코드를 작성하는 것이 더 이상 병목이 아닌 시대가 됐다. 지금 당신의 팀에서 AI는 아침 스탠드업이 끝나기도 전에 API 엔드포인트를 완성하고, PR을 올리고, 유닛 테스트까지 붙여서 CI를 통과시킨다. 이걸 처음 경험하면 마법처럼 느껴진다. 그리고 그 감각이 바로 문제의 시작이다.
dev.to에서 회자되는 한 글은 이 현상에 'Vibe Coding'이라는 이름을 붙인다. 의도를 자연어로 말하면 코드가 나온다. 에이전트가 알아서 구조를 잡고, 파일을 만들고, 테스트를 달아준다. 개발자는 코드를 타이핑하는 사람이 아니라 자율 오케스트라를 지휘하는 사람이 된다. 속도는 올라갔다. 하지만 시스템에 대한 이해도는 반비례로 내려가고 있다.
이 글은 Vibe Coding의 장밋빛 생산성 이야기를 다시 한번 반복하지 않는다. 팀 리드로서 내가 지금 가장 신경 쓰는 건 속도가 아니라 AI가 조용히 만들어가는 리스크다. 그리고 그 리스크에 어떻게 전술적으로 개입할 것인가다.
첫 번째 위험: Context Drift가 쌓이는 방식
AI가 생성한 코드는 대부분 보기에 훌륭하다. 변수명은 명확하고, 구조는 깔끔하며, 유닛 테스트는 초록불이다. 문제는 AI가 당신 시스템의 전체 맥락을 알지 못한다는 점이다. 특정 DB 쿼리가 높은 동시 부하에서 테이블 락을 건다는 사실, 새로 생성한 훅 안에서 fetch를 반복 호출하면 클라이언트 캐시가 무너진다는 사실 — 이런 것들을 AI는 모른다.
더 심각한 건 이게 단발성 실수가 아니라는 점이다. PR마다 레이어가 쌓이면서 Context Drift가 시작된다. 코드베이스 어딘가에 이미 존재하는 유틸리티 함수를 AI가 전역 컨텍스트 부족으로 다시 구현한다. UI/비즈니스 로직/데이터 레이어의 경계가 흐릿해진다. 예외 처리는 try-catch 범벅이 돼서 에러를 삼켜버린다. 기능은 돌아가는데 프로덕션 디버깅은 악몽이 된다.
이 구조적 문제에 대한 단서는 자율 코딩 에이전트 아키텍처 연구에서도 확인된다. AGI Devin과 Cortex Algo를 분석한 자료에 따르면, 프로덕션에서 실패하는 자율 에이전트의 공통 원인은 단순히 '프롬프트를 대화 이력 위에 덮는' 방식으로 설계됐기 때문이다. 컨텍스트 창이 12만 토큰을 넘기면 3번째 턴의 낡은 컴파일러 경고가 추론을 오염시키고, 에이전트는 존재하지 않는 파일을 수정하는 환각 루프에 빠진다. 같은 문제가 팀의 코드베이스에서도 일어난다. AI가 보는 컨텍스트가 불완전하면, AI가 만든 코드도 필연적으로 불완전하다.
팀 리드가 해야 할 것: AI-generated PR에 별도의 리뷰 체크리스트를 만들어라. "이 함수, 이미 다른 곳에 없나?