AI와 함께 프론트엔드 개발, 안드로이드 개발자의 새로운 도전!

본문에서는 안드로이드 개발자가 AI를 활용하여 프론트엔드 개발에 도전한 과정을 설명한다. 기존의 바텀업 방식과 달리, 현재 프로젝트에 필요한 프레임워크(Framework)와 아키텍처(Architecture)를 먼저 파악하고, 언어 학습을 병행하는 탑다운 방식을 채택했다. AI를 통해 프로젝트의 설계 도면을 파악하고, 필요한 지식을 그때그때 습득하는 방식으로, 직무 전환의 효율성을 높였다. 이는 AI가 단순한 코드 자동 생성 도구를 넘어, 학습 가이드(Learning Guide) 역할까지 수행할 수 있음을 시사한다.

AI가 생성한 코드를 활용하면서도, 개발자는 코드의 품질을 확보하기 위해 두 가지 조건을 설정했다. 첫째, 작성한 코드를 스스로 이해할 수 있어야 한다는 점이다. AI가 생성한 코드라도, 한 줄 한 줄 설명할 수 없다면 사용하지 않았다. 둘째, 기존 프로젝트의 규칙을 최대한 준수하여 팀 코드에 통합되도록 노력했다. 이는 AI 활용의 효율성을 높이는 동시에, 코드의 유지보수성(Maintainability)과 팀 협업(Team Collaboration)을 고려한 전략이다.

AI의 도움으로 개발자는 더 이상 모든 코드를 직접 작성하는 '코드 라이터(Code Writer)'가 아닌, 코드의 위치를 파악하는 '코드 로케이터(Code Locator)'로 역할이 변화했다. 전공 분야 외 영역에서는 모든 것을 깊이 있게 학습하기보다, 현재 직면한 문제에 필요한 부분만 타겟팅하여 학습하는 방식이 효율적임을 강조했다. PE 관점에서는 언어의 디테일보다 구조와 책임을 읽어내는 능력이 중요해졌으며, AI가 생성한 코드의 질을 판단하기 위한 기본기(Fundamentals)의 중요성을 강조했다.

본문에서는 PE 한 명의 부전공 생산성보다, 전공자 한 명의 생산성이 더 크다는 점을 지적하며, 조직 차원에서 PE를 지원하는 전공자의 생산성을 유지하는 방안에 대한 고민을 제시한다. AI가 많은 부분을 지원할 수 있지만, 양질의 질문(Quality Questions)을 던질 수 있는 숙련도는 여전히 사람에게 달려있으며, 전문가의 도움이 필요하다는 점을 강조한다. 이는 AI와 전문가의 협업(Collaboration)을 통해 PE의 역량을 극대화하고, 조직 전체의 생산성을 향상시킬 수 있음을 시사한다.