요즘은 AI가 하는 말을 디버깅한다

예전에는 코드를 보고 디버깅했는데, 요즘은 AI가 하는 말을 디버깅하는 느낌이다.

AI의 설명에서 이상한 지점을 발견하고, 되묻고, 모순을 확인하고, 방향을 수정한다.

처음 AI와 개발을 시작했을 때는 AI가 작성한 코드를 직접 확인하고 수정하는 일이 많았다. 하지만 점차 코드를 일일이 검토하는 방식에서 벗어나, 원하는 결과가 나오는지 확인하고 문제가 있다면 AI가 스스로 수정하도록 하는 방향으로 작업 방식을 바꾸었다.

그러면서 대화의 중요성이 커졌다.

AI에게 작업을 맡기고 설명을 듣다 보면, 무언가 이상하다는 느낌이 들 때가 있다. 내가 의도한 것과 다른 방향으로 이해하고 있거나, 중요한 조건을 빠뜨리거나, 설명의 앞뒤가 맞지 않는 경우다.

그럴 때는 다시 질문한다.

왜 그렇게 판단했는지, 어떤 구조로 작업했는지, 다른 부분에는 영향이 없는지 등을 묻는다. 대화를 이어가다 보면 처음에는 드러나지 않았던 문제들이 발견된다.

생각해 보면 예전에 주니어 개발자들과 일할 때도 비슷했다.

팀장으로 일하면서 주니어에게 작업을 맡기면, 중간중간 잘 진행되고 있는지 확인했다. 간단하게 물어보기도 하고, 설명이 이상하다 싶으면 조금 더 자세히 이야기하거나 코드를 확인했다.

작업이 완료되면 직접 테스트도 했다. 문제가 발견되면 어떤 방식으로 구현했는지 묻고, 함께 원인을 찾아 수정하도록 했다.

그 과정에서 중요한 것은 단순히 작업 결과만이 아니었다.

상대방이 내가 의도한 것을 얼마나 정확하게 이해했고, 그것을 어떤 구조로 풀어냈는지 파악하는 것이었다.

지금 AI와 일하면서도 비슷한 과정을 반복하고 있다.

차이가 있다면 AI는 사람이 아니고, 그럴듯한 설명을 매우 빠르게 만들어낸다는 점이다. 설명이 논리적으로 들린다고 해서 실제 구현이 올바르거나 작업이 완료되었다는 보장은 없다.

최근 클라우드 AI를 이용해 3D 에셋 제작과 Git 기반 자산 관리 자동화를 실험하면서도 이런 경험을 했다.

작업 내용을 설명받을 때는 문제가 없어 보였지만, 저장소와 동기화 구조를 구체적으로 되묻는 과정에서 내가 의도했던 로컬 작업 환경과 실제 구성이 다르다는 점을 발견했다.

처음부터 결과물만 확인했다면 놓치기 쉬웠을 부분이었다.

물론 대화만으로 모든 문제를 검증할 수는 없다. 실제 파일과 코드, 실행 결과를 확인하는 과정도 필요하다.

다만 대화를 통해 AI가 문제를 어떻게 이해하고 구조화했는지 파악하면, 어디를 집중적으로 검증해야 할지 판단하기가 수월해진다.

어쩌면 개발자로서 오랫동안 코드를 디버깅하며 길렀던 감각과, 팀장으로서 다른 개발자의 작업을 검토했던 경험을 이제는 AI의 설명에 적용하고 있는 것인지도 모르겠다.

디버깅의 대상이 코드에서 AI의 설명과 판단 과정으로 확장되고 있다.

AI가 작업자가 되면서 개발자의 역할도 조금씩 달라지고 있다는 생각이 든다.