서론: 10년간 풀지 못했던 난제, AI가 대화의 물꼬를 트다
소프트웨어 프로젝트에서 10년은 기술 부채가 화석이 되기에 충분한 시간입니다. 10년 이상 사용자들이 꾸준히 요청해 온 미디엄(Medium)의 다크 모드 기능은 바로 그런 존재였습니다. 수많은 유능한 엔지니어가 그 복잡성 앞에서 발길을 돌렸고, 프로젝트는 ‘버려진 브랜치와 잊힌 풀 리퀘스트의 무덤’처럼 여겨졌습니다.
이 고질적인 문제가 최근 해결되었습니다. 여기서 주목할 지점은 단순히 기능이 추가되었다는 사실이 아니라, 한 명의 엔지니어가 인공지능 코딩 도구를 ‘사고의 파트너(Thought Partner)’이자 ‘지렛대(Leverage)’로 삼아 10년 묵은 교착 상태를 타개했다는 점입니다. 이 사례는 거대 언어 모델(LLM)이 단순 코드 생성을 넘어, 복잡한 프로젝트의 ‘문제 탐색’과 ‘실행 계획 수립’ 단계에서 어떻게 인간의 능력을 증폭시킬 수 있는지 보여줍니다.
본 칼럼은 미디엄 엔지니어 크리스틴 레버렛(Christine Leverett)의 개발 후기(‘How we finally shipped dark mode’)에 드러난 통찰을 기반으로, LLM이 소프트웨어 공학의 난제, 특히 거대한 레거시 시스템과 씨름하는 새로운 접근법을 어떻게 제시하는지 심도 있게 분석합니다.
LLM, ‘코드 생성기’를 넘어 ‘복잡성 해체 파트너’로
이번 프로젝트의 진정한 혁신은 AI를 단순히 코드를 받아쓰는 도구로 취급하지 않고, 문제의 거대한 복잡성을 함께 탐색하고 길을 찾아가는 ‘대화형 내비게이터’로 활용했다는 데 있습니다. 엔지니어는 LLM(Claude)과의 대화를 통해, 과거에는 엄두조차 내지 못했던 거대한 작업의 첫걸음을 뗄 수 있었습니다.
1. 혼돈 속에서 길 찾기: ‘대화’를 통한 레거시 코드 탐색
다크 모드 구현의 가장 큰 장벽은 ‘어디서부터 시작해야 할지 알 수 없다’는 막막함입니다. 오랜 시간 누적된 코드베이스는 누구도 전체 그림을 파악하기 힘든 ‘거대한 진흙 덩어리(Big Ball of Mud)’와 같습니다. 레버렛 엔지니어는 이 거대한 코드 덩어리를 직접 파헤치는 대신, LLM에게 길을 묻는 방식을 택했습니다.
개발 후기는 구체적인 기술 방식을 상세히 설명하진 않지만, 우리는 그 과정을 추론해 볼 수 있습니다. 아마도 엔지니어는 “이 컴포넌트와 관련된 색상 코드는 어디에 있지?”, “전체 사이트의 기본 배경색에 영향을 주는 스타일시트는 무엇인가?” 와 같은 질문을 던졌을 것입니다. LLM은 코드의 특정 부분을 생성하는 것을 넘어, 방대한 코드베이스라는 비정형 데이터 안에서 인간이 던지는 질문의 맥락을 이해하고 관련 정보를 탐색해주는 ‘지능형 검색엔진’의 역할을 수행한 것입니다. 이를 통해 엔지니어는 미로와 같던 프로젝트의 지도를 그려나갈 수 있었습니다.
2. ‘어떻게’가 아닌 ‘무엇을’부터: 실행 가능한 첫 단계의 구체화
문제의 윤곽이 드러난 후, 엔지니어는 ‘다크 모드 구현’이라는 거대한 목표를 실제 실행 가능한 작은 단위로 나누는 데 LLM을 활용했습니다. 개발 후기에서 ‘스코프 관리와 티켓 발행(scoping and ticketing)’에 도움을 받았다는 언급이 바로 이 지점입니다.
이는 LLM이 프로젝트 관리 툴에 직접 티켓을 생성했다는 의미가 아닙니다. 그보다는, 엔지니어와의 대화를 통해 ‘가장 먼저 해야 할 일은 무엇인가?’, ‘최소한의 기능(MVP)을 구현하기 위한 핵심 작업은 무엇인가?’를 함께 정의해나가는 브레인스토밍 파트너 역할을 했다고 보는 것이 타당합니다. 모호하고 거대했던 목표가 ‘1단계: 핵심 UI 요소 색상 변수화’, ‘2단계: 주요 페이지 레이아웃 테스트’와 같이 명확하고 측정 가능한 단위 작업으로 전환되면서, 비로소 프로젝트는 실행 가능한 영역으로 진입할 수 있었습니다.
AI 협업의 본질: 전문가의 ‘지렛대’ 활용법
이 사례는 ‘AI가 개발자를 대체할 것’이라는 단편적인 예측에 대한 가장 정교한 반론을 제시합니다. 미디엄의 다크 모드는 AI가 스스로 개발한 것이 결코 아닙니다. 숙련된 엔지니어가 AI라는 강력한 ‘지렛대’를 활용하여, 기존의 방식으로는 움직일 수 없었던 거대한 바위를 움직인 것에 가깝습니다.
엔지니어는 무엇을 물어야 하는지, 어디가 문제의 핵심인지 어렴풋이 알고 있었습니다. 또한 AI의 제안을 어떻게 비판적으로 검토하고, 그 결과를 실제 코드베이스에 안전하게 통합할지 아는 전문가였습니다. AI는 막막한 프로젝트의 초기 활성화 에너지(Activation Energy)를 극복하게 해주는 촉매제였으며, 인간 전문가는 그 화학 반응 전체를 설계하고 통제하는 지휘자였습니다.
결론: 새로운 가능성의 발견, 그리고 인간 전문가의 역할
미디엄의 다크 모드 개발 사례는 LLM의 기술적 성능에 대한 보고서라기보다, 인간과 AI의 새로운 협업 방식에 대한 영감 가득한 에세이에 가깝습니다. 이 이야기는 AI가 생성한 결과물의 품질만큼이나, AI에게 ‘어떤 질문을 던질 수 있는가’라는 인간의 역량이 중요해지는 시대를 예고합니다.
물론, 이 성공이 모든 프로젝트에 동일하게 적용될 것이라는 보장은 없습니다. 이 프로젝트의 성공은 LLM의 성능뿐만 아니라, 그것을 능숙하게 다룬 시니어 엔지니어의 역량, 그리고 ‘일단 해보자’고 지지해 준 조직 문화가 결합된 결과일 가능성이 높습니다. AI가 제시한 초기 계획이 ‘기능 범위의 점진적 확장(Scope Creep)’을 막는 방어선 역할을 했을 것이라는 분석 역시, 결과에 대한 합리적 추론일 뿐입니다.
그럼에도 불구하고 이 사례는 분명한 메시지를 던집니다. AI는 더 이상 코드 조각을 만들어내는 편리한 도구에 머무르지 않습니다. 복잡한 문제의 본질을 파고들고, 거대한 작업을 체계적으로 분할하며, 막막함 속에서 첫걸음을 뗄 용기를 주는 ‘사고의 파트너’로 진화하고 있습니다. 이 강력한 파트너를 어떻게 활용할 것인가는, 이제 우리 인간 전문가들의 손에 달려있습니다.