소프트웨어 개발자들은 코딩에 생성형 AI를 활용할 때 이른바 80/20 법칙을 빈번하게 경험한다. 기능의 구조 중 80%는 빠르게 생성되지만, 나머지 20%를 마무리하는 데 전체 개발 시간의 80%가 투입되는 현상이다. AI 모델은 오류가 없는 표준 실행 흐름인 행복 경로를 효율적으로 처리하지만, 오류 처리, 널 체크, 도메인 특화 에지 케이스와 같은 중요 구성 요소는 생략하는 경우가 많다. 이러한 누락은 프로덕션 단계에서 큰 지연을 유발하며, 개발자는 네트워크 오류나 서비스 중단, 예기치 않은 사용자 데이터 입력으로부터 시스템을 보호하기 위해 수 시간 동안 수동으로 안전장치를 구현해야 한다.

생성 시간과 실무 적용 시간 사이의 이러한 괴리는 생산성 지표에 의해 종종 가려진다. 티켓 처리 속도나 커밋 빈도와 같은 지표는 초기 단계의 빠른 스캐폴딩(기본 뼈대 구축)에 유리하기 때문이다. 실제로 한 개발자는 30초 만에 200줄의 코드를 생성했으나, 배포 가능한 수준으로 만들기 위해 필수적인 오류 경로 추가와 널 체크, 문서화 작업에 3시간을 할애해야 했다. 이 작업은 현재 AI 모델이 갖추지 못한 비즈니스 로직과 사용자 기록에 대한 구체적인 문맥을 요구한다.

이러한 문제를 해결하기 위해 개발자들은 20%의 노력을 프로젝트 견적에 반영하는 새로운 워크플로우를 도입하고 있다. 여기에는 초기 생성 시간의 약 4배를 정제 과정에 배정하는 전략이 포함된다. 또한 빈 입력값이나 API 호출 실패와 같은 '행복하지 않은 경로' 시나리오를 명시적으로 프롬프트에 입력하거나, 코드 생성 전 실패하는 테스트를 미리 작성해 AI에게 명확한 목표를 제시하는 방식이 활용된다. 이러한 관행은 개발의 마지막 단계를 예측 가능하게 만들어, 작동하는 데모에서 프로덕션 준비가 완료된 기능으로 전환되는 시간을 정확하게 관리하도록 돕는다.

코딩을 도와주는 AI를 써보신 분들은 다들 공감하실 텐데요. 요리로 비유하자면 AI는 재료를 손질해서 냄비에 넣는 것까지는 아주 순식간에 해치웁니다. 하지만 정작 맛을 내고 간을 맞추는 마지막 과정에서 시간이 엄청나게 걸리죠. AI는 문제가 전혀 없을 때 돌아가는 탄탄대로 같은 코드(해피 패스)는 잘 만들지만, 인터넷이 갑자기 끊기거나 사용자가 엉뚱한 정보를 입력했을 때처럼 돌발 상황이 생기면 어떻게 대처해야 할지 잘 모릅니다. 그래서 AI가 30초 만에 200줄의 코드를 짜주더라도, 사람이 실제로 오류를 막고 안전하게 작동하도록 수정하는 데 3시간씩 매달려야 하는 상황이 반복되고 있습니다.

문제는 회사에서 일의 성과를 잴 때 코드를 빨리 만들어낸 횟수만 따지다 보니, 이런 뒷정리 작업이 얼마나 고된지 잘 드러나지 않는다는 점입니다. AI가 뚝딱 만든 코드는 겉보기엔 그럴싸해 보여도, 실제 서비스 현장에서 터질 수 있는 다양한 문제들을 해결하려면 사람이 직접 개입해야 합니다. 결국 AI는 기계일 뿐이라서 우리 회사의 복잡한 상황이나 사용자의 히스토리를 전부 다 알 수는 없기 때문에, 마지막 완성도를 높이는 작업은 사람의 몫으로 남게 됩니다.

이런 어려움을 극복하기 위해 요즘 개발자들은 아예 전략을 바꾸고 있습니다. AI에게 코드를 맡길 때 처음부터 대충 짜지 말고 빈칸이 생기거나 오류가 발생할 수 있는 상황까지 고려하라고 꼼꼼하게 지시(프롬프트)를 내리는 식입니다. 또한, 일을 계획할 때도 단순히 AI가 만드는 시간만 생각하는 게 아니라, 그 뒤에 다듬는 시간을 평소보다 4배 정도 더 여유 있게 잡고 있습니다. 미리 잘못된 상황을 가정하고 테스트를 해보는 방법을 써서 AI가 더 정확한 결과물을 내도록 유도하는 것이죠. 이렇게 하면 AI와 사람이 함께 일할 때 훨씬 더 예측 가능하고 튼튼한 소프트웨어를 만들 수 있습니다.