AI가 개발 프로세스 속도를 높이지 못하는 이유 – 병목 현상에 집중하기

Frederick Vanbrabant는 AI를 통한 프로세스 최적화에 대한 과장된 기대를 비판하며, 고전인 The Toyota Way와 The Goal을 인용합니다. 그의 핵심 주장: 개발 단계에 AI를 도입하는 것은 실제 병목 현상(종종 요구사항의 업스트림 모호성)을 간과한다는 것입니다.

시각적 병목 현상

대부분의 프로젝트 일정은 긴 소프트웨어 개발 블록을 보여줍니다. 직관적으로는 그 부분을 최적화하고 싶지만, Vanbrabant는 기간이 길다고 해서 문제가 거기서 시작되는 것은 아니라고 주장합니다. 간트 차트를 사용하여 일반적인 프로젝트를 보여줍니다: 범위 설정(10일), 예산 범위 설정(3일), 법무(10일), 문서화(5일), 그 다음 개발(70일). 당연히 개발이 목표가 되지만, 실제 문제는 업스트림에 있습니다.

업스트림 문제

소프트웨어 개발은 단순히 타이핑 속도를 높이는 것이 아니라 문제를 이해하는 것입니다. "판매 완료 시 사용자에게 메일 전송"과 같은 모호한 요청은 명확화가 필요합니다: 판매란 무엇인가? 오류가 발생하면? 어떤 메일 내용인가? 이러한 모호함이 개발자를 느리게 만듭니다.

AI가 해결하지 못함

Vanbrabant는 일반적인 순진한 예측을 제시합니다: AI가 개발을 70일에서 3일로 줄인다는 것. 그러나 현실은 AI에도 상세한 명세가 필요하다는 것입니다. 실제 일정은 다음과 같습니다: 범위 설정(10일) + 법무(10일) + 문서화(40일) + AI 개발(40일). 문서화 단계가 늘어나는 이유는 도메인 전문가가 올바른 코드를 얻기 위해 모든 세부 사항을 작성해야 하기 때문입니다. 그는 이렇게 말합니다: "인간 개발자에게 동일한 양의 기능/범위 문서를 제공한다면 생산성도 급등할 것입니다."

결론

이 기사는 AI가 자동으로 프로세스를 가속화한다는 단순한 관점에 도전합니다. 대신 전체 가치 흐름에 집중하고 업스트림 병목 현상(더 나은 요구사항, 도메인 전문가와의 긴밀한 협업)을 해결한 후에야 AI가 이점을 제공할 수 있습니다. AI 코딩 에이전트를 사용하는 개발자들에게 이는 명세 품질에 투자해야 한다는 실용적인 알림입니다.