AI가 프레임워크 전환 비용을 낮춘다는 말은 이제 추상적인 선언이 아니다. dev.to에 올라온 한 개발자의 회고는 그 변화를 아주 구체적으로 보여준다. Flutter로 시작해 Swift를 거쳐 React Native로 이동하는 과정에서, 그가 각 전환에 쏟은 시간은 수 주가 아니라 수 시간이었다. 핵심은 Claude를 활용해 기존 프로토타입에서 다른 스택의 '작동하는 진입점'을 빠르게 생성한 것—완성된 앱이 아니라, 전환이 맞는 선택인지 판단하기에 충분한 결과물을 얻는 것이다.
이 흐름이 흥미로운 이유는 단순히 빠르기 때문이 아니다. 그는 Flutter를 처음 배울 때는 의도적으로 AI를 배제했다. 직접 Dart를 타이핑하고, 위젯 트리를 잘못 중첩하고, 스스로 풀어내는 과정을 거쳤다. 그 느린 단계가 이후 AI와 함께하는 빠른 실험의 토대가 됐다. AI는 '이해 없이 빠르게'가 아니라 '이해한 뒤 더 멀리'를 가능하게 하는 도구였다. AI가 실험 비용을 낮춰준 덕분에, 그는 Flutter가 자신에게 당연한 선택이라고 가정하지 않고 실제로 React Native와 비교해볼 수 있었고—TypeScript 생태계 전반에서 맥락 전환 없이 작업할 수 있다는 '개인적 진실'을 발견했다.
그런데 바로 이 지점에서 역설이 생긴다. 실험 비용이 낮아질수록, 누구나 같은 속도로 프로토타입을 만들 수 있다. 스택 선택, 프레임워크 전환, 기능 구현—이것들의 마찰이 사라지면, 차별점은 어디서 오는가. 나는 그 답이 디테일 설계력에 있다고 생각한다.
text-overflow: ellipsis를 생각해보자. 이 세 줄짜리 CSS는 대부분의 상황에서 완벽하게 작동한다. 긴 레이블, 테이블 셀, 카드 타이틀—브라우저가 알아서 처리해준다. 그런데 '문자열 자체가 중요한' 순간이 있다. 파일 이름을 자를 때 확장자는 보여야 한다. 검색 결과 미리보기에서는 사용자가 검색한 단어가 절단선 밖으로 사라지면 안 된다. 로그 뷰어에서 긴 에러 메시지를 표시할 때 중간의 핵심 내용이 잘려나가면 디버깅이 어려워진다.
dev.to에서 공개된 Truncate 라이브러리는 바로 이 간극을 겨냥한다. Canvas2D로 렌더링 전에 문자열 너비를 측정하고, 중간 절단(middle cut), 검색어 기준 절단(search-aware truncation), 범위 보존 절단(range-aware truncation)을 지원한다. DOM 없이도 동작하므로 서버 사이드 렌더링이나 Node 환경에서도 쓸 수 있다. 기술적으로 정교한 해법이지만, 이 라이브러리가 존재해야 하는 이유 자체가 더 중요하다. really-long-file-name...과 really-long...v12.pdf의 차이—이것을 신경 쓰는 사람과 그렇지 않은 사람의 차이가, AI 시대의 UI 설계력 격차를 만든다.
AI는 '70%의 가속기'라는 말이 있다. 보일러플레이트, CRUD 구현, 단순 변환—이런 패턴화된 작업은 AI가 빠르게 처리한다. 하지만 나머지 30%, 즉 비즈니스 맥락, 유지보수 가능한 아키텍처, 엣지 케이스 처리, 그리고 사용자 경험의 미세한 결—여기는 여전히 사람의 판단이 들어간다. 텍스트 절단 하나를 어떻게 처리할지 결정하는 일은 AI가 자동으로 선택해주지 않는다. 그것을 '문제'로 인식하는 안목, 그리고 올바른 해법을 고르는 설계력이 필요하다.
프레임워크 실험 속도가 빨라진 세상에서 살아남는 프론트엔드 개발자의 역량은 두 방향으로 갈라진다고 본다. 하나는 AI를 활용해 더 넓은 기술 공간을 탐색하고, 더 많은 대안을 실제로 비교해본 뒤 더 나은 판단을 내리는 능력. 다른 하나는 AI가 쉽게 생성하지 못하는 디테일—마이크로 인터랙션, 접근성, 텍스트 렌더링의 엣지 케이스—을 설계하는 감각이다. 전자가 '빠른 학습자'를 만든다면, 후자는 '신뢰받는 설계자'를 만든다.
결국 이 두 가지는 서로를 강화한다. Flutter에서 직접 위젯 트리를 잘못 만들어본 경험이 있어야 AI가 생성한 React Native 코드에서 구조적 문제를 발견할 수 있다. CSS ellipsis의 한계를 실제 프로덕트에서 한 번이라도 부딪혀봐야 Canvas2D 기반 측정 라이브러리의 가치를 이해할 수 있다. AI가 실험 속도를 올려줄수록, 그 속도를 의미 있는 방향으로 안내하는 설계 감각의 가치는 오히려 높아진다. 속도는 AI에게, 방향은 당신에게—이것이 지금 프론트엔드 개발자에게 요구되는 분업의 본질이다.