tech

코딩만 시키기엔 아까운 AI 활용기: Jira 일감부터 PR 검토까지

개발자의 하루가 코드 작성만으로 채워지지는 않는다. 여러 문서에 흩어진 요청을 읽고, 낯선 프로그램의 동작을 파악하고, 수정한 내용을 다른 사람에게 설명하는 일도 개발자의 몫이다. 코드가 빨리 만들어지더라도 이런 과정이 그대로 남아 있다면 일은 생각만큼 가벼워지지 않는다.

필자는 이 ‘코드 밖의 일’에도 AI를 연결해봤다. 업무 요청을 정리해 구현과 검토로 이어가고, 문의에 답할 근거를 모으고, 복잡한 코드의 흐름을 그림으로 살펴보는 식이다. 매번 정보를 찾아 옮기던 수고를 덜면 무엇을 바꿔야 하는지, 결과가 제대로 나왔는지를 살피는 데 더 집중할 수 있다.

AI로 반복되는 일만 줄인 것은 아니다. 개인 시간에는 예전에 즐기던 게임을 직접 만들어보기도 했다. 만들고 싶다는 생각으로만 남겨뒀던 게임을 실제로 움직여보고, 어긋난 부분을 고치며 다음 장면을 만들어가는 경험이었다.

이렇게 써보면서 관심사도 달라졌다. 어떤 AI가 코드를 더 잘 만드는지와 함께, 내가 하던 일의 어디에 AI를 연결해야 수고가 줄고 새로운 시도가 가능해지는지를 보게 됐다. 이 글에서는 그 과정에서 찾은 활용법을 소개한다. 도구의 기능을 나열하기보다 어떤 일을 맡겼는지, 무엇을 직접 확인했는지, 기존 방식과 무엇이 달라졌는지를 중심으로 정리했다.

jira-auto-agent 일감을 선택하고 웹에서 구현·검증 결과를 받아보기

필자가 만든 jira-auto-agent는 Jira 일감을 선택해 실행하면 코드 수정부터 검증과 검토 자료 준비까지 이어지도록 구성한 로컬 웹 도구다. Jira와 저장소, 사용할 Codex 또는 Claude Code를 연결해두면, 웹 화면에서 작업을 시작하고 진행 상태와 결과를 확인할 수 있다.

도구는 Jira의 설명과 댓글, 관련 코드를 바탕으로 작업 명세를 준비한다. 빠진 조건이나 중요한 선택이 있으면 구현 전에 확인하고, 기준이 정리되면 연결된 코딩 에이전트의 구현과 테스트를 이어 진행한다. 작업이 끝나면 변경 내용과 실제 검사 결과, 남은 확인 사항을 웹 화면에 모아 보여준다. 화면 변경 작업의 전후 비교도 함께 살펴볼 수 있다.

이렇게 연결하면서 줄이려 한 것은 각 단계의 결과를 가져와 다음 도구에 다시 전달하는 수고였다. 일감을 선택해 시작한 작업이 검토할 자료로 돌아오도록 만든 것이다. 설정에 따라 초안 PR·MR 생성과 Jenkins 테스트 배포까지 이어지며, 개발자는 확인이 필요한 조건과 최종 결과의 검토에 집중할 수 있다.

“검색 화면에 조건 하나만 추가해주세요.”

짧은 요청이지만 실제로 손을 대려면 확인할 것이 여럿이다. 어떤 조건인지, 기존 검색 방식은 유지해야 하는지, 검색 결과를 파일로 내려받을 때도 같은 조건을 적용해야 하는지 살펴야 한다. 요청은 한 문장이어도 그 안에 담긴 일은 하나가 아닐 수 있다.

수정이 끝났다는 답변을 받으면 반갑지만, 곧 궁금한 점이 생긴다. 실제로 실행해봤는지, 요청한 부분만 바뀌었는지, 아직 확인하지 못한 내용은 없는지다. 그래서 AI가 작성한 완료 설명과 실제 테스트 결과를 따로 기록했다. 필요한 검사가 실패하면 변경 내용을 저장소 이력에 남기는 작업도 자동으로 진행되지 않게 했다.

jira-auto-agent에서 Jira 일감의 구현 결과와 검증 상태를 검토하는 화면
그림 1. 선택한 Jira 일감의 구현 결과와 검증 상태를 웹에서 검토하는 jira-auto-agent 화면. 변경 내용과 남은 확인 사항을 한곳에서 살펴보며, 화면 준비 실패처럼 확인하지 못한 상태도 함께 표시한다.

화면이 바뀌는 작업은 변경 전후 모습을 나란히 비교한다. 내부에서 일어나는 변화는 아키파이(Archify)를 연결해 그림으로 정리했다. 아키파이는 코드나 설명을 바탕으로 프로그램의 구조와 처리 순서를 시각화하는 공개 도구로, jira-auto-agent 안에서는 작업 흐름과 변경 전후 구조를 그림으로 보여주는 역할을 맡는다. 코드 수정과 테스트, PR·MR 생성은 필자가 만든 도구와 여기에 연결된 개발 도구들이 담당한다.

Archify로 정리한 jira-auto-agent의 작업 흐름도
그림 2. Archify로 정리한 실제 작업 흐름. 요청과 계획, 코드 변경, 검증, 전달 과정을 그림으로 살펴본다.

코드를 작성한 사람에게는 익숙한 연결도 처음 검토하는 사람에게는 낯설 수 있다. 파일 이름만 여러 개 나열돼 있으면 어디부터 읽어야 할지 잠시 멈추게 된다. 이때 전체 흐름을 보여주는 그림이 있으면 큰 구조를 먼저 파악한 뒤 자세히 확인할 코드로 들어가기 수월하다. 다른 사람에게 수정 내용을 설명할 때도 같은 그림을 놓고 이야기를 시작할 수 있다.

물론 그림이 잘 그려졌다고 프로그램이 제대로 동작한다는 뜻은 아니다. 앞의 검색 기능이라면 화면에 입력 항목이 생겼는지만 볼 것이 아니라, 검색 결과와 내려받은 파일에도 같은 조건이 적용되는지 확인해야 한다. 구조도와 테스트 결과는 처음 요청한 내용이 실제로 반영됐는지 살펴보는 자료로 쓴다.

번역 테스트 화면에 하위 탭을 추가한 작업의 전후 비교
그림 3. 번역 테스트 화면에 하위 탭을 추가한 작업의 전후 비교. 보관된 소스 레이아웃 이미지이며, 실제 서비스의 기능 검증 통과 화면은 아니다.

필요하면 초안 PR·MR 생성까지 이어진다. 초안 상태로 먼저 공유한 뒤, 준비가 끝나면 정식 검토를 요청하는 방식이다.

Draft로 생성한 PR의 본문 예시
그림 4. 과거 Draft로 생성한 PR의 본문 예시. 작업 정보와 검증 상태를 남겼으며, 이 PR은 현재 병합하지 않은 채 닫힌 상태다.

완료 상세 화면에는 변경 내용과 테스트 결과, 남은 확인 사항이 함께 정리되고 초안 PR·MR 본문에는 작업 정보와 검증 상태가 남는다. 검토자는 필요한 자료를 처음부터 다시 모으지 않고 준비된 내용을 확인하는 데서 시작할 수 있다. 설정에 따라 Jenkins를 이용한 테스트 배포도 가능하다. 실제 서비스 반영과 운영 배포는 별도의 검토와 승인을 거쳐 진행한다.

필자는 이 도구를 실제 업무에 10여 회 적용했다. 중복 실행과 재시도를 합산한 시스템 실행 횟수가 아니라, 업무 단위로 센 대략적인 적용 횟수다. 써보면서 달라진 점은 작업 명세, 변경 내용, 검증 결과와 화면 비교를 한 도구에서 모아 보게 됐다는 것이다. 어떤 요청에서 시작해 무엇을 바꿨고 어디까지 확인했는지를 차례로 따라갈 수 있었다.

기대와 다르게 흘러간 작업도 있었다. 번역 테스트 화면을 수정할 때 AI가 코드를 전혀 바꾸지 못한 채 끝난 적이 있다. 실행 기록에는 미리 전달한 코드에서 필요한 부분이 잘려 있었고, 파일을 다시 읽지 못하게 한 제약 때문에 안전하게 수정할 수 없었다는 설명이 남아 있었다. 실제로 변경된 파일도 없었다. 작업을 맡기는 쪽에서 필요한 맥락을 충분히 주고 있는지부터 점검해야 했다.

코드를 수정한 뒤 검증 단계에서 멈춘 사례도 있었다. AI가 ‘Git 변경 내역을 확인하지 못했다’고 보고한 내용을 도구가 ‘코딩 규칙 위반’으로 처리하면서 테스트와 자동 커밋이 중단됐다. 검증을 마치지 못한 이유가 화면에는 다른 문제로 표시된 셈이다. 이 일로 실패 표시만 볼 것이 아니라, 어느 단계에서 무엇 때문에 멈췄는지 확인할 수 있어야 한다는 점을 배웠다.

이 과정을 거치며 작업을 끝냈다고 보는 기준도 바뀌었다. 코드가 만들어진 상태에서 멈추지 않고, 다음 사람이 검토할 수 있는 상태까지 준비하는 것이다. 구현 속도와 함께, 다음 사람이 일을 이어받기까지 드는 수고도 줄이고 싶었다.

FocusDesk와 Aside로 답변에 필요한 근거 모으기

“이 기능은 이미 적용됐나요?”

Jira에는 ‘완료’라고 적혀 있는데, 안내 문서를 열어보니 ‘다음 배포에 반영 예정’이라고 쓰여 있다. 이런 상황이라면 어느 쪽이 맞는지 바로 답하기 어렵다. 개발 작업이 끝났다는 말과 사용자가 실제로 이용할 수 있다는 말은 서로 다른 상태를 가리킬 수 있기 때문이다.

이런 일은 개발 업무에서만 생기지 않는다. 회의에서 정한 계획과 이후 진행 상황이 서로 다른 문서에 나뉘어 있을 때도 마찬가지다. 답변은 한두 문장이면 충분한데, 그 답을 확인하려고 여러 화면을 오가야 한다.

필자는 이 자료 조사 과정을 줄이려고 업무 문의 지원 도구 FocusDesk를 만들고 Aside를 연결했다. 두 도구는 서로 별개다. 사용자의 AI가 허용된 자료를 조회하면 FocusDesk가 답변 후보와 확인한 사실, 원문 근거, 추가 확인 사항을 모아 보여준다. Aside는 기존에 로그인된 업무 화면에서 자료를 읽는 통로로 활용했다. 연결에는 AI 도구와 브라우저가 필요한 작업을 주고받을 수 있게 해주는 MCP(Model Context Protocol)를 사용했다.

문의가 들어오면 FocusDesk가 먼저 확인할 내용을 정리하고, 그중 로그인된 업무 화면을 직접 살펴봐야 하는 부분을 Aside에 맡긴다. 화면을 찾아 들어가 확인해야 하는 일을 보완하는 용도다.

결과 화면에는 답변 후보와 확인된 내용, 원문 링크, 추가로 확인할 사항이 함께 모인다. 앞의 질문이라면 개발이 완료됐다는 근거와 실제 서비스에 반영됐다는 근거를 나눠 보고, 서비스 반영 근거를 확인할 수 없으면 그 부분을 따로 남겨두는 식이다.

사용하면서 유용했던 점도 이 부분이었다. 답변 후보를 읽다가 궁금한 내용이 있으면 연결된 원문을 확인하고, 근거가 부족하거나 자료끼리 내용이 다른 부분은 따로 살펴볼 수 있었다. ‘작업이 끝났다’는 기록과 ‘운영에 반영됐다’는 기록을 구분해 보니 어디까지 답할 수 있고 무엇을 더 물어봐야 할지 판단하기가 수월했다. FocusDesk는 답변에 필요한 자료를 모으고, 필자가 직접 확인할 부분을 짚어주는 용도로 썼다.

FocusDesk의 문의별 조사 결과 화면
그림 5. FocusDesk의 문의별 조사 결과. 답변 후보와 확인한 사실, 추가 확인 사항을 함께 보여준다. Aside 자체의 출력 화면과는 구분된다.

자료를 찾지 못했을 때도 이유를 구분하도록 했다. 접근 권한이 없어 읽지 못한 것과, 자료를 확인했지만 관련 내용이 없는 것은 다르다. 이 차이가 표시돼 있으면 권한을 요청할지, 다른 자료를 찾을지, 담당자에게 물어볼지 정하기 쉽다.

자료 간 차이를 확인하고 원문 근거를 따라가는 FocusDesk 화면
그림 6. 자료 사이에 다른 내용이 있는지 확인하고 원문 근거를 따라가는 화면. 일부만 조회한 경우와 확인하지 못한 항목도 표시한다.

이 흐름은 필자의 개인용 로컬 환경에서 약 2주 동안 채팅 50건 이상으로 시험했다. 어디까지 확인됐고 무엇이 남았는지를 먼저 보여주는 데 초점을 두었다. 답변을 확정하지 못하더라도 다음에 무엇을 해야 할지 알 수 있다면 자료 조사는 제 역할을 한 셈이다.

네이버웍스로 들어온 진행 상황 문의에서는 확인된 내용까지 답변 전체가 보류된 적이 있다. AI는 자료를 읽고 ‘작업은 완료됐지만 운영 반영은 확인하지 못했다’고 구분했지만, 필자가 넣어둔 ‘일부라도 미확인이면 보류’라는 지시 때문에 답변을 내보내지 않았다. 이후에는 확인된 사실은 알려주고 미확인 부분을 함께 설명하도록 조정했다. 자료를 잘 찾는 것만큼 어디까지 답해도 되는지 기준을 정하는 일도 필요했다.

Slack에서는 연달아 들어온 서로 다른 질문 중 하나가 조사에서 빠진 적도 있다. 같은 대화방의 최신 메시지만 처리하는 로직 때문에 앞선 질문이 제외된 것이다. 질문별로 따로 처리하도록 고친 뒤, 누락됐던 질문도 조사와 초안 저장이 이뤄지는 것을 확인했다. AI의 답변뿐 아니라 문의를 받아 AI에 전달하는 프로그램의 흐름까지 함께 살펴봐야 했던 사례다.

회사 자료를 다루는 만큼 보안 정책과 허용된 자료 범위는 먼저 확인한다. Aside에는 기능별로 허용하거나, 사용 전에 승인을 받거나, 아예 차단하는 설정이 있다. 자료를 읽는 일과 답변을 전송하거나 내용을 바꾸는 일은 이 설정에서도 구분해 두어야 한다.

REA로 낯선 코드에서 읽기 시작할 지점 찾기

자료를 찾는 대상이 문서에서 코드로 바뀌어도 어려움은 비슷하다. 익숙하지 않은 프로젝트를 열면 파일은 많은데 어디부터 읽어야 할지 막막할 때가 있다. AI에게 전체 설명을 부탁해도 긴 소개문을 다 읽고 나면 “그래서 내가 고칠 부분은 어디지?”라는 질문이 남을 수 있다.

이럴 때는 프로그램 전체를 이해하려 하기보다 궁금한 동작 하나에서 시작하는 편이 낫다. 버튼을 눌렀을 때 어떤 처리가 이어지는지, 입력한 내용이 어떤 과정을 거쳐 화면에 나타나는지처럼 눈에 보이는 행동을 기준으로 삼는 것이다.

REA(Reverse Engineer Anything)는 이런 조사에 활용할 수 있는 도구다. AI가 프로그램의 구조와 동작을 분석할 수 있도록 기능을 더해준다. 분석 대상에 따라 연결된 코드의 위치나 프로그램 내부의 관계, 실행 중에 일어나는 일을 살펴볼 수 있다.

필자는 pixel-voyage-trader 프로젝트를 진행하며 REA를 사용해봤다. 게임의 맵과 항적을 일치시키는 작업에 참고하려고 대항해시대 게임을 분석했다. 원하는 동작 하나를 정하고, 그 동작을 이해하는 데 필요한 자료부터 살펴본 사례다.

게임 배포본의 실행 설정과 리소스를 정적 조사한 기록
그림 7. 게임 배포본의 실행 설정과 리소스를 별도로 정적 조사한 보조 기록. REA 실행 결과나 맵·항적 검증을 보여주는 화면은 아니다.

공개 소스로 살펴볼 수 있는 예로는 VS Code의 문서 미리보기 기능이 있다. VS Code는 개발자가 코드를 작성할 때 쓰는 편집 도구로, 마크다운 형식의 문서를 쓰면서 옆에 완성된 모습을 미리 띄워둘 수 있다. 내용을 수정하면 미리보기에도 변화가 반영된다.

쓰는 입장에서는 자연스러운 기능이다. 글자를 바꾸면 옆 화면도 바뀐다. 하지만 비슷한 기능을 직접 만들려고 하면 질문이 생긴다. 문서가 바뀌었다는 사실은 어디서 알아차릴까? 새 내용을 화면으로 보내는 부분은 어디일까? 글자를 연달아 입력할 때도 매번 같은 처리를 반복할까?

VS Code에서 마크다운 문서와 미리보기를 나란히 연 화면
그림 8. VS Code에서 마크다운 문서와 미리보기를 나란히 연 모습. 문서가 바뀌었을 때 화면이 갱신되는 흐름을 살펴보는 예시다.
문서 내용을 수정한 뒤의 VS Code 미리보기 화면
그림 9. 문서 내용을 수정한 뒤의 미리보기. 화면에서 관찰한 동작과 분석 도구가 찾아낸 범위는 따로 확인했다.

이렇게 질문을 좁히면 조사할 코드의 범위도 정해진다. 실제 공개 코드에는 문서 변경을 감지하는 처리, 이어지는 갱신 요청을 조절하는 처리, 새 내용을 미리보기에 반영하는 처리가 나뉘어 있다. 이 연결을 따라가면 큰 프로젝트 전체를 읽지 않고도 미리보기 기능에 필요한 부분부터 살펴볼 수 있다.

이 예시에서는 실제로 설치된 VS Code 확장 번들에도 REA를 실행했다. JavaScript 파일 1개의 파싱은 성공했지만, 선택하지 않은 파일과 분석 한도 때문에 결과는 부분 분석으로 남았다. 미리보기 갱신과 관련된 updateContent라는 문자열의 연결 경로를 찾는 추가 추적에서도 일치하는 항목을 찾지 못했다. 그래서 공개 소스에서 확인한 흐름과 REA의 분석 범위를 나눠 보았고, 이 사례를 REA가 전체 실행 경로를 자동으로 찾아낸 경우로 보지는 않았다.

설치된 VS Code 확장에 실행한 REA의 응답 결과
그림 10. 설치된 VS Code 확장에 실행한 REA의 실제 응답을 읽기 좋게 배치한 결과. 부분 분석과 추가 경로 추적의 no-match 상태를 그대로 표시했다.

여기서 한 가지를 더 정해두면 좋다. 이번 조사로 무엇을 결정하려는지다. 미리보기 갱신 방식을 바꾸는 것이 목적이라면 관련 경로와 수정할 위치를 찾는 것이 우선이다. 그 부분을 확인했다면 구현과 테스트로 넘어가면 된다. 관련 없는 기능까지 모두 설명받을 필요는 없다.

AI의 설명을 그대로 받아들이자는 이야기는 아니다. 필자는 AI의 설명과 실제 코드를 비교하며 어디서부터 읽을지 출발점을 잡는 데 쓴다. 공개 코드를 검색하고 읽는 정도라면 일반 코딩 에이전트로도 시작할 수 있고, 더 깊은 구조나 실행 중 동작을 조사해야 할 때 별도의 분석 도구를 검토하면 된다.

분석 결과를 받으면 설명의 길이보다 다음에 할 일이 분명해졌는지를 먼저 본다. 어느 파일을 더 읽을지, 어디를 수정할지, 어떤 동작을 시험할지 알게 됐다면 그 분석은 실제 작업으로 이어질 수 있다.

Hermes와 OMX로 즐기던 게임을 만들며 설계와 구현 나누기

개인 시간에는 조금 다른 주제로 AI를 활용해봤다. 예전에 즐겨 했던 ‘대항해시대’를 떠올리며 항해와 교역을 하는 게임 pixel-voyage-trader를 만들어본 것이다. 게임 개발이 본업은 아니지만, 배를 타고 항구를 오가던 재미를 이번에는 만드는 쪽에서 살펴보고 싶었다.

pixel-voyage-trader의 항해 화면
그림 11. pixel-voyage-trader의 항해 화면. 배의 위치와 항구 접근을 한 화면에서 살펴본다.

처음 화면에 바다와 배가 나타났을 때는 제법 게임다운 모습이었다. 다만 배가 보인다고 바로 항해를 시작할 수 있는 것은 아니었다. 움직이지 않는 문제를 고치고, 화면에 보이는 항구와 실제로 입항할 수 있는 위치를 맞춰야 했다. 배를 그리는 일과 배가 제대로 항해하게 만드는 일은 별개였다.

게임 제작용 세계지도와 주요 항구 이미지
그림 12. 게임 제작 과정에서 준비한 세계지도와 주요 항구 이미지. 화면상의 위치를 어떻게 사용할지 논의하는 자료로 삼는다.

익숙한 게임이라 머릿속에 원하는 장면은 있었지만, 막상 구현하려니 설명하지 않은 조건이 꽤 많았다. 기능을 이야기하다 오류를 고치고, 다시 다음 기능을 붙이다 보면 처음 정한 내용을 되짚어야 했다. 그래서 설계를 논의하는 대화와 코드를 고치는 작업을 나눠보기로 했다.

이 프로젝트에서는 Hermes Agent에 OMX(oh-my-codex)를 연결했다. OMX는 Codex를 이용한 개발 작업에 계획과 역할 분담, 구현·검토 과정을 더하는 도구다. Hermes 쪽에서 작업을 전달하고 진행 상태와 결과를 받아볼 수 있는 연결도 제공한다.

필자는 Hermes와 함께 원하는 기능과 사용 흐름을 정리했다. 기준이 잡히면 OMX에 이번에 만들 부분과 확인할 조건을 전달해 구현과 테스트를 진행했다. 쉽게 말해 한쪽에서는 무엇을 만들지 계속 살피고, 다른 쪽에서는 정해진 내용을 실제로 만드는 방식이다.

Hermes에서 역할을 나눈 스킬 설정 화면OMX 작업 결과와 검사 내역을 정리한 대화 화면
그림 13. Hermes–OMX 작업 화면. 왼쪽은 역할을 나눈 스킬 설정, 오른쪽은 작업 결과와 검사 내역을 정리한 대화다. 화면의 검사 보고와 별도의 재검증은 구분한다.

교역 기능을 예로 들면, 먼저 항구에 들어가 물건을 고르고 거래를 마치는 장면을 떠올린다. 그다음 거래 화면에 무엇을 보여줄지, 물건을 사고팔면 자금과 적재량이 어떻게 바뀔지를 정한다. 돈이 부족하면 거래를 막아야 하고, 거래가 실패했다면 자금과 적재량도 그대로 남아 있어야 한다. 이런 조건을 정리한 뒤에 구현을 맡긴다.

pixel-voyage-trader의 항구·교역 화면
그림 14. pixel-voyage-trader의 항구·교역 화면 이미지. 거래 메뉴와 가격, 자금, 선박 상태와 적재량을 함께 표현했다.

설계와 구현을 나눈 이유는 두 과정에 필요한 정보가 다르기 때문이다. 거래 규칙은 다음 기능을 만들 때도 계속 참고해야 하지만, 특정 오류의 기록은 그 문제를 고치는 동안 주로 필요하다. 설계 쪽에는 결정한 내용을 남기고 구현 쪽에는 이번 작업의 범위와 결과를 남기니, 대화가 뒤섞이는 일이 줄었다.

수정할 때도 기준이 생겼다. 정한 규칙은 맞는데 동작이 잘못됐다면 코드를 고친다. 실제로 써보니 규칙 자체가 불편하다면 설계부터 다시 살펴본다. 모든 문제를 곧바로 “다시 만들어줘”로 넘기지 않고, 무엇을 바꿔야 하는지부터 구분하는 것이다.

이렇게 작업을 이어가며 좋았던 점은 배경을 매번 처음부터 설명하지 않아도 된다는 것이었다. 정리해둔 조건과 지난 결과를 바탕으로 다음 수정을 논의할 수 있었다. 생각으로만 남겨뒀을 게임을 직접 움직여보고, 다음에는 무엇을 바꿀지 고민하는 단계까지 이어갈 수 있었다.

작은 수정까지 매번 여러 도구로 나눌 필요는 없다. 간단한 변경은 짧게 처리하고, 여러 기능이 맞물리거나 수정이 반복되는 작업에 이런 구성을 쓴다. 역할을 나누는 목적은 도구를 많이 쓰는 데 있지 않고, 처음 정한 방향을 잃지 않고 작업을 이어가는 데 있다.

처음부터 큰 서비스일 필요는 없다

여기까지 읽으면 여러 도구를 연결하고 지원 프로그램까지 만들어야 AI를 잘 활용하는 것처럼 보일 수 있다. 하지만 처음부터 이런 구성을 갖출 필요는 없다. 평소 반복하던 일 하나를 고르는 편이 오히려 시작하기 쉽다.

여러 문서에서 필요한 내용을 모으는 일, 요청을 일정한 형식으로 정리하는 일, 수정한 부분과 확인 결과를 한곳에 모으는 일 모두 출발점이 될 수 있다. 익숙한 업무라면 어떤 결과가 나와야 하는지 알고 있으므로, AI가 준비한 내용이 쓸 만한지도 판단하기 수월하다.

필자는 몇 번 해보다가 비슷한 요청을 계속 작성하게 되면, 그 부분을 도구로 묶을 수 있을지 살펴본다. 매번 설명하던 조건을 미리 정해두고, 필요한 자료를 가져오고, 결과를 다음 작업에 전달하도록 만드는 것이다. 앞서 소개한 개발 업무 지원 도구도 이런 반복을 하나의 기능으로 연결한 사례다.

모든 과정에 AI가 들어가야 하는 것도 아니다. 문서의 의미를 읽고 내용을 정리하는 데는 AI를 활용하되, 파일을 옮기거나 정해진 검사를 실행하는 일은 일반 프로그램이 맡을 수 있다. AI에게 매번 같은 부탁을 하는 대신, 반복해서 쓸 수 있는 프로그램을 만드는 데 AI의 도움을 받는 방법도 있다.

만든 것을 평가할 때는 코드가 나오는 속도만 보지 않으려 한다. 요청을 준비하는 시간, 결과를 검토하는 시간, 잘못된 부분을 다시 고치는 수고까지 포함해야 한다. 처음에는 빨라 보여도 뒤에서 다시 정리할 일이 많아진다면 전체 업무가 줄었다고 말하기 어렵다. 반대로 작은 자동화라도 매번 자료를 찾아 옮기던 일을 덜어준다면 꾸준히 쓸 이유가 생긴다.

또 하나 구분할 것은 ‘한 번 돌아가는 것’과 ‘계속 쓸 수 있는 것’이다. AI 덕분에 가능성을 확인하는 시제품, 흔히 말하는 POC(Proof of Concept)를 만드는 부담은 줄었다. 하지만 내 컴퓨터에서 한 번 잘된 기능을 다른 사람에게 제공하려면 예상하지 못한 입력과 접근 권한, 실패했을 때의 처리, 운영 비용까지 확인해야 한다.

그래서 처음에는 자료 조회나 초안 작성처럼 결과를 확인한 뒤 다음 단계로 넘길 수 있는 일부터 맡긴다. 충분히 살펴본 다음 필요한 기능을 넓혀가는 식이다. 작게 시작한다는 말은 목표를 작게 잡는다는 뜻이 아니다. 무엇이 잘되고 무엇을 더 고쳐야 하는지 확인할 수 있는 크기로 시작한다는 뜻이다.

AI와 함께 달라지는 개발자의 역할

이런 작업을 하다 보니 개발자의 역할에 관한 이야기도 조금 다르게 읽힌다. 코드를 직접 입력하는 시간이 줄어들면 그 자리를 어떤 일이 채우게 될까 하는 질문이다.

Claude Code를 만든 보리스 체르니(Boris Cherny)는 2026년 5월 26일 게재된 Platformer 인터뷰에서 당시 6개월 넘게 코드를 직접 쓰지 않았다고 말했다. 다만 이는 자신이 다루는 비교적 단순한 코드베이스에서의 경험이며, 크고 복잡한 기업 코드베이스에서는 모델이 여전히 실수한다고 설명했다. 구현을 맡기더라도 사용자와 이야기하고, 다음에 무엇을 만들지 고민하고, 문제를 해결하는 일은 남는다는 것이다.

안드레이 카르파티(Andrej Karpathy)가 2026년 4월 30일 개인 블로그에 공개한 Sequoia Ascent 2026 대담 정리에서도 비슷한 변화가 나타난다. 이 글은 대담 전사본을 AI로 요약·정리한 뒤 카르파티 본인이 읽고 검토해 게시한 것이다. 카르파티는 코드 몇 줄보다 기능 구현이나 테스트처럼 더 큰 작업을 AI에게 맡기게 됐다고 말하면서, 사람은 무엇을 요청해야 하는지 알고 만들어진 프로그램의 구성이 타당한지 판단해야 한다고 강조한다. 세부 구현은 맡길 수 있어도 기본 원리를 이해하는 일까지 없어지지는 않는다는 설명이다.

이런 사례를 보면 앞으로 AI에게 맡기는 범위는 코드 일부에서 하나의 일감으로 넓어질 것으로 보인다. 필요한 내용을 조사하고, 수정하고, 결과를 확인하는 과정이 지금보다 자연스럽게 이어지는 것이다. 물론 모든 프로젝트에 같은 방식이 통하지는 않는다. 오래된 프로그램이나 여러 서비스가 복잡하게 얽힌 환경에서는 더 많은 확인이 필요할 것이다. 공개된 사례와 필자의 작업 경험을 바탕으로 한 예상이다.

문제를 정의하고 결과를 검토하는 일은 이전에도 개발자의 역할이었다. AI 때문에 갑자기 생긴 일은 아니다. 다만 반복적인 구현과 자료 정리의 일부를 맡길 수 있다면, 그동안 시간이 부족해 자세히 보지 못했던 부분에 더 신경 쓸 수 있다. 사용자가 정말 원하는 동작인지 다시 살펴보거나, 다른 해결 방법을 하나 더 시험해보는 식이다.

필자가 원하는 결과물의 모습을 먼저 그려보는 이유도 여기에 있다. 도구가 빠르게 무언가를 만들어도 무엇과 비교해야 하는지 모르면 방향을 판단하기 어렵다. 반대로 원하는 장면이 구체적이면 AI가 만든 결과를 실행해보고, 어긋난 부분을 찾아 고쳐갈 수 있다. 머릿속 생각을 실제로 확인할 수 있는 형태로 바꾸는 데 AI를 쓰는 셈이다.

새로운 방법은 주로 Threads나 기술 기사, 다른 개발자들의 사용기를 통해 접한다. 관심 가는 방법을 개인 작업에서 먼저 시험하고, 괜찮았던 방식을 업무에 연결하는 과정은 앞으로도 이어갈 생각이다. 도구 이름을 많이 아는 것보다, 직접 써보니 어떤 수고가 줄었고 무엇을 더 해볼 수 있었는지 설명할 수 있는 경험을 쌓고 싶다.

처음에는 AI가 코드를 얼마나 잘 작성하는지가 궁금했다. 지금은 일을 맡긴 뒤 무엇을 받아야 다음 일을 바로 시작할 수 있는지를 더 살핀다. 요청이 정리되고, 근거가 모이고, 검토 자료와 PR까지 준비되면 AI가 맡을 수 있는 일도 코드 밖으로 넓어진다. 코딩만 시키기엔 아까운 이유다.

부록 1. 참고 자료 및 출처

Archify
코드 구조와 처리 흐름 시각화
공식 저장소: github.com/tt-a1i/archify
설치 및 에이전트 안내: Archify llms.txt
Aside
브라우저 작업과 접근 권한 관리
다운로드: aside.com/download
작업 안내: Aside 작업 안내 문서
CLI·MCP 연결: Aside 개발자 문서
에이전트 권한: Aside 보안·권한 문서
REA
프로그램 구조와 동작 분석
공식 저장소: github.com/morluto/rea
FAQ: rea.tools/faq
설치 안내: REA 설치 문서
Hermes Agent
기본 설정과 외부 도구 연결
공식 저장소: github.com/NousResearch/hermes-agent
시작하기: Hermes Agent 퀵스타트
MCP 연결: Hermes Agent MCP 안내
OMX
개발 작업 관리와 Hermes 연동
공식 저장소: github.com/Yeachan-Heo/oh-my-codex
Hermes–OMX 연결: Hermes MCP 브리지 문서
보리스 체르니 인터뷰
Platformer · Casey Newton 인터뷰
2026년 5월 26일 게재
Claude Code’s creator on the end of the software engineer
안드레이 카르파티 대담 정리
개인 블로그 · 2026년 4월 30일 게시
카르파티가 AI로 정리하고 본인이 검토한 대담 요약
Sequoia Ascent 2026 summary
대담 원영상(YouTube)

부록 2. 소개한 도구 설치하고 시작하기

아래는 2026년 11월 6일 확인한 공식 문서를 바탕으로 정리한 기본 설치 방법이다. 필요한 도구 하나를 골라, 결과를 직접 확인할 수 있는 작은 작업부터 시작하면 된다.

명령은 터미널이나 PowerShell처럼 명령어를 입력하는 창에서 실행한다. 회사 컴퓨터라면 설치 정책과 외부 AI에 전달할 수 있는 자료 범위를 먼저 확인한다.

Archify: 코드와 설명을 그림으로 정리하기

아키파이는 코딩 에이전트에 ‘스킬’이라는 추가 기능을 설치해 사용하는 도구다. Node.js와 npm을 준비한 뒤 설치한다. 아래는 Codex에서 쓸 수 있도록 사용자 단위로 설치하는 예시다. 다른 에이전트를 쓴다면 공식 안내에 따라 설치 대상을 바꾸면 된다. (Archify 설치 안내)

npx skills@latest add https://archify.si --skill archify --agent codex --global --copy

설치 안내를 확인해 적용한 뒤, 에이전트에 “이 프로젝트의 로그인 처리 순서를 아키파이로 그려줘”처럼 작은 기능부터 요청해본다. 처음부터 프로젝트 전체를 그리기보다, 이미 알고 있는 흐름과 결과를 비교해보는 편이 확인하기 쉽다. (Archify GitHub)

Aside: 브라우저에서 자료 찾고 확인하기

공식 다운로드 페이지에서 Windows 또는 macOS용 설치 파일을 받아 설치한다. 실행 후 초기 설정을 마치고 작업에 사용할 웹사이트에 로그인하면, 브라우저 안에서 자료 조사 등을 시작할 수 있다. (Aside 다운로드)

본문처럼 다른 AI 도구와 연결하려면 Aside 개발자 설정에서 CLI(명령줄 도구)를 설치한다. 이후 연결할 도구의 MCP 설정에 실행 명령은 aside, 인수는 [“mcp”]로 등록한다. 개발자 설정에 실제 설치 경로가 표시된다면 그 경로를 사용한다.

처음에는 공개된 페이지의 내용을 정리하는 작업으로 시험해본다. 업무 계정을 연결할 때는 Settings > Agents에서 도구 권한을 확인하고, 자료 조회와 전송·수정 기능을 구분해 필요한 범위만 허용한다. (Aside Help Center)

REA: 프로그램의 구조와 동작 살펴보기

공식 설치 문서에서 지원하는 버전의 Node.js와 npm을 준비한다. 분석 대상 프로젝트 바깥의 신뢰할 수 있는 폴더에서 다음 명령을 실행한다. (REA 설치 문서)

npx rea-agents@latest setup

설정 화면에서 연결할 코딩 에이전트를 선택하고, 변경될 설정을 확인한 뒤 승인한다. 완료 안내에 따라 에이전트를 다시 실행하면 된다. 설치 과정에서 분석 도구 연결과 사용 지침이 함께 등록된다.

첫 작업은 분석 권한이 있는 작은 프로그램이나 공개된 예제로 시작한다. “전체를 분석해줘”보다 “이 버튼을 누른 뒤 어떤 처리가 이어지는지 찾아줘”처럼 질문을 좁히는 편이 좋다. 실행 파일 분석 등 작업 종류에 따라 별도의 분석 엔진이 필요할 수 있으므로, 대상에 맞는 준비 사항은 공식 문서를 확인한다. (REA FAQ)

Hermes Agent와 OMX: 설계와 구현을 나눠 진행하기

먼저 Hermes Agent를 설치한다. macOS와 Windows에서는 공식 Hermes Desktop 설치 프로그램을 이용할 수 있다. 설치한 뒤 다음 명령으로 사용할 AI 서비스와 인증 정보를 설정한다. 기본 대화가 정상적으로 되는지 확인한 다음 다른 도구를 연결하는 순서가 좋다. (Hermes Agent 퀵스타트)

hermes setup

OMX는 따로 설치한다. Node.js 20 이상과, 설치와 인증을 마친 Codex CLI가 필요하다. 아래는 OMX를 설치하고 사용자 단위로 설정한 뒤 설치 상태를 점검하는 명령이다. (OMX GitHub)

npm install -g oh-my-codex
omx setup --scope user
omx doctor

omx doctor는 설치와 설정 상태를 확인하는 명령이다. 실제 AI 요청까지 처리되는지는 작은 작업을 실행해 따로 확인한다. 여러 에이전트를 함께 실행하는 팀 기능은 macOS·Linux와 tmux 환경을 우선 권장하며, Windows에서는 WSL2 사용 등 공식 문서의 환경별 안내를 확인하는 편이 좋다.

두 도구를 함께 쓰려면 Hermes의 MCP 설정에 OMX를 추가로 등록한다. 실행 명령은 omx, 인수는 [“mcp-serve”, “hermes”]다. 작업을 허용할 프로젝트 경로도 제한해둔다. 이 연결을 통해 Hermes가 OMX에 작업을 전달하고 진행 상태와 결과물을 받아올 수 있다.

이용수 기자

AI를 개발 흐름에 깊이 연결할수록, 설계와 검증에서 개발자의 판단이 더 선명하게 드러납니다. AI와 함께 다룰 수 있는 문제의 범위가 넓어지는 만큼, 다음에는 어떤 해법을 만들어갈 수 있을지 기대됩니다.


TOP