기능은 늘었는데, 왜 고치기는 어려워졌을까 — 켄트 백의 AI 시대 개발 이야기
2026.10.08 게시
![]()
AI에게 기능 하나를 부탁하면 금방 만들어준다. 다음 기능도 붙여준다. 그런데 어느 순간부터 이상해진다. 로그인 하나를 고쳤는데 결제가 깨지고, 결제를 고쳤더니 알림이 두 번 온다.
처음에는 분명 빨랐는데, 왜 점점 손대기 어려워지는 걸까.
XP를 만들고 TDD를 발전시킨 켄트 백(Kent Beck)은 Prodacity 2026 강연에서 이 문제를 Features와 Futures라는 두 단어로 설명한다. 지금 제공하는 기능과, 앞으로 바꿀 수 있는 선택지다.
이 글은 그 강연을 처음 듣는 사람에게 설명한다고 생각하고 다시 정리한 글이다. 특히 백이 직접 그린 그래프를 하나씩 읽어보고, 뒤에서는 내가 쓰는 Adaptive Agentic SDD와 어디가 맞닿고 어디가 비어 있는지 비교해보려 한다.
강연의 주장은 Rise8 공식 전문과 대조했다. 알림·주문 사례는 이해를 돕기 위해 만든 가상 예시이고, 방법론 비교와 적용 제안은 내 해석이다.
목차
1. “코딩을 잘한다”에 무엇까지 넣을 것인가
백은 AI를 적극적으로 쓰는 쪽이다. 자신의 기술만으로는 엄두를 내지 못했던 프로젝트도 시도할 수 있게 됐고, AI와 프로그래밍하는 일이 즐겁다고 말한다.
그런데 AI가 사람보다 코딩을 잘한다는 주장에는 반대한다. 그럴듯한 코드를 만드는 능력과, 제대로 동작하는 소프트웨어를 만드는 능력을 같은 것으로 보면 안 된다는 것이다.
이 차이를 주문 알림으로 생각해보자. 아래는 강연에 나온 사례가 아니라 설명을 위한 예시다.
주문이 완료되면 고객에게 알림을 보내줘.
AI가 주문 완료 함수에 알림 호출을 넣었다. 주문해보니 알림도 온다. 여기까지만 보면 끝난 것 같다.
하지만 실제 서비스에서는 질문이 더 생긴다.
| 확인할 것 | 놓쳤을 때 생기는 일 |
|---|---|
| 주문 저장이 실패하면? | 주문은 없는데 완료 알림만 간다 |
| 같은 요청이 다시 들어오면? | 알림이 두 번 갈 수 있다 |
| 알림 서버가 잠깐 멈추면? | 주문까지 실패하거나, 알림이 사라진다 |
| 문자 대신 앱 푸시를 붙이려면? | 주문 처리 코드까지 크게 고쳐야 할 수 있다 |
첫 세 질문은 지금 제대로 동작하는가에 가깝고, 마지막 질문은 다음에도 고칠 수 있는가에 가깝다. 둘 다 소프트웨어를 만드는 일에 들어간다.
테스트가 초록색이라고 질문이 끝나는 것도 아니다. 테스트에 “알림이 한 번 호출된다”만 들어 있다면 중복 요청이나 장애 상황은 확인하지 않은 셈이다. 구현과 테스트가 같은 오해를 공유할 수도 있다.
여기서 필요한 태도는 AI의 결과물을 무조건 의심하는 것이 아니라, 완료라는 말을 관찰 가능한 동작으로 바꾸는 것에 가깝다.
2. 그래프 읽기: 기능을 얻으면서 무엇을 쓰고 있는가
강연에서 가장 눈에 들어온 그림이다. 먼저 축부터 읽어보자.
| 축 | 뜻 | 주문 알림에 대입하면 |
|---|---|---|
| 가로축 Features | 지금 소프트웨어가 제공하는 기능 | 주문하기, 주문 알림, 배송 알림 |
| 세로축 Futures | 앞으로 바꿀 수 있는 선택지, 변경의 여지 | 알림 업체 바꾸기, 채널 추가하기, 재시도 방식 바꾸기 |
Futures를 “나중에 만들 기능 목록”으로 읽으면 조금 어긋난다. 같은 기능 목록을 갖고 있어도 어떤 시스템은 쉽게 바꿀 수 있고, 어떤 시스템은 하나를 바꿀 때 여러 곳이 함께 깨진다. 미래의 기능을 선택하고 구현할 수 있는 여지라고 생각하면 이해하기 쉽다.
빨간 선: 다음 기능만 계속 붙였을 때
강연 22분 전후의 그림을 바탕으로 다시 그렸다. 점의 위치와 곡률은 설명용이며 실측 데이터가 아니다.
처음에는 기능이 거의 없다. 정해진 것도 적으니 여러 방향으로 만들 수 있다. 그림의 왼쪽 위다.
기능 하나를 넣으면 선택한 방식이 생긴다. 문자 알림으로 시작했다면 문자 업체의 API에 맞춘 코드가 들어가고, 기존 사용자가 생기면 그 동작도 유지해야 한다. 다음 결정은 아무것도 없을 때보다 제약을 받는다.
무언가를 만들었다는 것은, 여러 가능성 가운데 하나를 실제로 선택했다는 뜻이기도 하다.
이 자체가 잘못은 아니다. 주문을 받을 수 있게 되려면 데이터 형식도 정하고 동작도 정해야 한다. 선택을 전혀 하지 않은 시스템은 사용자에게 해주는 일도 없다.
문제는 제약이 생긴 뒤에도 구조를 돌아보지 않고 계속 덧붙일 때다.
주문 완료, 배송 시작, 주문 취소 코드에 문자 발송 코드를 각각 넣어두었다고 해보자. 문자 발송 업체를 바꾸려면 이 세 곳을 찾아서 모두 수정해야 한다.
빨간 선 끝은 그런 상태를 압축해서 보여준다. 기능은 꽤 있는데, 하나를 바꾸려면 다른 것을 망가뜨릴 각오를 해야 한다.
이 그림에서 읽으면 안 되는 것
가로축은 시간이 아니다. 따라서 이 그림만으로 “AI가 사람보다 몇 배 빨리 망가뜨린다”거나 “기능이 몇 개가 되면 반드시 실패한다”고 계산할 수는 없다. 모든 기능의 크기나 가치가 같다는 뜻도 아니다.
세로축 역시 자동으로 측정되는 점수가 아니다. “변경 여지 70점” 같은 값을 백이 실험해서 그린 그래프가 아니다. 기능 추가와 변경 가능성 사이의 긴장을 설명하는 개념도다.
AI의 영향은 이 좌표 위에서 움직이는 속도로 생각해볼 수 있다. 구조를 정리하지 않는 습관을 그대로 두면, 기능을 빠르게 붙이는 만큼 얽힌 구조에도 빨리 도달할 수 있다는 해석이다. 이 그림이 모든 AI 개발의 실패를 증명하는 것은 아니다.
3. 초록 선: 다음 기능 전에 잠깐 정리한다
백은 같은 그림에 다른 궤적을 더한다. 기능을 하나 만든 뒤, 곧바로 다음 기능으로 가지 않고 구조를 정리하는 흐름이다.
강연 26분 전후의 그림을 재구성했다. 초록 선은 지향하는 흐름이며, 정리할 때마다 반드시 이만큼 회복된다는 예측은 아니다.
그림을 작은 동작으로 나누면 쉽다.
- 오른쪽 아래로 이동한다. 기능을 추가하면서 제약도 조금 생긴다.
- 위로 이동한다. 현재 동작을 유지하면서 중복이나 얽힌 의존성을 줄인다.
- 다시 기능을 추가한다. 정리된 구조에서 다음 변경을 시작한다.
두 번째 동작에서는 사용자에게 보이는 기능이 늘지 않을 수 있다. 그래도 다음 작업을 쉽게 만들었다면 가치가 있다.
여기서 구조 정리는 보통 리팩터링이라고 부르는 작업을 포함한다. 겉으로 보이는 동작은 유지하면서 코드의 내부 구성을 바꾸는 일이다.
알림 코드를 한곳으로 모으면 무엇이 달라지나
앞의 가상 사례를 이어가보자. 여러 기능이 문자 업체를 직접 호출하던 구조에서, 알림을 보내는 경로를 한곳으로 모은다고 가정하자.
이 작업 직후 고객이 받는 문자는 똑같을 수 있다. 새 화면도 없다. 그래서 “기능이 얼마나 늘었나”만 보면 한 일이 없어 보인다.
하지만 다음에 문자 업체를 바꿀 때, 주문·배송·취소가 각자 업체의 세부 방식을 알 필요가 줄어든다. 이것이 이 예시에서 회복한 Futures다.
물론 공통 함수를 만들었다고 문제가 전부 해결되지는 않는다. 중복 발송을 막는 규칙이나 실패한 알림의 재시도 정책은 별도로 설계하고 검증해야 한다. 공통 경로가 잘못되면 여러 기능이 함께 영향을 받으므로 그 경계의 테스트도 필요하다.
매번 크게 뜯어고치라는 뜻은 아니다
아직 주문 알림 하나만 있는데, 언젠가 있을 모든 알림 채널을 지원하는 거대한 프레임워크부터 만들 필요는 없다. 그 준비 자체가 다음 변경을 어렵게 만들 수도 있다.
내가 이 그림에서 가져갈 기준은 다음 변경을 어렵게 만드는 구체적인 이유가 보이는가다.
| 지금 보이는 상황 | 선택할 수 있는 행동 |
|---|---|
| 같은 알림 규칙을 세 곳에서 수정한다 | 그 규칙의 책임을 한곳으로 모을지 검토한다 |
| 작은 수정에도 관련 없는 테스트가 깨진다 | 의존 관계와 테스트 경계를 확인한다 |
| 사용자에게 빨리 보여줘야 할 실험이다 | 감당할 수 있는 범위에서 먼저 내놓고 피드백을 받는다 |
| 당장 쓸 곳 없는 확장 지점을 계속 만든다 | 그 준비가 실제 변경 비용을 줄이는지 되묻는다 |
백도 항상 완벽한 코드를 만들라고 말하지 않는다. 피드백을 늦게 받는 비용과 오래 유지할 구조의 가치를 함께 봐야 한다는 쪽이다.
초록 선의 위쪽 이동은 “깨끗한 코드 만들기”라는 무제한 작업이 아니다. 지금 필요한 기능을 유지하면서, 다음에 고칠 비용을 낮추는 작업이라고 이해하는 편이 낫다.
4. SDD 비판: 명세를 쓰는가보다 돌아올 수 있는가
강연을 읽으며 내 방법론을 돌아보게 된 부분은 SDD에 관한 이야기였다. SDD는 Spec-Driven Development, 즉 명세를 기준으로 개발하는 방식이다.
백이 비판하는 기대는 이런 모양이다.
처음에 명세를 충분히 잘 쓰면, AI가 완성된 소프트웨어를 한 번에 만들어줄 것이다.
백은 이런 기대를 폭포수 개발 방법론(Waterfall)에 빗대어 비판한다. 폭포수 방법론은 요구사항 정리 → 설계 → 구현 → 테스트처럼, 앞 단계를 마친 뒤 다음 단계로 넘어가는 개발 방식이다.
여기서 그가 문제 삼는 것은 특히 뒤 단계에서 새로 알게 된 사실을 앞의 명세와 설계에 반영하지 않는 일방향 진행이다.
개발을 해보면 구현하기 전에는 몰랐던 것이 나온다. 기존 데이터에 예외가 있거나, 생각한 API가 실제로는 다르게 동작하거나, 사용자가 원한 것이 처음 설명과 다를 수 있다.
문서를 더 자세히 쓰는 것만으로 이런 발견을 미리 없앨 수는 없다. 뒤에서 배운 것을 앞의 결정에 반영할 길이 필요하다.
강연의 one-shot과 반복 개발 구분을 설명하기 위해 새로 만든 도식이다.
주문 알림 명세에 “주문 완료 시 발송”이라고만 적었다고 해보자. 구현하다가 같은 주문 요청이 재시도될 수 있다는 사실을 발견했다. 이때 필요한 것은 최초 문장을 억지로 지키는 일이 아니라, “같은 주문에 대해 알림은 한 번만 처리한다”처럼 기대 동작을 다시 합의하는 일이다.
그다음 명세와 구현, 검증 기준을 함께 바꾼다. 발견 때문에 범위나 위험이 커졌다면 작업도 나눈다.
백은 작은 앱에서 한 번에 구현하는 접근까지 모두 부정하지는 않는다. 기존 사용자와 데이터, 호환성을 가진 시스템에서는 처음부터 반복적으로 바꿔갈 것을 전제해야 한다고 강조한다.
따라서 SDD라는 이름만으로 폭포수 개발 방법론처럼 운영되는지 판단하기는 어렵다고 나는 이해했다. 명세가 실제 발견에 따라 바뀌는지, 작은 단위로 확인할 수 있는지가 더 직접적인 기준이다.
5. 두 번째 도식: 코드 다음에 무엇이 달라졌는가
기능과 변경 가능성만 챙기면 끝일까. 만들어서 쉽게 고칠 수 있지만, 아무도 필요로 하지 않는 기능일 수도 있다.
강연 끝에서 백이 그리는 흐름은 Effort → Output → Outcome → Mission이다. 알림 사례에 대입하면 이렇게 읽힌다.
강연 46분 전후의 도식을 바탕으로 재구성했다. 주문 상태 알림과 문의 감소는 이 글의 가상 예시다.
| 단계 | 묻는 질문 | 가상 사례 |
|---|---|---|
| Effort · 투입 | 무엇을 얼마나 썼나? | 개발 시간, 모델 호출 비용 |
| Output · 산출물 | 무엇을 만들었나? | 주문 상태 알림 기능 |
| Outcome · 사용자 변화 | 사용자가 무엇을 다르게 하게 됐나? | 고객이 상태 확인 전화를 덜 한다 |
| Mission · 목적 | 왜 그 변화가 필요한가? | 고객이 안심하고 주문을 맡길 수 있다 |
원본 그림에는 개발하는 쪽인 US, 사용하는 쪽인 THEM을 나누는 선도 있다. Mission은 그 경계에 걸쳐 있다. 목적을 개발팀 내부의 생산량으로만 잡지 않고, 소프트웨어를 쓰는 사람과 함께 보는 그림으로 읽을 수 있다.
이 화살표는 자동으로 성립하지 않는다. 알림 기능을 만들었는데 문구가 어려워 고객이 더 많이 전화할 수도 있다. 코드가 잘 동작하는 것과 원하는 사용자 변화가 생기는 것은 서로 다른 검증이다.
AI가 코드와 PR을 많이 만들수록 앞부분의 숫자는 화려해지기 쉽다. 하지만 PR 수가 늘었다는 사실만으로 고객이 덜 불편해졌다고 결론 낼 수는 없다.
이것을 알림 기능의 완료 기준으로 옮겨보면 두 종류가 나온다. “중복 요청에도 알림 처리가 중복되지 않는다”는 구현의 인수 조건이다. 인수 조건은 작업이 끝났다고 인정할 기준을 말한다. 반면 “상태를 몰라 문의하는 고객이 줄었다”는 배포 후 확인할 결과다. 앞의 것을 통과했다고 뒤의 것도 달성한 것은 아니다.
6. Adaptive Agentic SDD와 나란히 놓아보면
이 관점에서 내가 만든 Adaptive Agentic SDD를 돌아봤다.
비교 기준은 이 글 작성일에 확인한 공개 v0.2다. 현재 보존된 v0.2.0 태그의 기준 워크플로와 위험 등급을 기준으로 삼았다. 별도로 실험 중인 차세대 방법론과는 구분한다.
Adaptive Agentic SDD를 처음 접한다면, 작업의 위험에 맞춰 계획과 검증의 깊이를 조절하는 AI 개발 절차라고 생각하면 된다. 오타와 데이터 이전을 같은 무게로 다루지 않고, 현재 동작을 확인한 뒤 무엇을 바꾸고 어떻게 입증할지 정한다.
맞닿는 지점
| 켄트 백의 문제 제기 | Adaptive Agentic SDD의 대응 | 실무에서의 의미 |
|---|---|---|
| 그럴듯한 결과와 실제 동작을 구분해야 한다 | 증거 기반 완료 | AI의 완료 보고 대신 인수 조건별 실제 결과를 본다 |
| 개발하면서 새로운 사실을 배운다 | 관찰된 AS-IS(현재 상태)와 위험 재평가 | 과거 계획보다 현재 코드·실행 증거에서 출발하고, 새 위험이 나오면 계획을 다시 본다 |
| 상황에 따라 투자할 깊이가 다르다 | 위험에 맞춘 등급 | 실패 비용·가역성·계약 영향을 보고 분석과 검토를 늘린다 |
| 명세만으로 결과를 보장할 수 없다 | 구현 전 검증 설계 | 중요한 요구에는 확인 방법을 붙이고, 실행 결과를 다시 요구에 연결한다 |
이 절차는 처음 작성한 명세를 그대로 밀어붙이지 않고, 현재 코드와 새 발견에 따라 판단을 갱신하도록 한다. 내가 쓰는 SDD가 백의 문제의식과 맞닿는 부분이다.
하지만 여기까지는 주로 선택된 작업을 어떻게 수행할 것인가에 대한 답이다. 백의 초록 선처럼 구조 정리를 기능 추가와 번갈아 하려면, 어떤 정리를 언제 작업으로 선택할 것인가라는 질문도 남는다.
5절에서 본 작업 완료와 사용자 변화·Mission 달성의 차이도 이 절차만으로 채워지지는 않는다. 배포 후 무엇이 달라졌는지는 별도로 확인해야 하며, 이 글의 나머지에서는 정리를 작업으로 선택하는 문제에 집중한다.
7. 정리는 누가, 언제 작업으로 만드는가
백은 강연에서 기능 하나를 끝낸 뒤 곧바로 다음 것을 만들기 전에 멈춰, 중복을 없애고 가독성을 높이는 시간을 설명한다. 기능을 추가하는 변경과 구조를 정리하는 변경을 나눠서 번갈아 한다는 뜻으로 읽었다. 새 기능을 준비하다 필요를 발견해 먼저 정리하는 경우도 여기에 들어간다.
내 작업에서도 이 흐름에 해당하는 사례가 있었다.
실제 사례: 새 연동보다 공통 파서를 먼저 분리했다
2026년 8월 29일, 개인 채팅 앱 my-honey-chat에서 새 AI 공급사를 연동하려던 작업이다. 사진·음성 등의 생성 요청을 응답 텍스트에서 읽어내는 기능이 필요했다.
기존 코드를 확인해보니 이 요청을 읽어내는 파서가 이미 있었다. 다만 공급사와 무관한 텍스트 규약을 해석하는 코드가, 특정 공급사 구현인 GrokClient 안의 내부 전용 함수로 들어가 있었다. 이 발견을 바탕으로 파서를 공통 모듈로 옮기는 작업을 새 연동 구현보다 먼저 분리했다.
| 단계 | 작업 기록에서 확인한 내용 |
|---|---|
| 기존 상태 확인 | 응답 본문에 들어 있는 미디어 요청을 GrokClient 내부에서 해석하고 있었다 |
| 설계 결정 | 공급사 공통 규약이므로 파서를 provider-api로 옮기고, 새 연동 구현 전에 통합하기로 했다 |
| 실제 코드 변경 | PR #54에서 공통 MediaRequestMarker를 만들고, 기존 GrokClient는 공통 파서를 호출하도록 바꿨다 |
| 검증 | 기존 GrokClientTest와 새 공통 파서 테스트의 통과 기록을 확인했다. 단위 테스트·정적 검사·앱 빌드를 실행하는 CI의 verify도 통과했다 |
응답 처리에서 바뀐 호출을 발췌하면 아래와 같다. 주변 조건 분기는 생략했다.
- parseEmbeddedMediaRequest(rawText)
+ MediaRequestMarker.fromText(rawText)
변경 전의 parseEmbeddedMediaRequest는 provider-grok의 GrokClient 안에서만 쓸 수 있는 함수였다. 변경 후에는 그 파서 구현을 provider-api의 MediaRequestMarker로 옮기고, GrokClient에서 공통 구현을 호출한다.
새 연동이 기존 공급사의 구현을 끌어다 쓰거나 파서를 복사할 필요가 없도록, 공통으로 사용할 진입점을 먼저 만든 셈이다. 새 경로를 위한 형식 안내 기능도 함께 추가했으며, 그 경로에서 실제 모델 응답이 형식을 안정적으로 지키는지는 후속 검증으로 남아 있었다.
비공개 프로젝트의 결정문·코드 차이·검증 기록을 대조해 변경 내용을 발췌했다. 원본과 실행 로그는 공개하지 않아 검증 결과는 작성자의 확인에 기반한다. 공개 v0.2보다 앞선 운영 사례이며, 장기적인 변경 비용 감소를 측정한 것은 아니다.
이 작업에서는 기존 구현을 이해한 결과가 실제 모듈 경계의 변경으로 이어졌다. 다음 기능을 쉽게 추가하려고 먼저 구조를 정리했다는 점에서, 백의 초록 선에 부합하는 사례다.
여기서 내가 더해보는 질문
여기서 나는 질문을 하나 더해보고 싶다. 당장 새 기능 요청이 없는 영역에서도 구조의 부담이 보인다면, 누가 언제 정리를 작업으로 선택할까? 이는 백의 강연이 요구한 조건이 아니라, 내 운영 방식을 돌아보며 넓혀본 질문이다.
공개 워크플로의 규칙은 현재 작업에 무관한 리팩터링을 섞지 말라는 것이다. 구조 정리 자체를 목표로 삼아 범위와 검증 조건을 정한 별도 작업까지 금지하는 것은 아니다. 정리 작업이 선택되면 같은 분석·검토·검증 절차로 수행할 수 있다.
다만 내가 공개한 v0.2에서는 작업의 목표와 범위를 정하는 데서 절차가 시작된다. 정리할 후보를 누가 찾아내고, 언제 기능 개발보다 우선할지에 대한 공통 운영 기준은 아직 정하지 않았다. 그 선택은 방법론을 쓰는 사람과 팀에 남아 있다.
실선은 다음 기능을 준비하며 먼저 정리한 실제 사례다. 점선은 기능 요청이 없는 영역의 정리 선택에 관한 내 추가 질문이다.
이 추가 질문은 언제 의미가 있을까
새 기능이 들어오지 않는 영역이 그대로 남는다고 해서 반드시 문제는 아니다. 현재 잘 동작하고 가까운 변경 계획도 없다면, 정리에 드는 시간과 회귀 위험을 감수할 이유가 약할 수 있다. 백의 그림을 모든 코드를 주기적으로 청소하라는 뜻으로 읽을 필요는 없다고 생각한다.
문제가 되는 쪽은 비용이 드러나는데도 정리할 작업이 선택되지 않는 경우다. 여러 기능이 공유하는 부분에서 같은 수정을 반복하거나, 작은 변경마다 넓은 범위의 회귀 검증이 필요해진 상황을 생각해보자. 각 기능 작업에서는 그 부담을 겪지만, 매번 “이번 범위 밖”으로만 처리하면 아무도 그 구조를 바꾸는 일을 맡지 않을 수 있다.
이때는 개별 작업의 범위 규칙을 잘 지키면서도 프로젝트 전체의 변경 비용이 쌓인다. 작업마다 분석을 충실히 한다는 것만으로 이 문제가 저절로 해결되지는 않는다.
그래서 내가 더 보완하고 싶은 것은 관찰된 변경 비용을 근거로, 정리 자체를 할 일로 선택하는 판단이다. 반복 수정이나 검증의 어려움을 누가 모아 보고, 이번에는 기능 하나보다 정리를 먼저 하자고 결정할 것인가. 선택한 뒤에는 기존 SDD 절차로 변경 범위와 유지할 동작, 검증 방법을 정하면 된다.
내 워크플로에는 정리 작업을 수행할 길이 있다. 아직 더 분명히 해야 할 부분은 그 길에 어떤 작업을 언제 올릴지다.
AI가 기능을 하나 끝내면 바로 다음 것을 시키고 싶어진다. 빠르게 나오는 결과를 보고 있으면 계속 전진하는 느낌이 들기 때문이다.
백의 초록 선은 그 사이에 구조를 정리하는 선택도 필요하다는 것을 보여준다. Adaptive Agentic SDD는 선택한 작업을 근거와 검증에 따라 수행하도록 돕는다.
같은 절차로 다음 기능을 만들지, 지금 필요한 구조 정리를 할지는 여전히 결정해야 한다.
강연을 통해 실제 작업에서 다음 변경을 위해 먼저 정리했던 선택을 돌아봤다. 여기에 내 질문을 더해, 기능 요청이 없어도 구조의 부담이 보일 때 정리를 선택할 근거와 책임이 있는지 살펴보고 싶다.
관련 글
현재 동작, 위험도별 절차, 완료 증거를 기준으로 Adaptive Agentic SDD를 정리하게 된 배경이다.
Link - 멀티 Agent 개발을 실제로 운영해보고 정리한 것들
“통과했다”의 기준을 어떻게 만들고, 시험 자체의 오류는 어떻게 확인할지 이어서 읽을 수 있다.
Link - 감으로는 고칠 수 없다 — AI 에이전트에 Eval이 필요한 이유
구현만 빨라졌을 때 개발 과정 전체에 어떤 변화가 필요한지 다룬 글이다.
Link - 코드는 더 이상 병목이 아니다 — AI-Native SDLC 쉽게 읽기
참고 자료와 읽는 범위
- Kent Beck: Software Engineering in the Age of AI — Prodacity 2026 — 강연 영상. Features/Futures 그림은 22분·26분 전후, Effort에서 Mission으로 이어지는 그림은 46분 전후 화면을 확인했다.
- Rise8 공식 강연 전문과 요약 — 발언의 맥락을 확인한 자료다.
- Adaptive Agentic SDD — 방법론 소개와 도입 안내다. 한국어판은 1.0 미리보기 브랜치의
ko/에 있다. - Adaptive Agentic SDD — Workflow, Risk Grades — 비교에 사용한 공개 v0.2 기준 문서. 이후 버전의 변경과 구분할 수 있도록
v0.2.0보존 태그에 연결했다. my-honey-chat의 공통 파서 분리 작업(2026-08-29, PR #54) — 비공개 프로젝트의 실제 사례. 7절에 변경 전후 호출과 모듈 배치를 발췌했다.
확인 기준. 강연의 주요 주장을 공식 전문·영상과 대조해 설명을 재구성했다. 두 궤적과 가치 흐름의 도식은 원본의 개념을 다시 그린 것이며, 실험 결과나 정량 예측 그래프가 아니다. 알림 사례는 가상이며, 7절의 파서 분리 사례는 실제 작업 기록을 바탕으로 썼다. 그래프를 실무에 적용한 질문과 6~7절의 비교·제안은 이 글의 해석이다.