AI와 함께 일하며 복리처럼 쌓아 성장하는 법
AI와 협업할 때 단순히 대화를 나누는 수준에 머물렀나요? 실제로는 더 많은 것이 가능합니다. 모든 작업의 결과물이 다음 세션의 맥락으로 누적되고, 피드백이 설정에 반영되어 미래의 실수를 줄이는 복리 구조를 만들 수 있습니다. 이 글에서는 AI 협업의 다섯 가지 핵심 원칙과 구체적 실행 방법을 정리합니다.
다섯 가지 핵심 원칙
AI와 효과적으로 협업하려면 다음 다섯 가지를 체계적으로 다루어야 합니다.
첫째, 맥락 제공입니다. 코드를 작성하거나 문서를 분석할 때 배경 정보를 충분히 주어야 AI가 정확하게 도와줍니다. 프로젝트의 목적, 기존 아키텍처,제약건 등을 명시하면 결과물의 질이 크게 달라집니다.
둘째, 취향 설정입니다. 매번 같은 형태로 수정 요청을 보내지 않으려면 선호도를 설정 파일에 기록하면 됩니다. 출력 형식, 코드 스타일, 문체 등을 정해두면 반복 작업이 줄어듭니다.
셋째, 검증 자동화입니다. AI가 작성한 코드가 정확한지 매번 수동으로 확인하는 것은 비효율적입니다. 테스트 스위트나 린트 도구를 연결하면 검증 시간을 크게 단축할 수 있습니다.
넷째, 위임 확대입니다. 작은 단위의 반복 작업에서 점점 더 큰 단위의 작업으로 넘어가면 AI의 능력을 최대한 활용할 수 있습니다. 다만 성공 기준을 명확하게 정의해야 합니다.
다섯째, 피드백 루프입니다. 매번 수정 사항을 반복해서 알려야 한다면, 그 내용을 설정에 반영하면 됩니다. 한 번의 교정으로 미래 유사 오류를 줄일 수 있습니다.
맥락을 인프라로 구축하는 방법
AI에게 좋은 결과를 받으려면 정보를 체계적으로정리해야 합니다. 모든 코드는 ~/src 디렉터리에, 지식 작업은 ~/vault(projects/, notes/, kb/ 등)에 정리하면 AI가 grep이나 glob으로 필요한 정보를 쉽게 찾을 수 있습니다.
조직 차원에서는 Slack, Drive, Mail 등의 데이터를 MCP(Model Context Protocol)로 AI에 연결하면 프로젝트 관련 정보를 빠르게 검색할 수 있습니다. 단순히 URL 목록을 공유하는 것보다, 각 항목에 설명을 주석으로 달아두면 AI가 불필요한 검색을 줄일 수 있습니다.
프로젝트마다 INDEX.md 파일을 유지하는 것도 효과적입니다. 각 항목에 담당자, 내용 요약, 관련 URL을 기록해두면 AI가 처음 보는 프로젝트도 빠르게 이해할 수 있습니다. 특히신인 온보딩 문서처럼 사용할 수 있다는 점이 장점입니다.
취향을 설정으로 인코딩하기
매번 같은 선호도를 반복해서 설명하는 것은 시간 낭비입니다. ~/.claude/CLAUDE.md 파일에 행동 규칙을 기록해두면 세션 시작 시 자동으로 적용됩니다.
예를 들어 "동의하지 않을 때는 반박하기", "불확실하면 솔직히 말하기", "실패하면 근본 원인을 조사한 후 재시도하기" 등의 규칙을 명시할 수 있습니다. 새로운 도메인의 핵심 용어가 나오면 1~2문장으로 설명하는 teaching 섹션도 추가하면 좋습니다.
디렉터리별로 적용 범위를 구분할 수도 있습니다. 글로벌 설정(~/.claude/CLAUDE.md)은 모든 곳에 적용되는 규칙이고, 레포 루트 설정은 해당 프로젝트에만 적용됩니다. 프로젝트 디렉터리에 넣은 설정은 그 프로젝트만의특수한 규칙을 담습니다.
긴 CLAUDE.md 파일은 매 세션마다 전체를 로딩해야 하므로 컨텍스트 비용이 커집니다. 이런 경우 @import 대신 "관련 시 읽기" 형태로 가이드 파일 경로만 명시하면 필요할 때만 로딩할 수 있습니다.
반복 작업을 스킬로 전환하기
주 1회 이상 반복하는 작업은 스킬로 만들면 효율적입니다. 스킬은 이름, 트리거, 절차를 담은 마크다운 워크플로 파일입니다.
스킬을 만드는 좋은 방법은 먼저 대화형으로 작업을 수행한 뒤, AI에게 스킬로 만들어 달라고 요청하는 것입니다. 동일하거나 유사한 작업에 스킬을 실행하고 출력을 교정하는 과정은 같은 세션 내에서 수행하면 됩니다. 교정과 피드백을 바탕으로 AI가 스킬을 업데이트하도록 하면 점점 더 정교한 스킬로 발전시킬 수 있습니다.
첫 번째 버전이 원본 세션에 과적합되는 것은 정상입니다. 여러 라운드를 거치면서 스킬이 수렴해갑니다. 주의할 점은 스킬 파일을 직접편하지 말고, 세션 내에서 교정하여 트랜스크립트에 축적시키는 것입니다.
모든 작업에 이 스킬 시스템이 필요한 것은 아닙니다. 브레인스토밍, 탐색, 초안 작업에는 심플 모드를 사용하면 좋습니다. 이 모드에서는 에이전트 하네스가 비활성화되어 모델과 더 가깝게 사고할 수 있습니다.
검증을 왼쪽으로 이동시키기
품질 보장은 개발 속도를 늦추지 말아야 합니다. 검증을 사다리 구조로 구성하면 효과적입니다.
가장 아래 단계는ruff format, ruff check --fix 등을 실행하는 포스트 에딧 훅입니다. 결정적이며 토큰 비용이 없습니다. 그 위 단계는 테스트와 eval이며, AI가 스스로 작업을 검증하도록 구성합니다. 가장 위 단계는 LLM 리뷰로 비용이 높지만 판단이 필요한 경우에 사용합니다.
시스템이 메트릭을 생산하면 AI가 직접 eval을 실행하여 최적화할 수 있습니다. Docker 이미지 빌드 시 에러를 읽고 Dockerfile을 수정 후 재빌드하는 것도 좋은 예입니다.
장시간 작업에서 드리프트 방지하기
긴 세션에서는 오류가 누적되어 방향이 흐트러질 수 있습니다. 두 번째 세션을 프레시 컨텍스트로 실행하여 원본 스펙과 비교하면 문제를 일찍 발견할 수 있습니다.
tmux 두 패널을 구성하면 효과적입니다. 하나는 1차 개발용, 하나는 페어 프로그래머용으로 사용합니다. 공유 파일에 초기 지시와 후속 프롬프트를 추가하고, 페어 프로그래머가 주기적으로 확인합니다.
드리프트는 두 가지 형태로 나타납니다. 실행 드리프트는 작업을 올바르게 수행하는지 확인하는 전술적 문제이고, 방향 드리프트는 올바른 작업을 하고 있는지 확인하는 전략적 문제입니다. 실행 드리프트는 자주 확인하고, 방향 드리프트는 가끔 확인하면 됩니다.
위임으로 확장하기
짧은 작업과 빠른 피드백의 페어 프로그래밍 방식은 빠른 반복과 탐색적 분석에 적합합니다. 그러나 점점 더 큰 작업 단위로 위임하면 동시에 여러 세션을 운영할 수 있습니다.
병렬 세션 운영으로 동시에 3~6개 세션을 실행할 수 있습니다. 이때 병목이 "작업 수행"에서 "명확한 스펙 작성과 빠른 출력 리뷰"로 이동합니다. 성공 기준과 메트릭을 사전에 정의하면 검증할 수 없는 것을 위임하는 실수를 줄일 수 있습니다.
같은 레포를 공유하는 경우 git worktrees를 사용하면 각 세션이 독립적인 체크아웃을 확보할 수 있습니다. 세션 상태 파악을 쉽게 하려면 완료 시 사운드 재생, tmux 윈도우 타이틀에 상태 이모지 추가, Claude Code 상태 줄에 컨텍스트 사용량 표시 등의 방법을 쓸 수 있습니다.
피드백 루프를 닫는 습관
작업 결과를 공개적으로 문서화하면 맥락이 풍부해집니다. 공유 문서나 레포에서 작업하면 팀원 모두와 AI가 정보를 활용할 수 있습니다.
간단한 테스트를 해볼 수 있습니다. "새 팀원이 공유된 맥락만으로 지난주 내 작업을 재현할 수 있는가?"라는 질문에 답이 부정적이면, 중요한 맥락이 머릿속에만 있는 것입니다.
과거 세션 트랜스크립트를 주기적으로 분석하면 갭을 발견할 수 있습니다. "can you also", "did you check", "still wrong" 같은 표현이 자주 나오면, AI가 자발적으로 해야 할 작업이 누락되었거나 검증 단계가 오작동한 것입니다.
설정이 많아지면 서로 겹치거나 충돌할 수 있습니다. 이때 각 규칙이나 선호도는 정확히 한 곳에만 존재하도록 리팩터링하면 관리가 쉬워집니다.
인간 협업에도 적용되는 원칙
이 원칙들은 AI 협업뿐 아니라 인간 팀 협업에도 동일하게 적용됩니다. 좋은 맥락 제공, 취향 인코딩, 저비용 검증, 더 많은 위임, 피드백 루프 닫기. 결국 협업자를 피드백을 통해 한 번에 하나씩 훈련시키는 과정입니다.
개인 도구에 국한되지 않고, 에이전트 하네스 설계, 팀 규범 설정, 조직 인프라 구축에도 같은 원칙을 적용할 수 있습니다.
핵심 정리
AI와 효과적으로 협업하려면 다음을 기억하세요.
• 모든 작업 결과를 맥락으로 누적하면 다음 세션의 결과 품질이 높아집니다
• 반복되는 선호도는 설정 파일에 기록하여 매번 설명하는 시간을 절약하세요
• 검증은저성본에서 고비용 순서로 사다리 구조로 구성하세요
• 작은 단위에서 큰 단위로 점진적으로 위임 범위를 확대하세요
• 매번 하는 교정은 설정에 반영하여 미래 오류를 줄이세요
이 원칙들은 AI 시대 협업의 기본 프레임워크입니다. 구체적인 설정은 개인의 필요에 따라 달라질 수 있지만, 핵심은 변하지 않습니다.
참고 출처
• AI와 함께 일하며 복리처럼 쌓아 성장하는 법 (eugeneyan.com)
• GeekNews 원문 링크
📚 출처
'AI 뉴스' 카테고리의 다른 글
| whichllm - 내 하드웨어에서 실제로 돌아가고 최고 성능을 내는 로컬 LLM 찾기 완벽 가이드 (0) | 2026.05.18 |
|---|---|
| Show GN: 셜록 - 당신이 오늘 뭘 했는지를 다 알고 있는 AI 노트 앱 (0) | 2026.05.18 |
| 플랫폼 엔지니어링의 모든 것: 왜 필요하고, 어떻게 구축하며, 성공은 어떤 모습인가 완벽 가이드 (1) | 2026.05.18 |
| Show GN: glowed — Ghostty용 터미널 Markdown 브라우저/에디터 완벽 가이드 (0) | 2026.05.18 |
| Google 검색의 생성형 AI 기능을 위한 웹사이트 최적화 완벽 가이드 (0) | 2026.05.18 |