최근에 내부에서 흥미로운 대화가 있어서 AI를 이용해서 요약해 봤습니다.

1. AI 도구를 쓰면서 겪는 반복적인 문제들

Claude Code 같은 AI 코딩 도구를 활용하면 기대했던 것보다 많은 시행착오가 발생합니다.

이런 문제는 AI가 멍청해서 생기는 게 아닙니다. AI가 맥락을 정확히 이해하지 못하게 만드는 환경 때문에 생깁니다.

2. 컨텍스트 문제는 AI만의 문제가 아니다

AI가 지시를 오해하는 구조는 사람 간 협업에서도 이미 오래전부터 존재하던 문제입니다.

즉, AI와의 협업이 새롭게 만든 문제가 아니라, 원래부터 있었던 협업의 불완전성이 기술을 통해 증폭되고 있을 뿐입니다.

많은 AI 활용 조언은 “작업 범위를 작게 나눠라”고 말합니다.

그러나 함수나 파일 수준으로 너무 잘게 나누면 다음과 같은 문제가 발생합니다:

결국 중요한 건 단순히 “작게 쪼개는 것”이 아니라, AI가 정확히 이해하고 판단할 수 있는 ‘의미 있는 단위’로 작업을 정의하는 것입니다.

아래는 실제로 AI 도구를 활용할 때 유용한 컨텍스트 설계 방법입니다.

작업을 기술적 파일/함수 단위가 아니라 업무의 목적 단위로 설명합니다.

예시)

나쁜 예: calculateDiscount 함수 수정해줘

좋은 예: “장바구니에서 할인 계산이 잘못 적용되고 있어. 가격 계산 전체 흐름 중 할인 적용 로직을 점검해서 원인을 찾고 수정해줘.”

AI가 어디까지 건드려도 되는지를 모르면 과도한 변경이 일어납니다.

“이 파일까지만 변경 가능” 또는 “전역 리팩터링 가능”처럼 허용 범위를 반드시 정합니다.

작업의 목적, 성공 기준, 예외 조건 등을 명확히 설명해야 합니다.

AI가 무엇을 기준으로 판단해야 하는지 알려주지 않으면, 자의적인 결과가 나옵니다.

예시)

목적: 모바일에서 결제 실패율을 줄이기 위해

기준: 타임아웃 시간을 늘리되 서버 부하를 최소화

제한: 기존 사용자 경험 흐름은 그대로 유지

이제 사람의 역할은 바뀌고 있습니다.

직접 코드를 작성하는 사람이 아니라

→ 작업의 단위, 목적, 책임 경계를 설계하는 사람

AI에게 질문을 던지는 사람이 아니라

→ AI가 오해하지 않도록 작업을 구조화하는 사람

정리하자면, “정확한 지시를 내리는 능력”보다, “오해를 줄이는 환경을 만드는 능력”이 더 중요해졌습니다.

컨텍스트 문제는 사라지지 않습니다. 사람도, AI도, 언제든 오해할 수 있습니다.

그래서 우리가 할 수 있는 일은 오해를 전제로 한 구조를 만드는 것입니다.

이후 팀 차원에서는 다음과 같은 작업을 함께 해보면 좋습니다.