AI와 함께 작업하다 보면 어느 순간부터 결과물이 엇나가기 시작하는 구간이 있다. 이 구간을 놓치면 AI가 만든 결과물을 전부 되돌려야 하는 상황이 생긴다. 신호를 일찍 감지하고 멈추는 것이 처음부터 다시 시작하는 것보다 시간이 덜 든다.
클로드코드, 코덱스 같은 AI 코딩 도구로 실무 작업을 해온 경험을 바탕으로, 작업이 산으로 가고 있다는 신호 4가지를 정리했다. 이 신호들은 도구에 관계없이 AI와 코딩 작업을 진행할 때 공통으로 나타나는 패턴이다.
신호 1: AI가 이미 수정한 코드를 다시 원래대로 되돌리는가
같은 파일의 같은 부분을 반복해서 수정하는 패턴이 나타날 때다. 수정했다가 되돌리고, 다시 수정하는 루프가 2회 이상 반복되면 AI가 어떤 상태가 "올바른" 상태인지 판단하지 못하고 있는 것이다.
이 상황에서 계속 진행하면 코드베이스가 점점 복잡해지고, 어느 시점에서 무엇을 바꿨는지 추적하기 어려워진다. 이 신호가 보이면 작업을 멈추고, 현재 원하는 상태를 한 문장으로 다시 정의한 뒤 재시작하는 것이 빠르다. 원하는 결과를 명확히 하는 데 2분이 걸려도, 루프를 방치하는 것보다 결과적으로 빠르다.
신호 2: 수정 범위가 원래 요청보다 3배 이상 커졌는가
"이 버튼 색상을 바꿔줘"라고 했는데 AI가 레이아웃 전체를 재구성하거나, 관련 없는 파일까지 건드리기 시작할 때다. 범위 확장 자체가 잘못된 것은 아니지만, 요청 범위의 3배를 넘어서면 AI가 전체 맥락을 유지하기 어려운 상태에 들어간 것으로 볼 수 있다.
범위가 커질수록 검증해야 할 항목도 많아진다. 중간에 멈추고 "이 변경이 원래 목표와 직접 연결되는가"를 확인한다. 연결되지 않는 변경은 지금 당장 취소하고, 원래 작업이 완료된 뒤에 별도로 처리하는 것이 안전하다.
신호 3: AI가 작동하지 않는 해결책을 다른 방식으로 반복 시도하는가
같은 오류에 대해 방법만 바꿔가며 3번 이상 시도하는데도 결과가 달라지지 않을 때다. AI는 오류를 수정하려는 동기가 강하기 때문에, 효과가 없는 접근을 변형해가며 반복하는 경향이 있다. 방법이 달라 보여도 같은 방향의 시도를 반복하고 있는 경우가 많다.
이 구간에서 계속 AI에게 맡기면 시간이 길어질수록 코드가 복잡해지기만 한다. 해결책을 3번 시도했는데 달라지지 않는다면, AI에게 "지금까지 시도한 방법과 왜 안 됐는지를 먼저 정리해줘"라고 요청한다. 원인 분석 없이 다음 방법으로 넘어가는 것을 막을 수 있다.
신호 4: AI의 설명이 점점 길어지고 단서 조항이 늘어나는가
"이 방법이 맞을 수도 있고, 아니면 이렇게 해볼 수도 있고" 같은 문장이 늘어날 때다. 초반에는 간결하게 답하던 AI가 점점 단서 조항을 많이 붙이기 시작하면, 컨텍스트가 쌓이면서 AI 자신도 어느 방향이 맞는지 확신을 잃어가는 신호다.
설명이 길어지는 것 자체가 문제가 아니다. 불확실성이 높아지는데도 계속 진행하는 것이 문제다. 이 신호가 보이면 작업을 일시 멈추고, 지금 해결하려는 것이 무엇인지 한 줄로 다시 정의한 뒤 새 세션에서 재시작하는 것을 권장한다.
신호가 나타났을 때 어떻게 행동하면 좋은가
신호 1가지가 나타나면 잠깐 멈추고 확인한다. 신호 2가지 이상이 동시에 나타나면 작업을 중단하고 세션을 재시작한다. 세션을 재시작하기 전에 AI에게 "지금까지 한 것을 요약해줘"라고 먼저 요청하면, 어디까지 진행됐는지 파악하는 데 걸리는 시간을 절반 이하로 줄일 수 있다.
AI와 함께 작업하는 효율은 도구를 얼마나 능숙하게 쓰는가보다, 멈춰야 할 순간을 얼마나 빨리 알아차리는가에 달려 있다. 신호를 무시하고 계속 진행할 때의 비용은 항상 멈추는 것보다 크다.