AI 코드 분석 사고를 바꾼 실험: 주니어가 아닌 시니어처럼 분석하다

 

React 코드베이스를 AI로 분석하려고 했을 때, 분석 실패와 타임아웃 에러가 터져 나오는 경험을 한 적이 있으신가요? 이는 단순히 AI 모델의 성능 문제로 치부할 수 있는 일이 아닙니다. 오히려 AI가 코드를 마치 프로그래밍을 처음 배우는 주니어 개발자처럼, 라인 단위로만 접근하기 때문에 발생하는 문제입니다.

이번 실험에서 기존 방식을 버리고, AI가 시니어 개발자처럼 코드를 분석하도록 사고방식을 전환한 결과를 확인했습니다. 이 변화는 AI가 단순 코드 분석을 넘어 시스템적 통찰력을 제공할 수 있음을 보여줬습니다. 이 블로그에서는 이 실험의 배경, 구현 과정, 그리고 얻은 결과를 중심으로 AI 코드 분석의 새로운 접근법에 대해 알아보겠습니다.

반응형

---

1. 기존 AI 코드 분석의 한계: 주니어 개발자의 관점

AI가 기존 코드베이스를 분석할 때의 문제점은 다음과 같습니다.

1. 세부 사항에만 집중
   주니어 개발자가 생산 코드를 처음 접할 때처럼, AI는 개별 파일을 순서대로 읽으며 세부적인 코드 내용을 단순히 해석하려고 합니다. 이는 전체 맥락을 고려하지 못하는 방식입니다.
2. 큰 그림 부재
   시니어 개발자는 먼저 시스템의 전반적인 아키텍처를 이해하고 주요 파일이나 변화를 파악하는 데 주력합니다. 하지만 기존 AI는 이러한 접근 없이 모든 파일을 동일하게 취급하며, 코드의 기능적 연결성을 무시합니다.
3. 변화에 대한 영향 분석 부족
   AI는 코드 변경이 시스템에 미칠 영향을 제대로 이해하지 못하며, 코드 간 의존성과 이전 변경 이력을 고려하지 않습니다.

---

2. 시니어 개발자의 사고방식: 핵심 이해와 전략적 접근

시니어 개발자가 대규모 PR을 검토하는 방식은 다음과 같습니다.

1. 핵심 파일에 집중
   시스템의 핵심적인 변화가 이루어진 파일을 먼저 검토합니다.
2. 기능별로 그룹화
   예를 들어, 인증(auth), 데이터베이스(db), API 등 기능별로 관련된 코드를 그룹화하여 분석합니다.
3. 아키텍처 이해부터 시작
   코드 구현 세부사항에 들어가기 전에 시스템의 큰 그림을 먼저 그립니다.
4. 이력 기반의 패턴 분석
   이전 변경 이력과 코드 진화를 바탕으로 현재 변경이 가져올 영향을 예측합니다.

---

3. 새로운 접근법: AI를 시니어 개발자로 훈련시키다

기존의 단순 파일 읽기 방식을 포기하고, AI가 시니어 개발자처럼 코드를 분석하도록 설계했습니다.

(1) 파일 그룹화 시스템 구현

목적: 코드베이스를 기능적으로 연결된 그룹으로 분류해 분석의 맥락을 제공
아래는 새로운 파일 그룹화 로직의 주요 코드입니다:

typescript

코드 복사

interface FileGroup { files: ProjectFile[]; totalSize: number; groupContext: string; // 'auth', 'database', etc. } export const groupFiles = (files: ProjectFile[]): FileGroup[] => { const fileInfos = files.map(file => ({ file, size: file.content?.length || 0, context: getFileContext(file.path) })); fileInfos.sort((a, b) => b.size - a.size); const groups: FileGroup[] = []; let currentGroup = createEmptyGroup(); for (const { file, size, context } of fileInfos) { if (shouldStartNewGroup(currentGroup, size, context)) { groups.push(currentGroup); currentGroup = createNewGroup(file, size, context); } else { addFileToGroup(currentGroup, file, size); } } return groups; }

이 코드는 AI가 코드를 단순히 한 줄씩 읽는 것이 아니라, 각 파일이 어떤 기능에 속하는지를 먼저 이해하도록 돕습니다.

(2) 새로운 프롬프트 구조 설계

파일 그룹화 이후, AI에 전달하는 프롬프트도 기능별로 맥락을 포함하도록 개선했습니다.

typescript

코드 복사

const buildGroupPrompt = (group: FileGroup): string => { return ` Analyzing authentication system files: - Core token validation logic - Session management - Related middleware Focus on: 1. How these integrate with existing auth patterns 2. Security implications 3. Performance impact on other systems Files to analyze: ${formatFiles(group.files)} `; }

AI는 이제 단순히 파일 내용을 분석하는 것이 아니라, 기능별로 분석 목표를 가지게 되며, 코드의 맥락을 이해하고 연결성을 파악합니다.

---

4. 실험 결과: 놀라운 통찰력

새로운 접근법을 적용한 결과, AI는 다음과 같은 변화를 보였습니다.

1. 단순 분석 → 시스템적 통찰
   기존에는 단순히 파일 내용만 해석하던 AI가, 변경 사항이 시스템에 미칠 영향을 분석하며 구체적인 제안을 했습니다."경고: 이 인증 변경 사항은 WebSocket 연결에 영향을 미칠 수 있습니다.
   토큰 갱신 로직이 지난달 추가된 알림 서비스와 패턴을 공유하며,
   높은 트래픽에서 레이스 컨디션이 발생할 가능성이 있습니다."
2. 예시:
   기존: "이 파일에는 JWT 토큰 인증 로직이 포함되어 있습니다."
   개선 후:
3. 비교 분석 및 패턴 감지
   AI는 코드 그룹 간의 패턴을 비교해 복사-붙여넣기 코드나 일관되지 않은 오류 처리를 감지했습니다.
4. 아키텍처적 제안
   코드 사용 패턴에 따라 성능 병목현상을 예측하고, 설계 개선을 제안했습니다.

---

5. 왜 이 접근법이 중요한가?

많은 AI 기반 IDE가 코드 작성에만 초점을 맞추고 있습니다. 하지만 코드 작성보다 더 중요한 것은 코드의 맥락을 이해하고, 시스템적으로 분석하는 능력입니다.

이 실험은 단순히 AI 모델을 더 크고 복잡하게 만드는 것이 아니라, 사고방식의 전환만으로도 큰 성과를 얻을 수 있음을 보여줍니다.

---

728x90

이번 실험은 AI가 단순한 코드 분석을 넘어 시니어 개발자 수준의 통찰력을 가질 수 있음을 증명했습니다. 이를 통해 AI는 코드 작성 도구를 넘어 코드 이해 도구로 진화할 가능성을 열었습니다.

앞으로도 AI가 더 나은 코드 이해력을 통해, 개발자들이 복잡한 시스템을 보다 효과적으로 관리할 수 있도록 돕는 날이 기대됩니다.

https://nmn.gl/blog/ai-senior-developer

The day I taught AI to read code like a Senior Developer