다. 따라서 레거시 시스템의 단순한 기술 업그레이드를 넘어, AI가 이해하기 쉬운 일관된 구조로 코드를 재작성(rewrite)하는 것이 경제적으로 매우 유리해졌습니다.
과거 팀 내 '록스타 개발자'가 퇴사 후 유지보수 불가능한 복잡한 코드를 남기던 문제가, 이제는 생성형 AI의 등장으로 수백 명의 AI 록스타가 만들어내는 걷잡을 수 없는 스파게티 코드로 확대 재생산되고 있습니다. AI는 압도적인 속도로 코드를 쏟아내지만 시스템의 복잡성을 폭발시키며, 결국 개발자와 기업을 AI에 의존하게 만듭니다. 과도한 AI 코딩의 부작용을 경고하고 이를 수습하는 과정의 어려움을 조명한 중요한 기사입니다.
빅테크 기업 경영진들은 AI가 코드 작성의 효율성을 높이고 인력 감축을 이끈다고 주장하지만, 실제 현장의 개발자들은 AI가 생성한 코드를 검수하고 수정하는 과정에서 오히려 시간과 스트레스가 증가한다고 토로하고 있습니다. 특히 강압적인 AI 도입으로 인해 개발자들은 본연의 코딩 역량을 잃어버리는 '숙련도 저하(de-skilling)' 현상과 기술 부채 누적에 대한 깊은 우려를 표명하고 있습니다.
저자는 소프트웨어 개발 프로젝트에서 AI 코딩 도구를 도입해 엄청난 생산성 향상을 경험했습니다. 그러나 결과물의 품질을 유지하기 위해 AI가 작성한 코드를 파악하고 디버깅해야 하는 인지적 피로감이 극심해졌고, 저자는 결국 AI를 사용하지 않기로 결정했습니다.