//
바이브 코딩 너머 개발자 생존법 · 애디 오스마니
AI 코딩 도구를 활용한 웹 애플리케이션 구축의 첫 단계는 프로젝트 설정이다. 프레임워크 선택, 디렉토리 구조, 린트 설정, 타입 설정 등 초기 환경을 AI에게 맡기면 빠르게 시작할 수 있다.
다만 저자는 AI가 생성한 초기 설정을 그대로 사용하지 말고, 프로젝트의 요구사항에 맞게 조정할 것을 권장한다. AI는 범용적인 설정을 생성하므로, 팀의 컨벤션이나 프로젝트 특성에 맞는 커스터마이징이 필요하다.
데이터베이스 스키마 설계에서 AI는 기본적인 테이블 구조와 관계를 빠르게 생성해 준다. ERD를 자연어로 설명하면 SQL DDL이나 ORM 스키마 코드가 만들어진다.
주의할 점은 AI가 생성한 스키마가 정규화와 성능 사이의 균형을 적절히 잡지 못할 수 있다는 것이다. 인덱스 전략, 파티셔닝, 마이그레이션 계획 등은 개발자가 직접 판단해야 하는 영역이다.
프론트엔드와 백엔드를 연결하는 풀스택 통합에서 AI는 API 클라이언트 코드, 타입 정의, 데이터 페칭 훅 등을 생성하는 데 유용하다. 특히 API 응답 타입을 프론트엔드 타입으로 변환하는 반복적인 작업에서 생산성 향상이 크다.
그러나 풀스택 통합의 핵심은 개별 레이어의 구현이 아니라 레이어 간의 일관성과 데이터 흐름이다. AI는 각 레이어의 코드를 개별적으로 잘 생성하지만, 전체 데이터 흐름이 일관적인지는 개발자가 직접 확인해야 한다.
웹 애플리케이션의 테스트에서 AI는 컴포넌트 테스트, API 테스트, E2E 테스트 코드를 빠르게 생성해 준다. 특히 반복적인 테스트 패턴이 많은 CRUD 기능에서 효과적이다.
저자는 AI가 생성한 테스트의 커버리지 착시를 경고한다. 테스트 코드의 양이 많다고 해서 의미 있는 커버리지가 확보된 것은 아니다. AI가 만든 테스트가 실제로 중요한 비즈니스 로직과 엣지케이스를 검증하는지 확인해야 한다.
AI를 활용한 웹 애플리케이션 구축은 프로젝트 초기 설정부터 테스트까지 전 과정에서 생산성을 높여준다. 하지만 각 단계에서 AI의 출력물을 무비판적으로 수용하면, 겉보기에는 완성된 것 같지만 실제로는 취약한 애플리케이션이 만들어진다. AI가 각 레이어의 코드를 생성하되, 전체 시스템의 일관성과 품질은 개발자가 책임져야 한다.