AI 코딩 도구가 일상이 된 지금, 생산성 지표는 올라갔는데 뭔가 불안한 느낌을 받은 적 있지 않은가. Anthropic 연구진이 52명의 주니어 개발자를 대상으로 진행한 실험이 그 불안의 정체를 숫자로 보여준다. AI 어시스턴트를 사용한 그룹은 과제를 완료했지만, 자신이 작성한 코드를 얼마나 이해하는지 묻는 퀴즈에서 50%를 기록했다. 비AI 그룹은 67%였다. 17%포인트 차이. 이 간극에 이름이 붙었다—인지 부채(Cognitive Debt).
인지 부채는 기술 부채와 다르다. 기술 부채는 느린 빌드, 엉킨 의존성, 깨지는 테스트처럼 마찰로 자신을 드러낸다. 인지 부채는 반대로 거짓 자신감을 심는다. 테스트는 그린이고, 속도는 괜찮아 보이고, 아무도 시스템이 얼마나 취약한지 모른다—프로덕션에서 무언가 터지고, 팀이 왜 그랬는지 추론조차 못하는 순간까지. dev.to에 공개된 인지 부채 분석 아티클은 이 개념을 세 층위의 부채 모델로 확장한다: 코드 안의 기술 부채, 사람 안의 인지 부채, 그리고 AI와 인간 모두가 코드를 안전하게 다루는 데 필요한 맥락이 사라진 의도 부채(intent debt).
연구 데이터는 더 날카롭다. AI에게 코드를 '써달라'고 위임한 개발자들의 이해도는 40% 미만으로 떨어졌다. 반면 AI를 '설명 도구'로 활용한 개발자들은 65% 이상을 기록하며 비AI 그룹과 동등하거나 오히려 앞섰다. 문제는 도구가 아니라 사용 패턴이다. METR의 연구는 또 다른 각도를 더한다. 숙련 개발자들이 자신의 대규모 코드베이스에서 AI 도구를 사용할 때 오히려 19% 더 느려졌지만, 동일 개발자들은 AI가 자신을 20% 빠르게 해줬다고 믿었다. AI 도구가 만드는 자신감이 실제 퍼포먼스와 분리될 수 있다는 사실—이것이 진짜 위험이다.
실용적 대응의 실마리는 역설적으로 더 많은 AI 활용에서 나온다. 스크린샷 하나를 마크다운 컴포넌트 문서로 자동 변환하는 파이프라인을 직접 구축한 사례를 보자. 40개 이상의 React 컴포넌트 라이브러리를 문서화해야 했던 개발자는 OCR과 정규식 조합이 실패하자, GPT-4o와 Claude 등 멀티모달 AI에 스크린샷을 던지고 구조화된 마크다운을 받는 Python 스크립트를 직접 설계했다. 핵심은 모델을 교체 가능한 플러그인으로 설계하고, AI가 잘못 생성한 prop을 반드시 사람이 리뷰하는 단계를 명시적으로 워크플로우에 넣은 것이다. 약 10시간의 수작업을 아꼈지만, AI 출력을 무비판적으로 수용하지 않았다는 점이 결정적이다.
더 나아간 활용 패턴도 있다. Claude Code를 단순한 코딩 어시스턴트가 아닌 운영 시스템(operations system)으로 재구성한 사례다. 태스크 목록을 YAML 프론트매터가 달린 마크다운 파일로 레포에 보관하고, PreToolUse·PostToolUse 훅으로 에이전트 행동을 제어하며, 한 번 내린 교정 지시는 마크다운 파일로 승격해 다음 세션이 자동 로드하게 만드는 구조다. 에이전트가 제안하고 훅이 강제한다는 원칙, 그리고 메모리 레이어가 판단을 축적한다는 설계가 핵심이다. 이것은 AI를 채팅 박스로 쓰는 게 아니라 시스템으로 설계하는 것이다.
세 사례를 겹쳐 보면 하나의 공통 원칙이 떠오른다. 잘 위임하는 개발자는 AI를 더 많이 사용하는 개발자가 아니다. AI에게 무엇을 맡기고 무엇을 직접 쥘 것인지를 의식적으로 설계하는 개발자다. 인지 부채 연구가 제안하는 '설명 게이트(Explanation Gate)'—AI가 생성한 코드를 머지하기 전에 왜 이렇게 동작하는지 반드시 설명하는 단계—는 유지보수 실패율을 77%에서 39%로 절반 가까이 줄였다. 스크린샷 자동화 파이프라인의 리뷰 단계, Claude Code 운영 시스템의 훅 레이어 모두 같은 논리다. AI가 제안하고, 인간이 이해하고 확인하는 구조를 설계에 박아 넣는 것.
프론트엔드 개발자로서 솔직하게 말하면, AI 도구가 가장 빛나는 순간은 내가 이미 문제의 윤곽을 잡고 있을 때다. 아키텍처를 머릿속에 그린 뒤 구현 코드를 생성시키는 것과, AI가 던진 200줄을 그대로 커밋하는 것은 완전히 다른 행위다. 전자는 AI를 사고의 가속기로 쓰는 것이고, 후자는 이해를 담보로 속도를 사는 것이다. 인지 부채는 그 담보가 조용히 쌓이는 방식으로 작동한다.
앞으로 AI 도구의 성능은 계속 좋아질 것이다. 하지만 코드를 이해하는 능력, 실패를 감지하는 능력, 시스템의 의도를 보존하는 능력은 자동화되지 않는다. 오히려 AI가 강력해질수록 이 능력들의 희소성이 높아진다. 잘 위임하는 개발자란 결국 AI가 가져갈 수 없는 판단을 더 선명하게 쥐고 있는 사람이다. 도구를 설계적으로 활용하는 것—그것이 AI 시대 개발자 역량의 새로운 정의다.