AI 엔지니어링의 패러다임 전환: 계획 중심의 접근법
AI를 활용한 소프트웨어 개발에서 가장 흔히 발생하는 실수는 즉시 코드를 생성하도록 요청하는 것입니다. 하지만 시니어 엔지니어처럼 사고하는 AI 시스템을 구축하기 위해서는 코딩 전 ‘계획(Planning)’ 단계에 집중하는 ‘컴파운드 엔지니어링’ 모델이 필요합니다.
1. 컴파운드 엔지니어링과 병렬 연구
컴파운드 엔지니어링은 여러 개의 전문화된 에이전트를 병렬로 실행하여 지식을 수집하고, 이를 인간의 판단력과 결합하는 방식입니다. - 인간의 역할: 제품의 맥락 이해, 사용자 경험에 대한 취향 반영, 최종적인 기술 의사결정. - AI의 역할: API 제한 사항 조사, 기존 코드 패턴 분석, 기술적 트레이드오프 제안 및 연구 수행.
2. 작업 복잡도에 따른 3가지 피델리티(Fidelity)
모든 작업에 동일한 수준의 계획이 필요한 것은 아니며, 난이도에 따라 전략을 차별화해야 합니다. - Fidelity 1: 한 줄 변경, 단순 버그 수정, 문구 업데이트 등 즉각적인 처리가 가능한 수준. - Fidelity 2: 여러 파일에 걸쳐 있지만 범위가 명확한 기능 구현 작업. - Fidelity 3: 구현 방법이 불분명하고 설계부터 시작해야 하는 대규모 신규 기능 개발.
3. 핵심 계획 전략 상세
전략 1: 재현 및 문서화 (Reproduce and Document)
수정하기 전에 반드시 버그를 재현하고 로그를 수집하여 근본 원인을 파악합니다.
- 실제 사례: 이메일 아카이브 실패 시, 즉시 수정하는 대신 AppSignal 로그를 분석하여 Gmail의 속도 제한(Rate Limit)이 원인임을 파악했습니다.
- 컴파운딩: @kieran-rails-reviewer 에이전트에 외부 API 호출 시 속도 제한 처리 여부를 체크리스트로 추가하여 동일한 실수를 방지합니다.
전략 2: 모범 사례 기반 조사 (Ground in Best Practices)
외부의 해결책을 검색하여 이미 검증된 패턴을 활용합니다.
- 활용: Gem 업그레이드 시 공식 문서와 다른 엔지니어들의 블로그를 검색하여 마이그레이션 이슈를 미리 파악합니다.
- 지식 축적: 조사된 내용은 docs/*.md 파일로 저장하여 향후 유사한 문제 발생 시 AI가 외부 검색 없이 내부 지식을 먼저 참조하도록 합니다.
전략 3: 코드베이스 기반 조사 (Ground in Your Codebase)
현재 프로젝트 내에 이미 존재하는 패턴을 찾아 중복 구현을 방지하고 시스템의 일관성을 유지합니다.
4. 계획의 가치: 시간과 비용의 절감
이메일 대량 처리 기능을 예로 들면, 단순 코딩으로 시작했다면 타임아웃과 API 제한 문제로 인해 전체 코드를 폐기하고 다시 설계해야 했을 것입니다. 하지만 AI 연구 에이전트를 통한 20분간의 사전 조사는 이것이 3일간의 아키텍처 도전 과제임을 미리 인지시켜 주었으며, 결과적으로 잘못된 방향으로의 자원 낭비를 완벽히 차단했습니다.