22년 차 개발자의 AI 활용법 도구의 주인은 결국 사람이다

AI는 개발 생산성을 폭발적으로 높여주지만, 구조 이해 없이 AI 결과물을 그대로 받아들이면 유지보수·보안·신뢰성 문제가 커질 수 있다. 결국 미래 개발자의 핵심 역할은 직접 코드를 많이 작성하는 사람이 아니라 AI를 통제하고 검증하며 전체 구조를 설계하는 방향으로 이동하고 있다.

현업에서 20년 넘게 코드를 짰다. AI가 등장했을 때부터 바로 AI를 실전에 투입해 활용했다.

AI 등장 이전엔 디자이너, 개발자와 같이 미팅하고 역할에 따라 업무를 분할하고 작업했지만 지금은 디자이너나 서브 개발자 없이 모든 걸 AI를 통해 해결한다.

웹, CS 개발, APP 개발 모두 기본 구조는 비슷하다.
다만 웹은 디자인 요소가 많고, CS와 APP은 개발 비중이 더 크다는 차이만 있을 뿐이다.

누구는 AI가 코딩을 다 해준다고 말하지만, 20년 이상의 내공으로 볼 때 그건 반은 맞고 반은 틀리다. AI는 동료가 아니라, 내가 통제하고 사용하는 ‘도구’여야 한다. 내가 직접 검증하고 통제하지 못하는 코드는 결국 시한폭탄이 된다. 수많은 경험 끝에 확립한 나의 AI와개발자 워크플로우를 공유한다.

코드 생성: 구조와 체계의 Google AI Mode와 Gemini

새로운 기능을 설계하거나 코드의 뼈대를 잡을 때는 무조건 Google AI Mode & Gemini를 쓴다.

• 특징: 코드가 지저분하지 않고 체계적이다. 논리적으로 잘 정리된 코드를 내놓기 때문에 가독성이 좋다.
• 활용: 전체적인 모듈 구조를 잡거나 깔끔한 베이스 코드가 필요할 때 최적이다.
• Google AI Mode 사용시 코드 만들때나 뼈대 잡을 때 속도가 엄청 빨라서 좋으나 이유 없어 가끔 중단된다. 처음부터 다시 시작해야 한다. 웹은 실시간성이 아니고 스크린 챕쳐 등으로 올려 바로 바로 체계를 잡을 수 있다.
  • Something went wrong and the content wasn’t generated. ( AI 서비스 이용 중 오류는 네트워크 불안정, 브라우저 설정 문제, 또는 서버의 일시적인 과부하로 인해 생각보다 자주 발생된다. )
    
    

디버깅: 속도가 생명, 교과서는 사절

디버깅할 때 GPT나 코파일럿은 잘 안 쓴다.

• 이유: 일단 너무 느리다. 그리고 답변이 지나치게 교과서적이라 현장의 변수를 잡아내지 못한다. 그리고 결과물 코드 보가기 불편하다.
• 방식: 응답 속도가 빠른 Google AI 도구들을 주로 활용하며, AI의 논리를 참고하되 최종 판단은 내 직관으로 빠르게 끝낸다.
  
  

이미지/디자인: ‘AI 티’ 안 나게 Gpt & Copilot & Nano Banana

디자이너 없이 퀄리티를 뽑아내려면 이미지 도구 선택이 핵심이다.

• GPT: 창의적인 감각도 초반보다 좋아졌고 속도는 Google AI와 비슷한것 같다.
• Google AI (나노 바나나): 창의적인 영감이 필요하거나, 실물 이미지를 자연스럽게 변형할 때 종종 섞어서 쓴다. 그러나 원하는 변형을 얻으러면 꽤 애를 먹는다.
• Copilot: 다른 AI들은 과장이 심해서 소위 ‘AI 냄새’가 너무 난다. 코파일럿은 실패도 있지만, 가장 담백하고 내 생각에 근접한 이미지를 뽑아준다. 최대 단점은 한글이 많이 깨진다.
  

창작, 기획 및 검토: 공감하고 제안하는 ChatGPT.

창작, 문서를 작성하거나 결과물을 다듬을 때는 GPT가 확실히 낫다.

• 특징: 단순한 기계가 아니라 생각을 공유하는 느낌이다. 공감 능력이 있고 창의적인 대안을 잘 던진다.
• 보강: GPT가 던진 창의적인 초안을 구글 AI로 2차 보강하면 완벽한 결과물이 나온다. GPT는 심플하게 정리하는 개조식 성향이 강하고, 구글 AI는 문단 내용에 좀 더 충실하며 말을 만들어 맞추는 성향이 특징이다.
• 웹 개발시 적용하며 바로바로 리뷰와 검토, 보완사항 체크 확인이 가능하다. Google AI 보다 실시간성이다.

왜 개발자는 바이브 코딩에 의존하면 안 되는가

최근 유행하는 클로드(Claude)류의 ‘바이브 코딩(Vibe Coding)’은 경계한다.

• 이유: AI가 알아서 다 짜주는 방식은 편하지만 위험하다. 내가 한 줄 한 줄 통제할 수 없는 코드는 쓰지 않는다. 나의 직업이 IT분야가 아니었으면 제대로 하는 바이브 코딩은 혁명이 되었을 것이다.
• 결과: AI에게 맹목적으로 맡기면 제작 완료 후나 납품 후에 유지보수, 개선 등의 작업을 하면서 반드시 심각한 문제가 생길 가능성이 크다. 책임은 결국 내가 지는 거다.

도구가 아니라 ‘안목’의 싸움이다

나는 새로운 AI도구가 나오면 바로 테스트에 들어간다. 하지만 도구에 휘둘리지는 않는다.

디자이너와 서브 개발자 없이도 단시간에 코딩을 끝낼 수 있는 건, 각 AI의 장단점을 명확히 파악하고 적재적소에 배치하기 때문이다. AI는 나의 도구일 뿐, 주도권은 항상 내가 쥐고 간다.

이게 20년 차 개발자가 AI 시대를 살아남는 방식이다.

신입 IT 직종의 역할은 점점 줄어들고, 숙련된 개발자 중심으로 구조가 재편될 가능성이 크다.
“이 방식은 결국 개발 방식 자체를 변화시키고, 미래에는 바이브 코딩이 자연스러운 표준이 될 것이다.”

---

[글에서 사용한 머리 아픈 용어]

• Google AI Mode : 구글이 제공하는 AI 기반 코드 생성 및 분석 도구로, 구조화된 코드 작성과 빠른 설계 단계에서 활용되는 개발 지원 시스템이다.
• 디버깅 (Debugging) : 프로그램에서 발생하는 오류나 버그를 찾아 수정하는 과정으로, 코드의 정상 동작을 위해 필수적인 작업이다.
• 모듈 구조 (Module Structure) : 프로그램을 기능별로 나누어 설계하는 구조 방식으로, 유지보수와 확장성을 높이기 위한 개발 설계 방법이다.
• CS 개발 (Computer Science Development) : 서버, 시스템, 네트워크 등 컴퓨터 기반 구조를 설계하고 개발하는 분야이다.
• API (응용 프로그램 인터페이스, Application Programming Interface) : 서로 다른 프로그램이 데이터를 주고받고 기능을 연결할 수 있게 하는 통신 규칙이다.
• 멀티모달 AI (Multimodal AI) : 텍스트, 이미지, 코드 등 여러 종류의 데이터를 동시에 이해하고 처리할 수 있는 AI 기술이다.
• 레거시 코드 (Legacy Code) : 오래된 시스템에서 사용되며 구조가 복잡하고 수정이 어려운 기존 코드이다.