AI 시대의 새로운 병목, 코드가 아니라 인간의 이해다

AI 에이전트의 발전으로 코드 작성 속도는 과거와 비교할 수 없을 만큼 빨라졌습니다. 이제 개발에서 가장 큰 제약은 코드를 생성하는 능력이 아니라, 사람이 생성된 시스템을 얼마나 빠르게 이해하고 다음 방향을 설계할 수 있는가에 있습니다.

과거에는 개발자가 직접 코드를 작성하는 시간이 대부분이었다면, 이제는 AI가 작성한 코드를 읽고, 이해하고, 다음 요구사항을 정의하는 시간이 프로젝트의 핵심이 되고 있습니다. 이처럼 AI 시대에는 생산성보다 이해(Understanding) 가 새로운 경쟁력이 되고 있습니다.

이번 글에서는 Geoffrey Litt가 제시한 "이해가 새로운 병목이다(Understanding is the New Bottleneck)"라는 관점을 중심으로, AI 시대 개발 방식이 어떻게 변화하고 있으며 앞으로 사람의 역할은 무엇인지 살펴보겠습니다.

반응형

---

AI 시대의 병목은 왜 '이해'가 되었을까

AI 에이전트는 이제 상당한 수준의 코드를 빠르게 생성할 수 있습니다. 문제는 생성되는 코드의 양이 사람의 이해 속도를 훨씬 앞서기 시작했다는 점입니다.

개발자는 하루에도 수많은 코드 변경 사항을 검토해야 하지만, 모든 변경 사항을 코드 Diff만으로 읽고 이해하는 방식은 AI의 작업 속도를 따라가기 어렵습니다.

즉,

• AI는 계속 코드를 생성한다.
• 사람은 생성된 코드를 이해해야 한다.
• 이해 속도가 생성 속도를 따라가지 못한다.

이제 프로젝트의 병목은 코드 생성이 아니라 인간의 이해 능력으로 이동하고 있습니다.

---

코드 이해는 단순한 검증이 아니다

많은 사람들은 사람이 코드를 이해해야 하는 이유를 "AI가 만든 결과를 검증하기 위해서"라고 생각합니다.

예를 들어 다음과 같은 작업입니다.

• 요구사항을 만족하는지 확인
• 설계가 적절한지 검토
• 승인 또는 반려 결정

하지만 이러한 역할만 남는다면 사람은 단순한 승인 버튼을 누르는 존재가 됩니다.

더 큰 문제는 AI 역시 스스로 테스트하고 오류를 수정하는 능력이 빠르게 발전하고 있다는 점입니다.

따라서 앞으로 사람의 역할은 단순한 검증이 아니라,

• 왜 이런 구조를 선택했는지 이해하고
• 다음 기능을 어떻게 설계할지 고민하며
• 프로젝트의 방향을 제시하는 것

즉 창의적인 설계와 참여가 중심이 됩니다.

---

프로젝트는 하나의 작업이 아니라 수많은 반복 루프다

실제 프로젝트는 한 번의 프롬프트로 끝나지 않습니다.

일반적으로 다음과 같은 과정이 반복됩니다.

목표 설정
    ↓
AI 구현
    ↓
결과 확인
    ↓
수정 요청
    ↓
기능 확장
    ↓
다시 구현

이 과정이 수십 번, 수백 번 반복됩니다.

각 반복에서 사람이 시스템을 얼마나 이해하고 있는지가 다음 질문의 품질을 결정합니다.

예를 들어,

• 어떤 기능을 추가해야 하는가
• 어떤 구조를 제거해야 하는가
• 어디를 수정하면 영향이 가장 적은가
• 현재 구조에서 새로운 가능성은 무엇인가

이러한 질문은 시스템에 대한 이해가 있을 때만 가능합니다.

---

이해를 미루면 '인지 부채'가 쌓인다

기술 부채(Technical Debt)라는 개념은 잘 알려져 있습니다.

하지만 Geoffrey Litt는 여기에 인지 부채(Cognitive Debt) 라는 개념을 제시합니다.

AI가 만든 결과를 충분히 이해하지 않은 채 계속 프로젝트를 진행하면,

• 현재 구조가 만들어진 이유를 모르게 되고
• 새로운 요구사항을 어디에 반영해야 하는지 판단하기 어려워지고
• AI가 제안하는 변경 사항의 타당성을 평가하기 힘들어집니다.

즉,

기술적인 문제보다 먼저 사람이 시스템을 이해하지 못하는 문제가 발생하는 것입니다.

AI 시대의 가장 큰 위험은 코드 부족이 아니라 이해 부족입니다.

---

교육 방식이 코드 이해를 더 빠르게 만든다

사람은 단순히 문서를 읽는 것만으로는 제대로 이해하지 못합니다.

교육 분야에서는 오래전부터 다음과 같은 방법을 활용해 왔습니다.

• 배경지식 제공
• 직관 형성
• 반복 학습
• 피드백
• 직접 체험

이러한 방식을 코드 이해에도 적용할 수 있습니다.

즉,

코드를 바로 보여주는 것이 아니라,

1. 기존 구조 설명
2. 변경 목적 설명
3. 핵심 개념 소개
4. 구현 코드 확인

순서로 접근하면 이해 속도가 크게 향상됩니다.

---

/explain-diff가 제안하는 새로운 코드 리뷰 방식

기존 코드 리뷰는 대부분 Git Diff를 중심으로 진행됩니다.

하지만 단순한 Diff는 다음과 같은 한계가 있습니다.

• 변경 목적이 보이지 않는다.
• 파일 간 관계를 알기 어렵다.
• 어떤 순서로 읽어야 하는지 알 수 없다.

이를 해결하기 위해 Geoffrey Litt는 /explain-diff라는 개념을 제안합니다.

이 방식은 코드 변경을 단순한 Diff가 아니라 하나의 설명 문서로 변환합니다.

설명 문서에는 다음과 같은 내용이 포함됩니다.

• 변경 배경
• 기존 구조
• 변경 목표
• 핵심 개념
• 구현 이유
• 필요한 코드 일부

즉, 코드를 읽기 전에 변경 사항 자체를 학습하도록 만드는 것입니다.

---

서술식 코드 차이(Literate Diff)의 장점

기존 코드 Diff는 변경된 파일을 나열하는 방식입니다.

반면 서술식 코드 차이(Literate Diff) 는 이야기를 읽듯 변경 과정을 설명합니다.

예를 들어 다음과 같은 흐름입니다.

왜 변경했는가

↓

무엇을 해결하려는가

↓

어떤 구조를 선택했는가

↓

필요한 코드 설명

↓

전체 구현 확인

이 방식을 사용하면 코드를 읽기 전에 이미 변경의 목적을 이해하고 있기 때문에 코드 리뷰 속도가 훨씬 빨라집니다.

---

문서를 읽는 것만으로는 이해했다고 볼 수 없다

사람은 읽었다고 해서 이해했다고 착각하기 쉽습니다.

이를 해결하기 위해 Geoffrey Litt는 설명 문서 마지막에 퀴즈를 추가합니다.

예를 들어,

• 이번 변경의 핵심 목적은 무엇인가?
• 왜 이 구조를 선택했는가?
• 기존 구조와 무엇이 달라졌는가?
• 다음 변경 시 어떤 제약이 있는가?

이러한 질문에 답하는 과정에서 진짜 이해가 이루어집니다.

퀴즈는 평가를 위한 도구가 아니라,

AI의 빠른 작업 속도를 사람이 따라갈 수 있도록 만드는 속도 조절 장치 역할을 합니다.

---

마이크로월드(Microworld)로 시스템을 직접 경험하기

문서를 읽는 것보다 더 효과적인 방법은 직접 체험하는 것입니다.

이를 위해 Geoffrey Litt는 마이크로월드(Microworld) 개념을 소개합니다.

마이크로월드는 시스템의 핵심 원리만을 담은 작은 실행 환경입니다.

예를 들어,

• 좌표 변환을 직접 조작
• 실행 과정을 단계별 확인
• 디버깅 과정을 시각화
• 상태 변화를 실시간 관찰

이처럼 사용자가 직접 시스템을 조작하면서 내부 동작을 이해하도록 만드는 것입니다.

AI는 이러한 학습용 환경까지 생성할 수 있다는 점이 중요한 변화입니다.

---

AI는 코드를 만드는 도구가 아니라 이해를 만드는 도구가 될 수 있다

지금까지 AI는 주로 코드를 작성하는 도구로 활용되었습니다.

하지만 Geoffrey Litt는 AI의 역할을 더 넓게 바라봅니다.

AI는 다음과 같은 도구도 만들 수 있습니다.

• 실행 시각화 도구
• 단계별 디버거
• 비교 화면
• 파일 변경 시각화
• 상호작용형 개념 설명
• 학습용 명령 센터

이러한 도구들은 제품 기능이 아니라 사람이 시스템을 이해하도록 돕는 도구입니다.

즉, AI의 가치는 자동화뿐 아니라 사람의 이해를 증폭시키는 데 있습니다.

---

팀 개발에서는 '공유된 이해'가 더욱 중요하다

AI를 각자 사용하는 것만으로는 팀의 생산성이 높아지지 않습니다.

팀원 모두가 같은 개념과 구조를 이해해야 합니다.

공유된 이해가 형성되면,

• 같은 용어를 같은 의미로 사용하고
• 설계 의도를 쉽게 공유하며
• 새로운 아이디어를 빠르게 발전시킬 수 있습니다.

이를 위해 Geoffrey Litt는 AI의 결과를 개인 채팅이 아니라 공동 문서와 협업 공간에 남기는 방식을 제안합니다.

AI가 만든 계획을 팀원이 함께 검토하고, 댓글을 달고, 수정하는 과정 자체가 팀의 공통된 정신 모델을 만드는 과정이 됩니다.

---

자동화보다 중요한 것은 더 깊은 참여

많은 사람들은 AI의 목표를 사람을 작업에서 제외하는 것이라고 생각합니다.

그러나 Geoffrey Litt는 전혀 다른 관점을 제시합니다.

AI는 사람을 루프 밖으로 밀어내는 것이 아니라,

오히려

• 설명을 만들고
• 시뮬레이션을 만들고
• 학습 환경을 만들고
• 공유 공간을 만들어

사람이 프로젝트에 더 깊게 참여하도록 도울 수 있습니다.

결국 AI 시대의 핵심은 자동화 자체가 아니라 인간의 이해를 확장하는 것입니다.

---

728x90

AI는 이미 사람보다 빠르게 코드를 생성할 수 있는 수준에 도달했습니다. 이제 개발 생산성을 결정하는 요소는 코드 작성 속도가 아니라, 생성된 시스템을 얼마나 빠르게 이해하고 다음 방향을 설계할 수 있는가입니다.

이를 위해서는 기존의 코드 중심 리뷰에서 벗어나 설명 중심의 문서, 서술식 코드 차이, 퀴즈, 마이크로월드와 같은 새로운 이해 도구가 필요합니다. 또한 AI를 단순한 자동화 도구가 아니라, 사람의 학습과 이해를 돕는 협력자로 활용하는 접근이 중요해지고 있습니다.

앞으로 AI와의 협업에서 경쟁력을 갖춘 개발자는 가장 많은 코드를 작성하는 사람이 아니라, 가장 빠르게 시스템을 이해하고, 그 이해를 바탕으로 다음 변화를 설계하는 사람이 될 것입니다.

300x250

https://www.geoffreylitt.com/2026/07/02/understanding-is-the-new-bottleneck.html

Understanding is the new bottleneck