저는 연구자를 위한 AHP(계층 분석 프로세스) 플랫폼을 개발하는 과정에서 9개의 GitHub 저장소를 운영하며 AI와 적극적으로 협업했고, 그중에서도 '클로드 코드(Claude Code)'를 주로 사용했습니다. 이 글을 통해 두 달간 거의 미친 듯이 개발에 몰두했던 950시간의 개발 여정을 공유하고자 합니다.

*AHP(Analytic Hierarchy Process, 계층화 분석법): 복수의 기준과 대안을 쌍대 비교하여 상대적 중요도(가중치)를 산출, 최적의 대안을 선택하는 의사결정 기법.

4~5명이 1년 걸릴 프로젝트를 PM 혼자서

이번 프로젝트를 진행하며 9개의 저장소에 쌓인 총 커밋은 2,900개 이상이었습니다. 일반 프로젝트의 5-10배 수준이죠. 하루 평균 15~20개의 커밋을 했고, 많을 때는 하루 35개까지 하기도 했습니다. 일 평균 개발 시간은 15시간에 달했으며, 외부 일을 병행하면서도 63일을 연속해서 개발에 매달렸습니다.

저는 오랫동안 웹을 개발하고 강의해왔는데요. PM급으로 필요한 기능을 구현하는 관점에서 이 프로젝트를 진행했습니다. 개발한 내용은 보통 4~5명 이상의 팀이 6개월에서 1년 정도 개발해야 하는 분량이지만, 사실상 PM 혼자 63일 동안 진행한 것과 같습니다. 주요 커밋 수와 백업 저장소별 특징을 꾸준히 정리하며 작업을 진행했습니다.

혁신적 개발 전략: 인간과 AI의 역할 분담

개발 과정에서 완성도를 높이기 위해 사람이 해야 할 역할과 AI가 해야 할 역할을 명확히 나눴습니다.

인간 (PM): 요구사항을 바탕으로 목표를 설정하고, 우선순위를 정하며, 전체 시스템 구조를 설계했습니다. 또한 개발 가이드와 규칙을 정하고, 개발 일지 및 평가 보고서를 다양하게 작성하며 프로젝트의 방향키를 잡았습니다.
AI (클로드 코드): 코드를 생성하고, 문서를 작성하며, 디버깅을 수행하는 실질적인 개발 파트너 역할을 맡았습니다.

63일의 개발 기간 내내 저는 PM의 역할로 의사 결정을 담당하고, 전체 설계를 구상하며, 결과물을 검증했습니다. 이 협업 과정은 완성도, 일관성, 속도, 품질 모든 면에서 향상된 결과를 가져왔습니다.

5배의 생산성, 18분 내 버그 해결: AI 협업의 성과

AI와 협업하며 이뤄낸 성과는 놀라웠습니다. 첫 시도 성공률은 78%, 자동화 생성률은 85%에 달했습니다.

개발 속도는 일반 개발자 대비 5배 이상의 생산성을 보였으며, 평균적으로 버그가 발생했을 때 18분 이내에 해결할 수 있었습니다.

코드를 개발하다 보면 변경 사항을 되돌려야 하는 순간이 많습니다. 200줄 이상의 라인을 되돌리거나 참고하며 순차적으로 개발해야 할 때, 혹시 동일한 실수를 반복하지 않을까 염려할 수 있습니다. 하지만 저는 공통으로 지원하는 다양한 기능(단축키, 플랫폼별 기능 등)을 활용해 실수를 줄였고, 클로드 코드와의 '바이브 코딩(vibe coding)'을 통해 시간 싸움을 이겨냈습니다.

이 과정은 단순히 코드를 짜는 것을 넘어, 학술적으로도 패러다임을 바꾸는 경험이었습니다. 아이디어를 구현하고 실행하는 과정의 여러 간극이 해소되는 것을 체감했습니다.

성능 향상 수치도 주목할 만합니다. 기존 AHP 시스템 대비 99.9%의 성능 향상을 확신하는데, 이는 15명 이상의 테스터가 peer-to-peer 상태에서 테스트하고 설문조사로 응답해준 결과입니다. 클로드 코드는 저에게 진정한 개발 파트너가 되어주었습니다.

기술적 혁신 하이라이트

기술적으로 혁신적이었던 부분을 말씀드리자면, 우선 '클로드(Claude)'를 활용해 백업이나 히스토리 보정 같은 작업들을 굉장히 편하게 진행할 수 있었습니다.

또 다른 핵심은 개발 속도와 안정성이었습니다. 입력과 동시에 0.03초 만에 일관성 검증을 마치고 바로 적용하는 것이 가능했죠.

그리고 체계적인 가이드라인이 이 모든 과정에 잘 적용되었기 때문에, 개발 속도를 비약적으로 높일 수 있었습니다. 그 결과, 엔터프라이즈급에 필요한 높은 성능과 복잡한 기능들까지도 빠르고 쉽게 개발해낼 수 있었다고 생각합니다.

제가 개발 중인 프로그램은 현재 특허 및 논문으로 그 기술력을 증명하고 있습니다. 이 과정을 통해 제가 확신하게 된 것은, '기초만 탄탄하면' AI나 퍼지 모 같은 복잡한 기술도 얼마든지 쉽게 개발할 수 있다는 사실입니다.

그리고 저는 이 가능성을 실제 교육 현장에서 보고 있습니다.

제가 한신대학교에서 웹 프로그래밍을 가르치고 있는데요, 짧게 교육을 진행했음에도 불구하고, 학생들이 자신이 만들고 싶은 기능들을 웹상에서 훌륭하게 구현해내는 것을 매번 확인하고 있습니다.

‘주간 한도’와 싸우는 법: 오퍼스(Opus)와 소넷(Sonnet) 활용 전략

AI 모델을 적극적으로 활용하다 보면 토큰 사용량과 싸워야 합니다. 저 같은 경우, 고성능 모델인 오퍼스(Opus)를 거의 하루 만에 소진합니다.

이때 저는 사용량 97~98%에 도달할 때까지 오퍼스가 담당할 일을 구분해서 처리합니다. 한도가 거의 소진되면 소넷(Sonnet)을 사용하는데, 저는 안정적인 구 버전을 활용하여 오퍼스 사용량을 97%까지 모두 소진한 후에도 시간 제약 없이 계속 사용할 수 있었습니다.

100달러나 200달러 요금제를 사용하시는 분들도, 저처럼 작업의 성격에 맞게 모델을 적절히 낮춰 사용하면 끊김이나 주간 한도의 제약 없이 작업을 이어갈 수 있습니다.

[프로젝트 시연] AHP 연구자 플랫폼과 9개의 저장소

제가 개발한 시스템은 원페이지 디자인을 기본으로 하며, 교육용 컬러셋(AI가 좋아하는 9가지 컬러)과 주간/야간 모드 전환 기능을 적용했습니다.

이 시스템의 핵심 중 하나는 'AI 연구 지원' 기능입니다. ChatGPT API를 활용하여 결과 관리, 설문조사, 연구 품질 검증, 학술 자료 생성까지 AI를 연동했습니다. GitHub에는 OpenAPI 키를 저장할 수 없으므로, 별도의 창을 만들어 키를 입력하고 기록을 체크하도록 구현했습니다. 이 모든 개발 명령은 제가 클로드에게 지시하여 구현한 내역입니다.

프로젝트는 총 9개의 GitHub 저장소로 관리되며, 개발 문서만 따로 모아놓은 공간도 존재합니다. 백엔드는 처음에는 Node.js로 시작했으나, 프로그램 성격에 더 적합한 장고(Django)로 여러 테스트를 거쳐 변경했습니다. DB는 Postgre의 SQL을 사용했으며 렌더(Render)에 세팅했습니다. 프론트엔드는 리액트(React)로 작업했으며, 160개가 넘는 컴포넌트와 수많은 페이지에 통일된 CSS 형식을 적용하기 위해 노력했습니다.

현재 이모지 대신 구글 폰트를 사용하기 위한 준비를 하고 있으며, 각 용어를 정비하는 작업을 진행 중입니다.

개발 문서와 프롬프트 관리의 중요성

마지막으로 제가 가장 강조하고 싶은 것은 바로 개발 문서입니다. 개발 과정에서 사용한 프롬프트를 체계적으로 정리해 나가는 것이 바람직합니다.

저는 AI에게 다음과 같이 구체적으로 지시합니다.

"내가 입력한 프롬프트별로 md 파일을 만들어라."
"규칙, 가이드, 개발 일지, 보고서 등을 구분해서 저장해라."
"개발이 끝나면 '클로드.md' 파일을 만들어 다음에 할 일(To-do list)을 작성하게 하라."

이렇게 오퍼스와 소넷이 담당할 업무를 나누고, 저 자신도 개발 버전을 달리하며 기록을 남겼습니다.

내가 어떤 프롬프트를 사용했고, 어떤 결과를 얻었는지 개발 문서로 꾸준히 남기면서 작업하면, '바이브 코딩(vibe coding)'을 할 때도 실제 동료 개발자가 옆에 없어도 훨씬 수월하게 프로젝트를 진행할 수 있습니다.

AI 시대, 인간의 창의성과 지능성은 우리가 결정한다

이제 AI 활용은 필수가 된 시대입니다. 중요한 것은 AI를 균형적으로 사용하는 것입니다. AI 리터러시(AI Literacy)를 갖추고 꾸준히 기능을 익히며 답변을 확인하는 것은 기본입니다. 하지만 궁극적으로 창의성과 지능적인 판단은 우리 인간이 결정해야 합니다.

기초를 정확하고 탄탄하게 공부한다면 누구나 AI의 도움을 받아 원하는 프로그램을 구현할 수 있습니다. 현재 제가 가르치는 학생들도 짧은 교육 시간에도 불구하고 웹으로 상당한 기능들을 구현해내고 있습니다.

제 개발 경험이 AI와 협업하고자 하는 많은 분께 도움이 되길 바랍니다.

클로드 코드 The 비개발자들 무료 세미나에 참여해보세요!

자세한 내용은 아래 이미지를 눌러 확인해보세요.