ai coding

개관

• https://naver-connect-foundation.gitbook.io/boostcamp/expert-insight/ai
  • AI 코딩 도구의 패러다임 전환: vibe coding과 agentic engineering의 등장으로 개발 방식이 '정도의 차이’가 아닌 '종류의 차이’로 변화했으며, 개발자는 코드를 직접 짜는 대신 에이전트를 조율·감독하는 역할로 이동하고 있다.
  • 개인 생산성은 향상됐지만 조직 문제는 미해결: DORA 2025 보고서에 따르면 AI 도입으로 개인 효과성과 배포 처리량은 개선됐지만, 배포 불안정성·번아웃·업무 마찰은 오히려 해소되지 않아 AI의 혜택이 조직 전체에 고르게 닿지 못하고 있다.
  • 경험과 훈련은 상호보완적: AI 결과물을 올바르게 평가하려면 도메인 경험이 필수적이지만, 경험만으로는 부족하며 프롬프트 작성법·컨텍스트 설계 등 새로운 AI 활용 스킬을 의도적으로 훈련해야 한다.
  • 조직 시스템 자체의 변화가 핵심: AI의 진정한 가치는 개인의 생산성 향상을 넘어 개발 파이프라인·프로세스·문화를 조직 차원에서 함께 바꿀 때 발휘되며, 주니어 개발자가 경험을 쌓을 환경을 보존하는 것도 조직의 중요한 과제다.
  • 판단력의 층위가 올라갈 뿐, 사람의 역할은 사라지지 않는다: 코드 작성이 자동화되더라도 무엇을 만들지, 어떤 시나리오를 검증할지 설계하는 깊은 판단은 여전히 사람의 몫이며, 그 판단을 팀 전체가 공유하는 것이 AI 시대 개발자의 진정한 경쟁력이다.
• "AI가 짠 코드, 저도 다 모릅니다" 넷플릭스 개발자의 고백
  • 쉬운 길을 택할 때마다, 지금 당장의 속도와 함께 나중에 올 복잡성을 쌓는 거예요.
  • "컨텍스트 압축"이라고 불러요. "컨텍스트 엔지니어링"이나 "스펙 기반 개발"이라고 불러도 되지만 이름은 중요하지 않아요.
  • 코드가 "돌아간다"는 것만으로는 부족해요. 테스트를 통과하는 코드랑 프로덕션에서 버티는 코드는 달라요. 오늘 작동하는 시스템이랑 나중에 다른 사람이 유지보수할 수 있는 시스템도 다르고요.
  • 그 감각은 경험에서 와요. 제가 위험한 구조를 알아보는 건, 새벽 3시에 그거 때문에 장애 대응 해본 적이 있어서예요.
  • 이제 우리는 무한한 코드 생성으로 위기에 직면하고 있어요.
  • 성공하는 개발자들은 코드를 가장 많이 생성하는 사람이 아닐 거예요.자신이 뭘 만들고 있는지 이해하고, 경계를 볼 수 있고, 잘못된 문제를 풀고 있다는 걸 알아채는 사람일 거예요.
• https://martinfowler.com/articles/2025-nature-abstraction.html
• 웹 개발이 다시 재미있어졌다
• https://tidyfirst.substack.com/p/augmented-coding-beyond-the-vibes
• AI-Driven Development Lifecycle (AI-DLC) Method Definition
• AI로 개발을 어떻게 가속화하는가 (하용호 님)
• 바이브 코딩에는 컨텍스트 엔지니어링이 필요하다

연구 리포트

• Anthropic 2026 Agentic Coding Trends Report : 개발자가 AI에 "완전히 위임" 가능하다고 느끼는 작업은 전체의 0~20%에 불과하며, 감독 없는 완전 자동화는 아직 현실적이지 않다.
• Google DORA 2024 Report : AI 도입 초기(2024년)에는 배포 처리량이 오히려 악화되었고, AI 활용 증가가 배포 불안정성을 높이는 부작용이 나타났다.
• Google DORA 2025 Report : 1년 만에 배포 처리량·제품 성과가 반전되어 긍정적으로 바뀌었지만, 배포 불안정성·번아웃·업무 마찰은 여전히 해소되지 않은 채로 남아 있다.
• Daniotti et al., Science (16만 명, 3,000만 커밋 분석) : 미국 내 AI 생성 Python 코드 비율이 2022년 5%에서 2024년 29%로 급증했지만 실제 생산성 향상은 평균 3.6%에 그쳤고, 효과는 숙련 개발자에게만 집중되었다.
• Faros AI Report : AI 도입 팀에서 PR 머지가 98% 증가했지만 코드 리뷰 시간도 91% 늘어나, 개인 산출량 증가가 조직 차원의 검증 부담 증가로 이어졌다.
• METR 2025 RCT 연구 : AI 도구를 사용한 숙련 개발자가 실험 결과로는 19% 느려졌음에도 본인들은 20% 빨라졌다고 느껴, 체감 생산성과 실제 생산성 사이에 큰 괴리가 존재함을 보여준다.
• Stack Overflow 2025 Developer Survey (AI 편) : AI 도구가 생산성에 긍정적 영향을 줬다고 답한 개발자는 52%에 불과하고, AI 도구에 대한 호감도도 전년 대비 70%대에서 60%로 하락했다.
• https://www.coderabbit.ai/blog/state-of-ai-vs-human-code-generation-report
  • 요약 영상
  • AI가 만든 코드는 1.7배 더 많은 문제를 발생시킴
  • 가드레일 없는 가속은 위험하다
  • 안전하게 사용하기 위해서는 프로젝트의 문맥(Context)을 이해하는 프롬프트 활용, 엄격한 코드 리뷰 프로세스, 보안 스캐닝 강화가 필수적
• https://www.actuia.com/en/news/a-metr-study-reveals-that-ai-slows-down-experienced-developers/
• https://cloud.google.com/blog/products/ai-machine-learning/announcing-the-2025-dora-report?hl=en
  • 2025년 9월 Google DORA 조직의 조사 결과
• https://www.gitclear.com/research/ai_tool_impact_on_developer_productive_output_from_2022_to_2025
  • In 2025, the average developer checked in 75% more code than they did in 2022
• Measuring AI Ability to Complete Long Tasks
  • AI의 시간 지평(Time Horizon)이 7개월마다 두 배로 증가한다.
  • 비판 의견 : https://medium.com/@AIchats/are-ai-time-horizon-doubling-every-seven-months-e337162eec83
• https://www.darkreading.com/application-security/ai-generated-code-leading-expanded-technical-security-debt
• https://jellyfish.co/blog/with-copilot-engineers-get-15-more-capacity-without-additional-headcount/
  • Ticket 해결 속도가 15% 향상
• AI가 개발자 생산성에 미치는 영향 - 스탠포드 연구
  • 같은 자료에 대한 요약
  • AI를 쓰면 전체 코드 생산성은 3040% 늘어남. 하지만 "Rework" 가 1525% 증가, 결과적으로 실제 생산성 증가는 15~20% 수준.
• AI가 오픈소스 개발자를 느리게 만든다. Peter Naur가 그 이유를 알려줄 수 있다
  • AI착시와 평균의 함정을 피한 슈퍼 개인의 통찰: AI 도구로 생산성 38% 향상시킨 개발자의 비밀

적용 사례

• Beyond Vibe Coding to Agentic Coding: 카카오의 AI 협업 개발 실험
• https://toss.tech/article/toss-frontend-ai-docs
• https://vercel.com/blog/becoming-an-ai-engineering-company
  • https://v0.dev/

대규모 코드 마이그레이션 작업

• (Uber) This Year in Uber’s AI-Driven Developer Productivity Revolution
  • AI 도구 활용하여 Kotlin으로 적극 전환
• (Airbnb) Accelerating Large-Scale Test Migration with LLMs
  • FE 테스팅 라이브리(Enzyme to RTL(React Testing Library)) 전환 작업을 수동으로는 1.5년 예상, AI 도구 도움으로 6주만에 완료
  • 75% of Target Files Migrated in just 4 Hrs
  • Retry Loops & Dynamic Prompting이 효과적
• (Google) Accelerating code migrations with AI(
  • 파일 그룹별로 코드 수정, 빌드, 테스트 싸이클을 거친 후 선별, 취합하여 코드 Changeset을 생성
  • 구글의 DIDACT 방법론에 의해 트레이닝
  • Google 광고 시스템에서 32bit의 ID를 64bit로 변경하는 작업에서 50% 속도 개선 효과
• (Amazon) Evaluating Human-AI Partnership for LLM-based Code Migration
  • Amazon의 코드 마이그리에션 도구인 Amazon Q Code Transformation 사용 경험 인터뷰
  • 개발자는 본인의 전문성을 바탕으로 AI가 하는 일을 제어,안내,꼼꼼한 검증을 하는 역할을 하기를 바람
  • AI-인간 파트로십의 불완전성을 감추기보다는 한계를 드러내야함
• https://analyticsindiamag.com/global-tech/airbnb-uses-llms-to-pull-off-an-18-month-enzyme-to-rtl-migration-in-just-6-weeks/
  • 위의 3개 사례를 개한 종합 내용
  • AI도구를 써도 인간의 통찰, 리뷰, 검증이 필요하다는 문장으로 마무리

도구

• https://github.com/block/goose
• youtube.com/watch?si=fp9Uqlc_n8bCv1Nq&v=K2rVBIb-KWE&feature=youtu.be[25년 현재 어떤 CLI툴을 써야하는지 말씀드리겠습니다] (박진형 님)
• https://opencode.ai/
• (Vive) Git Worktree를 즐겁게 만드는 CLI 도구를 만들었습니다
• Vibe Kanban: OpenCode + Claude Code 동시에? AI 코딩 에이전트 오케스트레이션

GitHub Copilot

• 코파일럿 ‘열일’하게 만들기

Cursor

• Cursor Max mode로 대형 코드 베이스 다루기

Claude Code

• Claude ‘구독형’ 요금제가 API보다 최대 36배 저렴한 이유와 ‘Max 5x’가 진짜 최적 구간인 이유
• Claude Code 창시자 Boris Cherny가 Claude Code를 사용하는 방법
  • Claude Code 오픈소스 창시자의 Claude 사용법
• https://www.deeplearning.ai/short-courses/claude-code-a-highly-agentic-coding-assistant/
• https://www.anthropic.com/engineering/claude-code-best-practices
• https://github.com/seeyoung/claude-multi-ai-collab : Gemini + Codex를 동시에 활용하는 CLI 스킬
• https://github.com/affaan-m/everything-claude-code
  • Everything Claude Code - 해커톤 우승자의 AI 개발 팀 레시피
• https://github.com/OthmanAdi/planning-with-files
• Claude Code에서 GLM 4.7 사용하기 - MoAI-ADK로 쉽게 설정
• Claude Cowork - 엔터프라이즈 AI 에이전트의 새로운 장

Skills

• Claude Skills는 굉장하다, MCP보다 더 큰 혁신일지도

Open 스펙

• https://agentskills.io/
  • agentskills.io/ 소개
• https://agents.md/
• https://www.linuxfoundation.org/press/linux-foundation-announces-the-formation-of-the-agentic-ai-foundation