Ai 개발의 가능성, 한계, 문제 분석
1. 주요 기능은 설계 , 단계별 구현, 부분적 검증으로 신중 하게 구현 하고 이외의 업무에는 ai 를 적극적으로 사용해서 코딩 컨벤션 생산성 동시에 추구 , 긴 호흡으로 개발 해야 하는 핵심적인 메인 기능들은 프로젝트를 여러개의 프로토 타입으로 나눠서 개발(클린 코드 아키텍쳐를 최대한 추구)
2. 피그마 능력자를 양성, 프로덕트 엔지니어(풀스택에 가깝)가 팀에 한명은 있어야 함
3. 디비 설계 ~ 실시간 네트워크 ~ 동시성 프로그래밍 ~ sql 최적화 ~ 다소 복잡한 uiux 까지 심도 깊은 핀 포인트 구현에 대한 기술 증명한뒤 문서화화 하면 타당한 보상 제공 사내 업무 관리 프로젝트 고도화를 꾸준히 공식 사이드 프로젝트로 포함 시켜 개발
4. Ai 가 뭐를 잘못했다식으로 아직은 휴먼 지능이다 목소리 높일게 아니라 계획.md , 단계적 구현, 하네스 엔지니어링등 기본적 활용 방법 적용
의도 명확화를 통해 ai 사용하는 시스템적 개발을 최대한 추구
“명세 템플릿화”: md, flow, ERD 활용
ex)
docs-for-구현 계획/
├─ order-cancel/
│ ├─ 구현 계획.md
│ ├─ 검증 조건.md
│ ├─ 검증 결과.md
│ └─ 구현 리뷰.md
5. 업무 프로세스 조정, 디비 설계, 피그마 등의 개발 외의 일을 더 체계화 하고 고도화
6. 여전히 ai 개발 아직 신뢰하지 못하겠다면 탭탭 방식의 ai 개발로 거의 수동에 가깝게 코딩 하되 참고할수 있는 문서와 리뷰 문서를 철저하게 관리
7. 용어 사전, 포스트맨 활용(자체적으로 만들어도 됨), 자체 서비스 개발등 역량 발휘 기회 주는식으로 협업 지향적 개발 문화 최대한 장려 (문제를 사람에서 찾지 않고 시스템적으로 해결 하기 위한 최대한의 노력?)
8. 안드레 카파시도 ai 활용에 있어서 항상 부족함을 느낀다는점을 생각하면서 내가 병목이 되지 않도록 하기 ,
어제보다 나은 코드를 작성하면 된다는 가벼운 마음으로 개발 하기?
9. Ai 를 통한 기술 부채 해결, 기술 한계 돌파, 공유, 협업 강화 , 성과 측정 등 가능한 모든 부분에 사용해 보기
10. 구조적 개선 포인트 꾸준히 점검 하고 여유 시간때 리팩토링 해서 기술 부채 해결 + 고객도 수정할수 있는 프로젝트로 만들기
프로토 타입 예시:
1.
쇼핑몰:
https://github.com/dota-pilot1/banchan-killer
2.
권한 관리:
https://github.com/dota-pilot1/dev-hunt-pro-security
3.
업무 관리1:
https://github.com/dota-pilot1/tech-cannon
https://dxline-tallent.com/
업무관리2:
nextjs 풀스택
https://github.com/dota-pilot1/smart-fnb-task
4. 메뉴 관리:
https://github.com/dota-pilot1/edu-flash-container
요약:
여전히 개발이 쉬운건 아님 (디비 설계에서부터 모든 분야에서 엔터프라이즈 기능을 구현하는게 훨씬 쉬워진건 아님) , 사이드 프로젝트에서 실증이 가능 해야 함
비교적 수준이 낮은 개발자들에게 오히려 ai 활용이 더 유용할수 있음 (학습, 개발, 문서화를 모두 지원하므로)
설계에 대한 이해를 바탕으로 구현 의도를 명확히한 상태라면 주요 기능 개발에도 ai 개발이 지금 시점에서도 꽤 실효성 있다는점과 주요 업무를 쳐내고 나면 나머지 부수적인 업무들은 분명히 agent 에 맡겨도 컨벤션에 맞게 충분히 훌륭한 코드를 추가해 나갈 수 있음 다만 프로젝트 하나를 모듈이나 컴퍼넌트라고 해야 할 정도로 생산성이 높아지면서 보다 교과서적인 탱크(체계) + 드론(게임 같은 혹은 첨단의 개발) 이 가능해졌는데 아직도 총검술에 목매는 분위기 혹은 사람이 병목인 경우가 늘어나고 있음
