AI 기반 코딩 어시스턴트(coding assistants)의 채택이 증가함에 따라, 조직과 개발자들은 이러한 도구와의 상호작용을 최적화하기 위해 점점 더 많은 노력을 기울이고 있습니다. 기존 연구는 주로 출력 품질(output quality)과 생산성 향상에 초점을 맞추어 왔으며, 개발자의 웰빙(well-being)과 상호작용 경험에는 제한적인 관심만을 기울였습니다. 본 논문은 전문 개발자들이 자연스러운 업무 환경에서 생성형 AI (Generative AI, GenAI)와 어떻게 상호작용하는지 조사하기 위해 개발자 중심의 실증적 혼합 방법론 (mixed-methods) 연구를 제시합니다. 통제된 데이터 수집 세션은 자연스러운 업무 기간과 결합되었습니다. 연구 결과, 개발자들은 일반적으로 GenAI에 만족하며, 특히 단조롭고 반복적이며 구조화된 작업에서 만족도가 높았고, 인지된 효율성 및 생산성 향상을 보고했습니다. Copilot 상호작용 유형에 대한 선호도는 작업 유형과 복잡도에 따라 다릅니다. 코드 내 제안(in-code suggestions)과 채팅 기반 프롬프팅(chat-based prompting)은 각각 독립적으로 작업 효율성을 높이고 인지된 작업 부하를 줄여주지만, 단일 작업 내에서 이러한 상호작용 유형을 결합하면 이점이 감소합니다. 우리는 작업 특성에 기반하여 상호작용 유형을 선택하기 위한 경험 법칙(rule-of-thumb)을 제안합니다. 개발 집약적인 작업 동안, 연구 결과에 따르면 인지된 인지 부하(cognitive load)는 AI 상호작용으로부터 발생하며, 인지된 생산성은 AI 출력 품질에 달려 있는 것으로 나타났습니다. 본 연구에 참여하는 것은 개발자들의 GenAI 도구에 대한 인식과 의도적인 사용에 긍정적인 영향을 미쳤습니다. 이러한 발견은 GenAI 도구와 개발자의 경험을 이해하는 데 있어 실제 환경에서의 혼합 방법론 연구 설계가 갖는 가치를 입증합니다.