AI 시대, 의미가 보이는 프로젝트를 설계하는 법

AI가 코드 한 줄의 가격을 거의 0에 가깝게 끌어내렸다. 하지만 이상하게도 데이터 모델을 만드는 판단만큼은 여전히 사람에게서 나온다. 그 사이의 간극이 지금 시대의 프로젝트 설계 역량이다.

코드 가격은 떨어졌지만 모델링은 남아있다

AI 시대에 개발자는 더 이상 한 줄짜리 함수에 매달리지 않는다. 자동 완성, 코드 생성, 리팩터링 제안까지 — 구현 자체는 빠르게 끝난다. 그 자리에 비어 있는 것은 무엇을 만들 것인가의 결정이다. 그리고 그 결정은 거의 언제나 데이터 모델에서 시작한다.

모델은 "코드 이전"에 존재한다. 화면 한 장, 폼 한 개, 알람 한 줄을 추가하기 전에 우리는 "이 정보가 어떤 모양이어야 하는가"를 먼저 묻는다. AI는 그 질문의 답을 잘 주지 못한다. 패턴은 줄 수 있어도 맥락은 모르기 때문이다.

TODO 앱으로 보는 모델링의 실제

간단한 TODO 앱을 떠올려보자. 한 줄짜리 task를 적고, 완료 체크를 누른다. 여기까지는 단순한 리스트 모델이다. 그런데 "2주 동안만, 인터벌을 가지고 반복되는 알람을 추가하고 싶다"는 요구가 들어온다.

순진한 구현은 repeat: bool 플래그를 task에 붙이는 것이다. 하지만 2주 후엔 어떻게 되는가? 매일 반복되는 약 복용 알람과 격일 운동 알람을 같은 모델에 담을 수 있는가? 이때 모델링이 실패하면 기능 충돌이 시작된다.

반복 패턴을 별도 엔티티로 분리하고, task와 N:N 관계로 묶고, 각 반복의 종료 조건을 명시적으로 표현해야 한다. 이 설계 없이는 AI가 코드를 아무리 빠르게 짜도 화면은 곧 일관성을 잃는다.

AI가 잘하는 것과 못하는 것의 경계

AI는 패턴이 보일 때 빠르다. 알려진 데이터 모델을 그대로 따라가는 일, 흔한 CRUD 조합, 표준 라이브러리 활용 — 이 영역은 사람의 속도를 압도한다. 그런데 처음 보는 도메인의 핵심 관계를 발명해 내는 일은 여전히 사람 몫이다.

그 차이를 정리하면:

• AI가 잘하는 영역: 정형화된 코드, 검증된 라이브러리 사용, 명세 기반 변환
• 사람이 잘하는 영역: 도메인의 핵심 추상화 발견, 모순되는 요구 사이의 타협점 선택, "왜 이 모델인가"에 대한 설명

프로젝트의 무게중심은 점점 두 번째 영역으로 이동한다. 코드 양은 줄지만 의미 있는 결정의 밀도는 오히려 높아진다.

의미가 보이는 프로젝트의 조건

그러면 어떤 프로젝트가 "의미가 보이는" 프로젝트인가? 세 가지 신호가 있다.

• 첫째, 도메인 개념이 이름이 있다.* User, Order, RecurrenceRule 같은 이름이 떠오르지 않으면 모델이 아직 추상화되지 않은 것이다. 좋은 프로젝트는 이런 이름을 코드보다 먼저 정의한다.

• 둘째, 변경이 한 곳에서 끝난다.* 새 요구가 들어왔을 때 수정할 파일이 둘 이상 필요하다면 모델이 잘못 설계됐을 확률이 높다. 좋은 모델은 변경의 파급을 응집된 한 지점에 모은다.

• 셋째, 예외를 데이터로 다룬다.* 잘못된 입력을 if/else로 분기하지 않고, 검증된 상태와 미검증 상태로 모델을 나눠 표현한다. 예외는 분기가 아니라 데이터의 한 형태로 남는다.

코드를 줄이는 것이 목적이 아니라 의미가 보이게 하는 것이다

AI 시대의 개발자에게 "더 빠르게 코드를 짜라"는 조언은 거의 의미가 없어졌다. 모든 팀이 비슷한 속도로 코드를 생성한다. 남는 차이는 무엇을 모델링했느냐다.

의미가 보이는 프로젝트는 처음에 더 오래 걸린다. 화면이 빨리 뜨지 않고, API가 먼저 나오지 않는다. 대신 한번 만들어지면 새 기능을 붙이는 비용이 꾸준히 낮다. 시간이 지날수록 프로젝트의 가치가 누적된다.

반면 의미가 보이지 않는 프로젝트는 초반에 빠르다. 그러나 두 번째 요구사항이 들어오는 순간 모든 파일이 흔들리기 시작한다. 속도는 점점 떨어지고, 변경은 점점 위험해진다.

AI가 만들어 내는 코드 그 자체는 양쪽 모두 비슷하다. 차이를 만드는 것은 모델이다. 그리고 그 모델은 사람이 설계한다.

우리가 신경 써야 할 것은 무엇인가

AI 시대의 의미 있는 일은 코드를 적게 쓰는 것이 아니라, 모델을 정확하게 쓰는 것이다. 데이터의 형태를 결정하는 일, 도메인의 핵심 관계를 발견하는 일, 예외를 데이터로 다루는 일 — 이 세 가지가 프로젝트를 오래 산 프로젝트로 만든다.

코드 한 줄의 가치가 떨어진 시대에, 한 줄짜리 모델의 가치는 올라간다. 그 모델에 이름을 붙이고, 응집시키고, 데이터로 다루는 습관이 지금 시대의 가장 의미 있는 작업이다.