Molayo

© 2026 Molayo

Dev.to헤드라인2026. 06. 15. 14:54

AI와 프로덕션 시스템 사이의 누락된 계층

요약

AI가 코드를 생성하는 능력은 뛰어나지만, 복잡한 소프트웨어 워크스페이스의 맥락을 이해하는 데는 한계가 있습니다. 시스템의 의존성, 런타임, 아키텍처 규칙 등이 파편화되어 있어 AI 에이전트가 활용할 수 있는 통합된 '지도'가 부족한 것이 현재의 병목 현상입니다.

핵심 포인트

  • AI의 진정한 과제는 코드 생성이 아닌 워크스페이스의 맥락 이해임
  • 현재의 리포지토리는 인간의 추론에 의존하며 AI에게는 모호함이 큼
  • 서비스 경계, 의존성, 런타임 정보 등 통합된 컨텍스트 제공이 필요함
  • AI 에이전트를 위한 소프트웨어 문서화 방식의 변화가 요구됨

모두가 여전히 AI와 소프트웨어 엔지니어링에 대해 잘못된 질문을 던지고 있습니다.

질문은 다음과 같은 것이 아닙니다:

AI가 코드를 생성할 수 있는가?

할 수 있습니다.

AI는 함수, API, 테스트, 문서, Dockerfiles, CI 스크립트, SDK, 그리고 전체 프로젝트 스켈레톤 (Skeleton)을 몇 초 만에 생성할 수 있습니다.

더 나은 질문은 다음과 같습니다:

AI가 자신이 변경하고 있는 워크스페이스 (Workspace)를 이해할 수 있는가?

그 질문에 대한 답은 훨씬 덜 명확합니다.

그리고 바로 이 지점에서 많은 AI 엔지니어링 워크플로우 (Workflow)가 무너집니다.

진짜 병목 현상은 생성이 아니다

AI 어시스턴트에게 새로운 엔드포인트 (Endpoint)를 추가해 달라고 요청해 보세요.

아마도 해낼 것입니다.

서비스 클래스 (Service class)를 만들어 달라고 요청해 보세요.

그것도 할 수 있습니다.

다음과 같이 질문해 보세요:

  • 이 모듈에 의존하는 서비스는 무엇인가?
  • 어떤 런타임 (Runtime)이 이 배포 (Deployment)를 소유하고 있는가?
  • 이 의존성 (Dependency)이 변경되면 무엇이 깨지는가?
  • 이미 점유된 포트 (Port)는 무엇인가?
  • 이 워크스페이스에 속한 프로젝트는 무엇인가?
  • 이 프레임워크 (Framework)에서 허용되는 모듈은 무엇인가?
  • 핸드오프 (Handoff) 전에 반드시 통과해야 하는 체크 사항은 무엇인가?

이제 답변이 흔들리기 시작합니다.

모델이 약해서가 아닙니다.

시스템이 대개 소프트웨어가 이해할 수 있는 방식으로 문서화되어 있지 않기 때문입니다.

AI에게 지능이 부족한 것이 아닙니다.

AI에게 지도가 없는 것입니다.

리포지토리는 인간을 위해 설계되었다

리포지토리 (Repository)는 파일들을 포함합니다.

파일은 코드를 포함합니다.

인간은 코드를 읽고, 컨벤션 (Convention)을 기억하며, 팀원에게 묻고, Slack 스레드를 확인하고, 아키텍처 (Architecture)를 추론하며, 천천히 시스템에 대한 정신적 모델 (Mental model)을 구축합니다.

AI 에이전트 (AI agent)들도 똑같은 일을 하려고 시도합니다.

문제는 인간은 모호함 속에서도 살아남을 수 있다는 점입니다.

반면 AI 시스템은 모호함에 의해 타격을 입습니다.

전형적인 리포지토리는 다음과 같은 정보들을 단 한 곳의 신뢰할 수 있는 장소에서 알려주는 경우가 거의 없습니다:

  • 서비스 경계 (Service boundaries)
  • 런타임 소유권 (Runtime ownership)
  • 의존성 계약 (Dependency contracts)
  • 환경 요구 사항 (Environment requirements)
  • 노출된 포트 (Exposed ports)
  • 모듈 위치 (Module locations)
  • 아키텍처 규칙 (Architectural rules)
  • 릴리스 게이트 (Release gates)
  • 핸드오프 요구 사항 (Handoff requirements)

정보는 존재합니다.

단지 소스 파일, README, 주석, 패키지 스크립트, Docker 설정, CI 워크플로우, 그리고 팀의 기억 속에 흩어져 있을 뿐입니다.

그것은 컨텍스트 (Context)가 아닙니다.

그것은 고고학입니다.

구체적인 예시

네 개의 백엔드 프로젝트가 있는 워크스페이스 (Workspace)를 상상해 보세요:

  • support-api — FastAPI, 공개 HTTP API, 포트 8000
  • agent-runtime — FastAPI, 내부 AI 런타임 (Runtime), 포트 8100
  • event-worker — NestJS 워커 (Worker), 큐 (Queue) 처리
  • admin-console — NestJS 관리자 백엔드, 포트 9200

이제 AI 에이전트 (Agent)에게 다음과 같이 요청합니다:

AI 측에 프롬프트 관리 (Prompt management) 기능을 추가하고 헬스 체크 (Health check)를 노출해 줘.

리포지토리 (Repository)만 존재하는 세상에서, 에이전트는 다음 사항들을 추론해야 합니다:

  • 어떤 프로젝트에 모듈을 추가해야 하는가?
  • 이 프레임워크에서 prompt_ops를 지원하는가?
  • 생성된 모듈 파일은 어디에 위치해야 하는가?
  • 포트 8000이 이미 사용 중인가?
  • 이것을 레지스트리 (Registry)에 추가해야 하는가?
  • 워크스페이스 계약 (Workspace contract)을 변경해야 하는가?
  • 이후에 어떤 검증 (Verification)을 실행해야 하는가?

만약 에이전트가 잘못 추측하더라도, 코드는 여전히 올바르게 보일 수 있습니다.

그것이 위험한 부분입니다.

풀 리퀘스트 (Pull request)는 깔끔할 수 있습니다.

하지만 아키텍처 (Architecture)는 여전히 어긋날 수 있습니다.

워크스페이스 계약 (Workspace Contract)이 변화시키는 것

워크스페이스 계약은 시스템을 명시적으로 만듭니다.

AI가 수천 개의 파일로부터 아키텍처를 역공학 (Reverse-engineer)하도록 강요하는 대신, 워크스페이스는 시스템이 어떻게 구성되어 있는지를 선언합니다.

예시:

{
  "workspace": {
    "name": "ai-support-agent-workspace",
...

이것은 코드를 대체하는 것이 아닙니다.

코드에 컨텍스트 (Context)를 제공하는 것입니다.

AI는 더 이상 기능이 어디에 속해야 하는지, 혹은 어떤 프로젝트가 특정 책임을 갖는지 추측할 필요가 없습니다.

툴체인 (Toolchain)은 코드가 생성되기 전에 가설을 검증할 수 있습니다.

아키텍처가 기계 판독 가능 (Machine-readable)해집니다.

이것이 코드 생성 (Code generation)과 워크스페이스 지능 (Workspace intelligence)의 차이입니다.

더 큰 컨텍스트 윈도우 (Context window)가 이를 해결해주지는 않습니다

더 큰 컨텍스트 윈도우가 AI 코딩 문제를 해결할 것이라는 흔한 가정이 있습니다.

도움은 됩니다.

하지만 더 많은 컨텍스트가 더 나은 컨텍스트와 동일한 것은 아닙니다.

백만 개의 소스 코드 토큰 (Token)보다, 다음과 같이 말해주는 작고 정확한 계약이 훨씬 더 유용합니다:

  • 이것들은 프로젝트들입니다
  • 이것들은 런타임 (Runtimes)입니다
  • 이 모듈들이 설치되어 있습니다
  • 이 포트 (Ports)들이 예약되어 있습니다
  • 이 규칙들은 절대 위반되어서는 안 됩니다
  • 이 체크 (Checks)들은 워크스페이스 (Workspace)가 배포하기에 안전함을 증명합니다

AI는 모든 파일이 먼저 필요한 것이 아닙니다.

AI에게는 먼저 시스템에 대한 올바른 모델 (Model)이 필요합니다.

그 후에야 파일들이 유용해집니다.

검증 (Verification)은 누락된 절반입니다

워크스페이스 계약 (Workspace Contract)은 검증 (Verification)과 연결될 때 강력해집니다.

AI가 워크스페이스를 변경한 후, 툴체인 (Toolchain)은 다음과 같은 사항을 확인할 수 있어야 합니다:

Workspace contract:
  PASS  all projects registered
  PASS  all ports unique
...

에이전트 (Agent)는 생성할 수 있습니다.

계약 (Contract)은 제약할 수 있습니다.

검증기 (Verifier)는 증명할 수 있습니다.

이러한 루프 (Loop)가 없다면, AI 출력물은 검증되지 않은 변경 사항의 또 다른 원천일 뿐입니다.

마지막 생각

차세대 AI 개발 플랫폼은 리포지토리 (Repositories)를 중심으로 구축되지 않을 것입니다.

그것들은 워크스페이스 (Workspaces)를 중심으로 구축될 것입니다.

승리하는 팀은 가장 많은 코드를 생성하는 팀이 아닙니다.

그들은 자신의 시스템을 이해하고, 검증하고, 진화시키고, 인계하기 가장 쉽게 만드는 팀이 될 것입니다.

AI 엔지니어링의 미래는 워크스페이스 네이티브 (Workspace-native)입니다.

그리고 최고의 AI 어시스턴트 (AI Assistants)는 단순히 코드를 작성하는 것에 그치지 않을 것입니다.

그들은 자신이 변경하고 있는 시스템의 계약 (Contract)을 이해할 것입니다.

만약 당신의 워크스페이스에 계약이 있다면, 당신의 AI 어시스턴트는 무엇을 알 수 있을까요?

AI 자동 생성 콘텐츠

본 콘텐츠는 Dev.to AI tag의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.

원문 바로가기
0

댓글

0