[실밸개발자] 바이브코딩 클럽

밤 9시 이후 대화는 이 날의 가장 중요한 실무 인사이트였다.

• 큰 규모 레거시 시스템은 유능한 개발자도 처음 접하면 분석 기간을 별도로 잡게 되고, AI 모델에게도 이런 시간이 필요하지만 사람들은 기다려주지 않는다는 말이 나왔다.
• 이어 통신사 레거시 시스템 분석 경험에서 세 가지 문제가 정리됐다.
• 비즈니스 의도를 내포하지 못하는 코드, source of truth가 문서가 아니라 개인의 두뇌에 분산된 상태, 데이터 설계가 비즈니스 의도를 반영하지 못하는 상태다.
• 이것은 바이브코딩 리포트에서 꼭 잡아야 할 대목이다.
• AI가 코드를 읽을 수 있게 되었기 때문에 레거시가 쉬워진 것이 아니다.

오히려 AI가 읽을 수 없는 것이 무엇인지 더 선명해졌다. '왜 이렇게 되어야 하는가'라는 업무 의도, 예외처리의 역사, 데이터 구조가 현재 사업 방식과 어긋난 이유는 코드 파일만으로 나오지 않는다.

그래서 대규모 레거시에서 AI를 쓰려면 첫 작업은 리팩터링이 아니라 인터뷰, 용어집, 데이터 사전, 의사결정 기록 복원이어야 한다. 학습 포인트는 두 가지다.

첫째, 레거시 프로젝트에서 AI에게 바로 수정시키기 전에 컨텍스트 인텔리전스를 설계한다. 둘째, AI가 잘하는 분석과 사람이 해야 하는 조직 기억 회수를 분리한다.

이 구분을 못하면 AI는 빠르게 많은 코드를 만지지만, 실제 비즈니스 위험은 더 커질 수 있다. 최신 AI 용어로는 이것을 context engineering이나 context intelligence 문제라고 부를 수 있다.

모델에게 코드를 많이 넣는 것이 답이 아니라, 어떤 업무 의도가 필요한 컨텍스트인지 선별해야 한다. 레거시 코드에서 진짜 중요한 정보는 함수 이름보다 예외처리가 왜 생겼는지, 어떤 고객이나 부서의 요구 때문에 데이터 구조가 휘었는지, 누가 그 결정을 기억하고 있는지다.

그래서 레거시 리포트는 코드 요약이 아니라 조직 기억 지도여야 한다. 코드 파일, DB 테이블, 운영 매뉴얼, 인터뷰 대상자, 과거 장애 기록을 연결해 source of truth 후보를 만든 뒤 AI에게 분석을 맡겨야 한다.

AI가 못한다는 결론이 아니라, AI가 읽을 수 있는 형태로 조직 지식을 복원해야 한다는 결론이다.