하이프를 걷어낸 실전 AI 개발 워크플로우. 세 번의 시도 전략, 컨텍스트 세팅(Claude.md·MCP 통합), 다중 에이전트 운영, 3단계 리뷰 프로세스, 비용/한계와 초기 에이전트 실험까지 스태프 엔지니어의 6주 경험을 공유합니다.
18개월 전까지만 해도, 저는 모든 코드를 직접 타이핑했습니다. 지금은 초기 구현의 80%를 AI가 쓰고, 저는 아키텍처, 리뷰, 그리고 여러 개발 스레드를 동시에 조율하는 데 집중합니다.
이 글은 “AI가 모든 걸 바꾼다”는 또 하나의 선언문이 아닙니다. 실제 프로덕션 개발 워크플로우에 AI를 통합하면서 겪는 지저분한 현실—무엇이 실제로 통하고, 무엇이 시간을 낭비하게 만들며, 왜 “학습하지 않는 주니어 개발자처럼 AI를 대하기”가 성공을 위한 제 멘탈 모델이 되었는지를 이야기합니다.
배경: Sanity에서는 매달 엔지니어링 워크숍을 열어 각자가 실험한 것을 공유합니다. 지난번엔 제 차례였고, 제가 Claude Code를 어떻게 써왔는지 보여줬습니다.
이 블로그 포스트는 내부 워크숍 발표를 바탕으로 했습니다(아래 10분 녹화).
코드 문제를 해결하는 제 접근 방식은 커리어 동안 네 번 바뀌었습니다.
첫 5년 동안은 책과 SDK 문서를 읽었습니다.
그 다음 12년은 구글링으로 군중지성의 답을 찾았습니다.
그 후 18개월은 Cursor로 AI 보조 코딩을 했고,
최근 6주는 Claude Code로 풀 AI 위임을 시도했습니다.
전환은 갈수록 더 빨라졌습니다. Claude Code로의 전환은? 몇 시간 만에 생산성이 났습니다.
지금 제 워크플로우는 이렇습니다. 과장 없이 담백하게. 프로덕션에 들어갈 코드를 향해, 저는 AI를 ‘함께 생각하는 도구’로 씁니다.
한 번에 완벽한 코드 생성? 잊으세요. 엔지니어의 일은 문제에 대한 최적의 해법을 찾는 것이지, 코드 덩어리를 많이 쓰는 게 아닙니다.
그다음 이 시도에서 얻은 학습을 되먹임합니다.
이건 실패가 아니라 과정입니다! 첫 시도에서 완벽을 기대하는 건, 컨텍스트도 없이 주어진 복잡한 기능을 주니어 개발자가 한 번에 끝내길 바라는 것과 같습니다.
가장 큰 난관? AI는 세션 사이의 학습을 유지하지 못합니다(직접 ‘메모리’를 만들어 주며 시간을 쓰지 않는 한). 그래서 대개 대화는 매번 처음부터입니다.
저의 해법:
프로젝트 전용 컨텍스트 파일을 만듭니다. 포함할 것:
MCP 통합 덕분에 이제 AI를 다음에 연결할 수 있습니다:
이 컨텍스트가 없으면 같은 제약을 계속 설명해야 합니다. 컨텍스트가 있으면 첫 시도를 건너뛰고 두 번째 시도에서 시작하게 됩니다.
주로 컨텍스트를 얻기 위해 Claude Code를 다른 도구들과 이렇게 연결했습니다
저는 이제 여러 Claude 인스턴스를 병렬로 돌립니다. 매일 아침 기억이 리셋되는 소규모 개발팀을 운영하는 느낌입니다.
핵심 전략:
코드를 쓰는 것도 일이지만, 코드를 리뷰하는 것도 일입니다. AI 도입은 제 코드 리뷰 방식도 바꿨습니다.
저와 동료들의 시간을 아끼고 리뷰 라운드를 줄여줍니다.
Sanity에서는, 코드가 AI가 생성했더라도 배송 책임은 엔지니어에게 있습니다. 저는 다음을 보장하고 싶습니다:
핵심 요점: 저는 이제 “제 코드”에 더 비판적입니다. 많은 부분을 제가 직접 타이핑하지 않았기 때문이죠. 감정적 집착이 없으니 리뷰가 더 좋아집니다.
우리는 Cursor를 사용해 Slack 트리거 에이전트를 단순 작업에 시험 중입니다:
현재 한계:
Cursor 에이전트는 단순 작업에서 가장 잘 작동합니다
하지만 잠재력은? 에이전트가 여러분이 잠자는 동안 백로그의 작은 티켓들을 처리한다면 어떨까요. 우리는 Sanity에서 이를 적극 탐구 중이며, 팀 간에 학습을 공유하면서 무엇이 통하는지 찾아가고 있습니다.
돈 얘기를 해봅시다. 제가 Claude Code를 쓰는 데 드는 비용은 회사가 제게 매달 지급하는 급여의 적지 않은 비율에 해당합니다.
하지만 그 투자로:
ROI는 분명합니다. 다만 AI 개발에 올인하는 시니어 엔지니어 1인당 월 1,000~1,500달러 예산을 잡으세요. 익숙해질수록 AI 비용 효율이 더 좋아지는 것도 기대할 수 있지만, 숙련될 시간을 주세요.
AI 보조 개발이 순탄치만은 않습니다. 제가 꾸준히 마주치는 도전 과제들:
강화 학습 문제
AI는 실수에서 학습하지 않습니다. 같은 오해를 반복해서 수정하게 됩니다. 해법: 더 나은 문서화와 더 명시적인 지시.
자신감 문제
AI는 때때로 엉터리 코드를 자신만만하게 훌륭하다고 말합니다. 특히 아래를 항상 검증하세요:
컨텍스트 한계 문제
큰 코드베이스는 AI의 컨텍스트 윈도우를 압도합니다. 문제를 더 작은 조각으로 나누고, 집중된 컨텍스트를 제공합니다.
가장 어려운 부분? 코드 소유권을 내려놓는 일입니다. 하지만 이제 저는 ‘내 코드’에 신경 쓰지 않습니다. 리뷰하고 다듬을 산출물일 뿐이죠.
이 거리 두기는 사실 굉장히 해방감을 줍니다!
내일 더 나은 AI 도구가 나오면, 저는 즉시 갈아탈 겁니다. 코드는 소중하지 않습니다. 우리가 해결하는 문제가 소중하죠.
엔지니어 관점에서 조언을 하자면, AI 도입을 고려하는 기술 리더에게:
새로운 AI 워크플로우에 적응한 엔지니어들은 도구함에 날카로운 새 칼을 얻게 될 겁니다. 그들은 아키텍처, 리뷰, 복잡한 문제 해결에 집중하면서 여러 AI 에이전트를 오케스트레이션하는 사람이 되고 있습니다.
작고 명확하게 정의된 기능 하나를 고르세요. 구현을 AI에게 세 번 시도하게 하세요. 주니어 개발자를 멘토링하듯 결과물을 리뷰하세요.
그게 전부입니다. 거대한 변혁도, 프로세스 전면 재정비도 필요 없습니다. 딱 하나의 기능, 세 번의 시도, 그리고 솔직한 리뷰.
미래는 AI가 개발자를 대체하는 이야기가 아닙니다. 개발자가 더 빨라지고, 더 나은 해법을 만들고, 최고의 도구를 활용하는 이야기입니다.
👋 개발자 교육팀의 Knut입니다: 왜 Sanity가 AI 보조 개발에서 특히 효율적인지 궁금하시다면—전부 코드 기반 구성이라서입니다. 스키마, 워크플로우, 심지어 에디토리얼 UI까지 TypeScript로 정의되어, AI 도구가 스택 전체를 이해하고 생성할 수 있습니다. 클릭으로 웹 UI를 돌아다니며 설정할 필요가 없습니다. 더 깊이 들어가고 싶다면 이 워크플로우에 대한 코스를 확인해 보세요.
그럼, 원래 프로그램으로 돌아갑니다.
