개발자 메리 올로우(Mary Olowu)는 AI 보조 프로그래밍의 고질적인 문제가 코드 생성 품질보다는 장기 기억력 부족에서 기인한다고 지적한다. 최신 모델은 기능적으로 뛰어난 코드 조각을 생성하지만, 서로 다른 세션 사이의 연속성을 유지하는 데 어려움을 겪는다. 그 결과 모델은 이전에 이미 결정된 아키텍처 의사결정을 다시 논의하는 상황을 자주 연출한다. 여기에는 폐기된 경로의 하위 호환성 유지나 중복 의존성 배제 같은 핵심적인 결정 사항들이 포함된다.

이러한 오류는 모델이 과거의 설계 트레이드오프나 공식적인 프로젝트 문서를 인식하지 못한 채 독립된 창 안에서 작동하기 때문에 발생한다. AI가 특정 설계 결정의 이유를 망각하면, 프로젝트의 기둥과 같은 필수 요소를 선택 사항으로 취급하게 된다. 이는 마치 건물의 지지대를 제거하는 것과 같아, 당장은 문제가 없어 보여도 결국 코드베이스의 파편화와 불일치라는 누적된 위험을 초래한다.

메리 올로우는 이에 대한 해결책으로 프롬프트 엔지니어링 대신 프로젝트 수준의 인프라 개선을 제안한다. 프로젝트 가이드라인이나 유지보수 문서, 실패 사례에 대한 명시적 노트를 AI에게 제공하면 세션 간 단절 현상을 크게 줄일 수 있다. 개발자는 프로젝트를 단순한 코딩 작업의 집합이 아닌, 지속적인 기록 시스템으로 다루어야 한다.

이러한 접근 방식은 모델을 더 똑똑하게 만들려는 시도에서 벗어나 프로젝트의 일관성을 유지하는 데 초점을 맞춘다. 모델이 외부화된 신뢰할 수 있는 기억 장치에 접근할 수 있게 되면 오류 진단과 수정이 한결 쉬워진다. 결국 AI 보조 개발의 미래는 원초적인 코드 생성 능력을 넘어, 장기적인 소프트웨어 프로젝트의 설계 결정을 존중하고 계승할 수 있는 지속 가능한 기억 계층을 어떻게 통합하느냐에 달려 있다.

개발자 메리 올로우(Mary Olowu)는 AI 보조 프로그래밍의 고질적인 문제가 코드 생성 품질보다는 장기 기억력 부족에서 기인한다고 지적한다. 최신 모델은 기능적으로 뛰어난 코드 조각을 생성하지만, 서로 다른 세션 사이의 연속성을 유지하는 데 어려움을 겪는다. 그 결과 모델은 이전에 이미 결정된 아키텍처 의사결정을 다시 논의하는 상황을 자주 연출한다. 여기에는 폐기된 경로의 하위 호환성 유지나 중복 의존성 배제 같은 핵심적인 결정 사항들이 포함된다.

이러한 오류는 모델이 과거의 설계 트레이드오프나 공식적인 프로젝트 문서를 인식하지 못한 채 독립된 창 안에서 작동하기 때문에 발생한다. AI가 특정 설계 결정의 이유를 망각하면, 프로젝트의 기둥과 같은 필수 요소를 선택 사항으로 취급하게 된다. 이는 마치 건물의 지지대를 제거하는 것과 같아, 당장은 문제가 없어 보여도 결국 코드베이스의 파편화와 불일치라는 누적된 위험을 초래한다.

메리 올로우는 이에 대한 해결책으로 프롬프트 엔지니어링 대신 프로젝트 수준의 인프라 개선을 제안한다. 프로젝트 가이드라인이나 유지보수 문서, 실패 사례에 대한 명시적 노트를 AI에게 제공하면 세션 간 단절 현상을 크게 줄일 수 있다. 개발자는 프로젝트를 단순한 코딩 작업의 집합이 아닌, 지속적인 기록 시스템으로 다루어야 한다.

이러한 접근 방식은 모델을 더 똑똑하게 만들려는 시도에서 벗어나 프로젝트의 일관성을 유지하는 데 초점을 맞춘다. 모델이 외부화된 신뢰할 수 있는 기억 장치에 접근할 수 있게 되면 오류 진단과 수정이 한결 쉬워진다. 결국 AI 보조 개발의 미래는 원초적인 코드 생성 능력을 넘어, 장기적인 소프트웨어 프로젝트의 설계 결정을 존중하고 계승할 수 있는 지속 가능한 기억 계층을 어떻게 통합하느냐에 달려 있다.