🎮
AI 코딩의 현실
"AI가 코딩을 다 해준다?" — 진짜와 거짓을 직접 판별하라!
🎯 규칙
- 총 15단계의 미션을 수행합니다
- 퀴즈를 맞히면 ⭐ 10점, 연속 정답 시 보너스!
- 중간중간 핵심 내용을 학습합니다
- 마지막에 총점과 등급이 나옵니다
⚔️ 두 개의 무기
2026년, AI 코딩 도구의 양대 산맥을 소개합니다.
🟣 Claude Code
Anthropic | 터미널/CLI 기반
- 소스코드 전체를 이해하는 에이전트
- 정밀한 리팩토링/디버깅에 강점
- 변경 전 승인 요청 (안전 중심)
- VS Code + Web 통합
🔵 Google Antigravity
Google | AI-native IDE
- Gemini 3 Pro 기반 Agent-first
- 다중 에이전트 병렬 작업
- 에디터+터미널+브라우저 통합
- 코드+테스트+UI 자동화
🎯 퀴즈 #1
Claude Code와 Antigravity의 가장 큰 차이는?
A
사용하는 프로그래밍 언어가 다르다
B
가격 차이가 핵심이다
C
워크플로우 철학이 다르다 (CLI 정밀 vs IDE 병렬 자동화)
D
둘 다 같은 AI 모델을 사용한다
✅ 정확합니다! Claude Code는 정밀한 검토 중심, Antigravity는 다중 에이전트 병렬 자동화. 프로젝트에 맞게 선택하는 것이 핵심입니다.
❌ 핵심은 워크플로우 철학의 차이입니다. Claude Code = 터미널 기반 정밀 작업, Antigravity = IDE 기반 병렬 자동화.
✅ AI가 잘하는 것
⚡ 보일러플레이트 & 반복 코드
HTML/CSS, CRUD API, 설정 파일 — 사람 30분 → AI 3분
🔄 코드 번역/변환
Python↔JS, REST→GraphQL, 최신 문법 전환
🔍 디버깅 & 코드 리뷰
에러 분석, 보안 취약점, 성능 이슈 탐지
📝 문서화 & 테스트
JSDoc, README, 테스트 케이스 자동 생성
⭕❌ 퀴즈 #2
"AI에게 10개 모듈이 상호작용하는 복잡한 시스템을
한 번에 만들어달라고 하면 잘 만든다"
✅ 맞습니다! AI는 파일 1개짜리는 완벽하지만, 복잡한 시스템 설계는 흔들립니다. 사람이 아키텍처를 잡고 → AI가 모듈 단위로 실행하는 것이 정답.
❌ 아쉽습니다. 현재 AI는 부분은 잘 만들지만 전체 아키텍처는 사람이 잡아야 합니다. 이것이 시니어 개발자가 필요한 이유입니다.
❌ AI의 한계
1. 복잡한 시스템 설계
파일 1개? 완벽. 10개 모듈 상호작용? 흔들림.
AI는 부분은 잘 만들지만, 전체 아키텍처는 사람이 잡아야
2. 도메인 깊은 지식
BIM, CAD, 금융 규제 — 학습 데이터가 적은 니치 분야는 얕음
도메인 전문가의 지식 주입이 필수
3. 긴 상태 추적
API A→B→C→D→E... 5단계 넘으면 앞의 맥락을 놓침
단계별로 끊어서 시키기
4. "왜"에 대한 판단
"이 기능이 필요한가?" "이 설계가 6개월 뒤에도 유지될까?"
의사결정은 사람, 실행은 AI
🎯 퀴즈 #3
AI가 도메인 지식이 부족할 때 가장 효과적인 해결법은?
A
더 비싼 AI 모델을 사용한다
B
도메인 전문가의 지식을 문서화해서 AI에게 주입한다
C
AI에게 인터넷 검색을 시킨다
D
AI가 스스로 학습할 때까지 기다린다
✅ 정확합니다! 컨텍스트 엔지니어링의 핵심. 도메인 전문가의 암묵지를 문서(Skills)로 만들어 AI에게 주입하면 한계를 극복할 수 있습니다.
❌ 가장 효과적인 방법은 도메인 전문가의 지식을 문서화해서 AI에게 주입하는 것입니다. 이것이 "컨텍스트 엔지니어링"의 핵심입니다.
🔧 한계를 극복하는 전략
| 한계 |
극복 전략 |
구체적 방법 |
| 복잡한 시스템 |
멀티 에이전트 + 작업 분해 |
사람이 설계 → 에이전트가 모듈 단위 실행 |
| 도메인 지식 부족 |
컨텍스트 엔지니어링 |
도메인 문서를 Skills로 패키징 → 주입 |
| 긴 상태 추적 |
체인 프롬프팅 + TDD |
5단계 이상 → 단계별 끊어서 검증 |
| "왜" 판단 불가 |
사람+AI 협업 |
사람=의사결정 → AI=실행 → 사람=검증 |
🌍 업계의 극복 노력
📏 컨텍스트 윈도우 확장
200K → 1M → 2M 토큰. 물리적 한계를 넓히는 중
🤖 에이전트 시스템 (Agentic AI)
단일 AI → 여러 에이전트가 역할 분담. 3대 회사 모두 투자 중
🔌 MCP + Skills 생태계
AI가 외부 도구/지식에 동적 접근. 도메인 지식 부족 실시간 보완
🧠 Reasoning 모델
o1, Opus, Gemini Deep Think — 추론 능력 강화. "왜"에 가까워지는 중
⭕❌ 퀴즈 #4
"AI가 못하는 게 아니라, 프롬프트가 잘못된 것이다"
✅ 맞습니다! 대부분의 AI 실패는 프롬프트와 컨텍스트의 문제입니다. 물론 10%의 진짜 한계도 있지만, 구조와 방법으로 극복 가능합니다.
❌ 약간의 한계는 있지만, 90%는 프롬프트와 컨텍스트 설계의 문제입니다. "AI가 못한다"고 포기하기 전에 프롬프트를 점검하세요.
👀 데모: 프롬프트의 차이가 결과를 결정한다
❌ Bad Prompt
"로그인 기능 만들어줘"
→ 프레임워크? 언어?
보안 수준? DB?
전부 AI가 임의 결정
→ 결과 품질: 🎲 랜덤
✅ Good Prompt
"너는 시니어 Node.js 개발자야.
Express + JWT 로그인 API:
- POST /auth/login
- bcrypt 해싱
- 토큰 1시간 만료
- 401/403 에러 구분
- Jest 테스트 포함"
→ 결과 품질: ✅ 정확
같은 AI, 다른 프롬프트, 완전히 다른 결과
🎯 퀴즈 #5
AI에게 복잡한 작업을 시킬 때 가장 효과적인 방법은?
A
최대한 자세하게 한 번에 모든 요구사항을 전달한다
B
AI가 알아서 하도록 간단히 시킨다
C
3~5단계로 나눠서 각 단계 결과를 확인 후 다음으로 진행한다
D
여러 AI에게 동시에 같은 질문을 해서 비교한다
✅ 체인 프롬프팅! 복잡한 작업을 단계별로 쪼개면 각 단계에서 AI가 집중할 수 있고, 오류 누적을 방지합니다.
❌ 정답은 체인 프롬프팅입니다. 3~5단계로 나눠서 각 단계 결과를 확인 후 진행하면 정확도가 확 올라갑니다.
📊 Claude Code vs Antigravity — 언제 뭘 쓸까?
| 항목 | Claude Code | Antigravity |
|---|
| 철학 | 터미널 중심, 대화형 | IDE 중심, 병렬 에이전트 |
| 자율성 | 중간 (승인 요청) | 매우 높음 (스스로 실행) |
| 정밀도 | 뛰어남 | 초기 제품, 평가 중 |
| 병렬 작업 | 지원 (멀티 에이전트 포함) | 다중 에이전트 네이티브 |
| 테스트 자동화 | 없음 | 브라우저 UI 포함 |
| 추천 상황 | 정밀 리팩토링, 엔터프라이즈 | 프로토타이핑, 빠른 생산성 |
도구가 아니라 워크플로우를 선택하라.
프로젝트에 맞는 도구가 최고의 도구다.
💡 실전 극복 경험
😤 문제
복잡한 API + MCP 연동 → 컨텍스트 엔지니어링이 안 됨
🔍 원인 분석
- 컨텍스트 오버로드 — API 스펙을 한 번에 다 넣음
- 암묵적 지식 미전달 — 개발자 머릿속에만 있는 것
- 검증 루프 부재 — 중간 확인 없이 끝까지 진행
✅ 해결
- 계층화 — 전체 스펙을 단계별로 나눠서 주입
- 암묵지 문서화 — 의사결정 트리를 문서로 명시
- TDD — "이 입력 → 이 출력" 테스트 먼저 정의
🧠
Part 1 핵심 메시지
AI는 최고의 주니어 개발자다.
시키면 빠르고 정확하게 한다.
하지만 뭘 시킬지는 모른다.
차이를 만드는 건
프롬프트와 컨텍스트 설계다.
🏆 Part 1 완료!
Part 2에서는 "프롬프트 엔지니어링 실전"을 다룹니다.