AI 기반 코드 생성의 한계와 올바른 활용법

AI 코드 생성의 현재

AI 코드 생성 도구는 개발 생산성을 크게 향상시켰지만, 맹목적으로 신뢰하면 오히려 기술 부채를 쌓게 됩니다. 한계를 정확히 이해하고 올바르게 활용하는 것이 핵심입니다.

AI 코드 생성의 주요 한계

• 환각(Hallucination): 존재하지 않는 API나 라이브러리를 자신있게 제안
• 컨텍스트 부족: 전체 아키텍처나 비즈니스 로직을 이해하지 못함
• 보안 취약점: SQL 인젝션, XSS 등 보안 문제가 있는 코드 생성
• 최신 정보 부재: 학습 데이터 이후의 API 변경사항 미반영
• 복사-붙여넣기 문제: 학습 데이터의 라이선스 문제 가능성

실제 문제 사례

// AI가 생성한 코드 (보안 문제)
app.get('/user/:id', async (req, res) => {
  const query = `SELECT * FROM users WHERE id = ${req.params.id}`;
  const user = await db.query(query);
  res.json(user);
});

// 올바른 코드
app.get('/user/:id', async (req, res) => {
  const user = await db.query(
    'SELECT id, name, email FROM users WHERE id = $1',
    [parseInt(req.params.id)]
  );

  if (!user.rows[0]) {
    return res.status(404).json({ error: 'User not found' });
  }
  res.json(user.rows[0]);
});

AI가 잘하는 영역

// 1. 보일러플레이트 코드 생성
interface UserDTO {
  id: number;
  name: string;
  email: string;
  role: 'admin' | 'user';
  createdAt: Date;
}

function toEntity(dto: UserDTO): UserEntity {
  return {
    id: dto.id,
    name: dto.name,
    email: dto.email,
    role: dto.role,
    createdAt: dto.createdAt,
    updatedAt: new Date()
  };
}

// 2. 테스트 코드 생성
describe('UserService', () => {
  it('should create user with valid data', async () => {
    const userData = { name: 'Test', email: 'test@example.com' };
    const result = await userService.create(userData);
    expect(result).toHaveProperty('id');
    expect(result.name).toBe('Test');
  });

  it('should reject duplicate email', async () => {
    await expect(
      userService.create({ name: 'Dup', email: 'existing@example.com' })
    ).rejects.toThrow('Email already exists');
  });
});

// 3. 정규표현식 생성
const phoneRegex = /^01[016789]-\d{3,4}-\d{4}$/;

올바른 활용 전략

효과적인 프롬프트 작성법

// 나쁜 프롬프트: "로그인 기능 만들어줘"

// 좋은 프롬프트:
// "Express.js에서 bcrypt로 비밀번호 해싱하고
//  JWT access/refresh 토큰을 사용하는
//  로그인 API 핸들러를 작성해줘.
//  - Prisma ORM 사용
//  - 에러 처리 포함
//  - TypeScript 타입 명시"

팀 차원의 가이드라인

• AI 생성 코드에 대한 코드 리뷰 의무화
• 보안 민감 코드(인증, 결제 등)는 AI 생성 지양
• AI 도구의 컨텍스트 파일(.cursorrules, .github/copilot 등) 팀 공유
• AI가 생성한 코드의 라이선스 검증 프로세스 수립
• 주니어 개발자가 AI 의존도 높아지지 않도록 멘토링 병행