보통 수많은 AI 세션을 동시에 돌리면 개발 속도가 더 빨라질 것이라 생각합니다. 여러 터미널에서 AI가 작업하는 모습을 보고 있으면, 마치 혼자서 개발팀 전체의 몫을 해낼 수 있을 것 같기도 하죠. 그래서 저도 2026년 여름부터 미국 회계법인의 AX 프로젝트를 진행하면서 한 번에 돌리는 세션을 점점 늘려 갔습니다. 평소에는 네다섯 개 정도를 동시에 돌렸고, 일이 몰릴 때는 여덟 개에서 열 개까지 늘리기도 했습니다.
그렇게 석 달 동안 이 프로젝트에서 나온 커밋이 약 5,700건, 머지된 풀 리퀘스트(Pull Request, 이하 PR) 1,526건, 그리고 총 18번의 릴리스 배포가 있었습니다. 불과 1년 전만 해도 1인이 감당하는 개발 범위라고는 도저히 보기 어려운 수치입니다. 하지만 이 모든 게 가능했던 것은 단순히 많은 AI 세션을 동시에 돌렸기 때문은 아니었습니다. 아무런 규칙 없이 세션만 늘렸던 시기에는 오히려 개발 속도가 더 느려지기도 했으니까요.
이번 글에서는 제가 개발 속도를 높이기 위해 여러 AI 세션을 동시에 돌리게 된 과정과 각 세션 규칙을 문서화한 방법, 그리고 그 규칙을 CI/CD(지속적 통합과 배포)에 적용하고 개발 워크플로우를 정형화한 과정을 정리하려고 합니다. 아울러 현재 테스트하고 있는 여러 기기의 AI 세션 통합 관리 방안도 함께 살펴보겠습니다.
프로젝트 초반에는 하나의 세션에서 여러 기능을 개발했습니다. 그렇게 별다른 기준 없이 한 세션에서 여러 기능을 다루다 보니, 요구사항이 바뀔 때마다 이전에 논의했던 사항과 새로 결정한 내용들이 뒤섞이기 시작했습니다. 특히 개발 과정에서 어떤 결정을 왜 내렸는지 확인하기 위해 긴 대화 내용을 거슬러 올라가며 일일이 찾기도 했습니다.
이번에 진행한 AX 프로젝트는 그 성격상 요구사항을 미리 정해 두기도 어려웠습니다. 미국 회계법인에서 실제로 업무가 어떻게 이뤄지는지 살펴보고, 어느 과정에 AI를 적용할지 지속적으로 논의하면서 시스템 구조나 설계를 수시로 바꿔야 했습니다. 특히 미국 세무·회계가 복잡하다 보니 그 내용을 더 자세히 파악할수록 시스템 구조와 설계도 그에 맞춰 변경되는 부분이 많았습니다.
그렇게 자주 설계가 바뀌면 세무 문서에서 정보를 추출하는 기능부터 고객 계정 관리, 대시보드 등 여러 모듈이 새로 만들어지고 서로 영향을 받았습니다. 게다가 모듈을 하나씩 고치는 사이 또 다른 설계 변경이 생기기도 했습니다. 결국 개발 일정에 맞추기 위해 모듈별로 세션을 나눠 동시에 수정하기 시작했습니다. 그러다 보니 프로젝트가 중반에 이를 무렵에는 여덟 개에서 열 개까지 세션을 동시에 돌리게 되었습니다.

처음 며칠은 개발 속도가 확실히 빨라지는 것 같았습니다. 모듈마다 작업이 따로 진행됐고, 저는 화면을 옮겨 다니며 진행 상황을 확인했습니다. 그런데 세션이 여덟 개를 넘어가자 제 판단을 기다리는 작업이 하나둘 쌓이기 시작했습니다. 어떤 세션에서는 코드 충돌을 해결해야 했고, 또 어떤 세션에서는 PR을 어떤 순서로 병합할지를 정해야 했습니다. 심지어는 이전에 했던 결정을 다시 한번 확인해 줘야 하는 세션도 있었습니다.
이렇게 각 세션들이 요구하는 일들을 처리하다 보니 그 세션들의 현황을 파악하는 데 더 많은 시간을 쓰게 되었습니다. 밤에 잠자리에 들어서도 어느 세션을 어디까지 진행했는지가 머릿속을 맴돌아 제대로 쉬기 어려웠습니다.
그렇게 세션을 조율하느라 정신없다 보니 점점 인지 부하가 커지기 시작했습니다. 어떤 날은 세션들을 왔다 갔다 하며 일을 처리하다가 머리가 멍해지는 현상을 겪기도 했습니다. 도저히 이대로는 안 되겠다 싶어 더 이상 세션을 늘리지 않았습니다. 그리고 어느 상황에 어떤 세션을 열고, 각 세션의 진행 상황과 결정 사항을 어떻게 기록하고, 작업 결과를 어떤 순서로 병합할지를 판단하는 세션 운영 규칙부터 만들기로 했습니다.
이슈와 PR 중심의 개발 워크플로우를 정형화하기로 결정하고 가장 먼저 만든 것은 이슈를 생성하는 스킬(Skill)이었습니다. 저는 새로운 요구사항이 들어오면 바로 코딩 작업을 지시하지 않고 이 스킬부터 호출했습니다.
이슈 생성 스킬은 요구사항 요지와 출처(클라이언트 요청인지, 미팅 결정인지, 자체 제안인지), 배경, 완료 조건, 우선순위, 먼저 끝나야 하는 선행 이슈, 이 이슈가 다룰 코드 영역을 먼저 정리합니다. 그리고 이러한 내용이 정리되면 제목과 본문, 라벨 초안을 작성하고, 개발자가 승인하면 최종적으로 깃허브(GitHub)에 이슈를 생성하게 됩니다. 이렇게 만들어진 이슈는 프로젝트 보드의 백로그(Backlog)에 들어가게 되고 이후 다른 개발 세션에서 처리합니다.

저는 각 이슈의 현황을 파악하기 위해서 깃허브의 프로젝트 보드를 사용했습니다. 프로젝트 보드는 Backlog, Ready, In progress, In review, Done 단계로 구분되어 있습니다. Backlog에 적재된 이슈는 오케스트레이션을 담당하는 세션이 확인 후 우선순위에 따라 Ready 단계로 옮깁니다. 그리고 각 개발 세션이 Ready에 있는 이슈를 하나씩 맡아 In progress 단계로 옮겨서 처리하고, PR 초안이 만들어지면 In review 단계로 옮깁니다.
이렇게 생성된 PR은 깃허브 액션(GitHub Actions)의 CI 테스트를 거쳐 자동으로 머지되거나, 시스템 구조에 영향이 있는 경우 제가 확인 후 머지하여 Done 단계로 이동합니다.
각 세션은 이처럼 이슈 하나에 묶어서 열었고, 이슈 범위를 벗어나는 작업은 하지 않도록 했습니다. 또한 범위가 큰 요구사항에 대해서는 최대한 하나의 이슈 단위로 쪼개서 세션을 열고, 동일 이슈인 경우에도 실행 환경이나 배포 시점이 다른 경우에는 세션을 쪼개서 작업하도록 했습니다. 이렇게 관리하자 어떤 세션이 왜 그 코드를 만들었는지 확인해야 할 때 해당 세션만 열어서 바로 확인할 수 있게 되었습니다.
다음으로 세션의 역할을 관제 세션(plan-session)과 개발 세션(dev-session)으로 나눴습니다. 앞서 말한 하나의 이슈 단위로 쪼개서 작업하는 세션은 개발 세션을 의미합니다. 그리고 이러한 개발 세션을 관리하는 것이 바로 관제 세션입니다.
즉, 관제 세션은 프로젝트의 요구사항과 개발자의 판단을 정리하고, 각 이슈 단위로 작업을 쪼개 개발 세션을 여는 역할을 하는 세션입니다. 또한 관제 세션은 각 개발 세션의 결과를 저에게 보고하고 기록을 남기는 역할을 합니다. 관제 세션에서는 코드 작업을 직접 하지 않고, 보통 하나의 요구사항에 대해 하나의 관제 세션을 두고 작업을 진행합니다.

이렇게 세션의 역할을 나눈 목적은 어떤 요구사항이나 기능 개발과 관련해서 관제 세션 하나만 보고 “지금 개발이 어디까지 왔고, 내가 할 일이 무엇인가”를 쉽게 인지할 수 있도록 하는 것이었습니다. 이 규칙을 적용한 후 9월 주간 PR 머지가 211건까지 늘었습니다. 8월 말 주간 29건과 비교해서 일곱 배가 넘는 PR을 처리한 것입니다.
토큰 관리 측면에서 플래너(planner) 역할을 하는 관제 세션은 보통 Fable 5.1이나 Opus 5.5 같은 모델을 높은 effort로 사용하고, 개발 세션은 Opus 5.5 이하 모델과 낮은 effort를 사용하도록 하였습니다. 현재는 둘 다 Opus 5.5를 기본으로 하고 있지만, 새롭게 출시되는 모델에 따라 각각의 세션이 사용하는 토큰을 조절할 수 있게 하였습니다.
다만 이러한 세션 분리가 만능은 아니었습니다. 릴리스와 운영 환경 배포, 데이터 재적재 등을 한 관제 세션이 끝까지 맡으려다 컨텍스트가 가득 차는 경우도 있고, 관제 세션 안에서 다른 커다란 이슈가 생겨 다른 관제 세션을 열어야 하는 일들이 생기기 시작했습니다. 이런 부분을 보완하기 위해 중간에 인계 문서(handoff)를 쓰고 새 세션으로 넘기는 워크플로우를 적용하기도 했습니다. 그 뒤로는 큰 작업일수록 가능하면 처음부터 Phase를 나누어 다음 작업 인계 지점을 AI와 함께 정해 두고 시작하게 되었습니다.
인지 부하를 줄이기 위해 세션의 시작과 끝도 매번 같은 패턴으로 진행되도록 맞췄습니다. 이를 위해 세션 시작 스킬과 종료 스킬을 따로 만들어, 시작할 때는 맡은 이슈와 범위, 이미 정해진 규칙을 다시 확인하고, 끝낼 때는 무엇을 바꿨는지, 어떤 결정을 내렸는지, 다음에 무엇을 확인해야 하는지를 정리하게 했습니다.

이런 워크플로우를 만든 뒤로는 각 세션을 시작할 때 확인한 범위와 종료할 때 정리한 결정만 보고 바로 다른 작업을 이어서 할 수 있었습니다. 관제 세션 스스로도 개발 세션들의 종료 정리만 모아 보면서 어느 세션이 병합을 기다리고 어디서 충돌이 났는지 따로 묻지 않아도 파악할 수 있었습니다.
인지 부하를 줄이고 작업의 연속성을 높이기 위해 각 세션들의 작업 기록을 어디에 남길지도 정했습니다. 저는 여러 노트북이나 컴퓨터를 사용해서 작업을 하는데, 한 컴퓨터의 세션이 만든 파일과 그 세션의 메모리가 다른 기기로 넘어가지 않는 문제를 겪었습니다. 그래서 여러 이슈에 걸친 작업과 인계 내용은 동일한 저장소 안의 핸드오프(Handoff) 폴더에 남기기로 했습니다. 이를 통해 각 기기에서 작업하던 이슈와 메모리를 핸드오프 문서에 기록하고, 어떤 기기에서 어떤 세션을 열든지 동일한 컨텍스트를 갖고 작업이 진행되도록 하였습니다.
세션을 생성하고 관리하는 워크플로우는 어느 정도 자리를 잡았지만, 테스트와 코드 병합, 문서 정리 방식은 여전히 예전 방식 그대로 일일이 처리하고 있었습니다. 개발 세션이 생성한 코드는 결국 테스트, 병합, 문서 기록 과정을 모두 거쳐야 하기 때문에 이에 대한 워크플로우도 정리할 필요가 있었습니다.
먼저 CI 프로세스부터 정리했습니다. 프로젝트는 기본적으로 테스트 주도 개발(TDD) 방식으로 진행되기 때문에 CI 과정에서 모든 테스트를 통과해야 코드 병합과 배포가 이뤄지도록 했습니다. 그리고 이러한 CI 프로세스를 깃허브 액션으로 모두 자동화하였습니다.

다만, 동시에 돌리는 세션 수가 늘면서 깃허브 액션에서 수행되는 테스트 개수도 빠르게 늘었습니다. 프로젝트 초반 1,897개였던 테스트는 9월 말에 6,133개, 10월 말에는 17,881개가 되었습니다.
이렇게 테스트가 늘고 PR이 늘자 깃허브 액션 비용도 따라 올랐습니다. 깃허브 프로(Pro) 계정에 포함된 월 3,000분 무료 사용량을 훌쩍 넘겨, 9월 한 달 동안 이 저장소에만 청구된 금액이 약 70달러(한화 약 9만 5,000원)였습니다. 이러한 금액 자체보다 마음에 걸린 것은 PR과 테스트가 늘수록 비용이 계속 커지는 구조라는 점이었습니다.
그래서 이러한 구조를 개선하기 위해 CI 프로세스를 분석하였습니다. 그 결과 깃허브 액션의 97%가 테스트 실행과 관련된 것이었고, PR에서 이미 통과한 것과 똑같은 코드를 개발 브랜치에 병합한 뒤 다시 처음부터 검증하는 실행이 전체 테스트의 67%나 됐습니다.
이 결과를 바탕으로 이미 검증한 것과 동일한 코드는 재검증을 생략하도록 했고, 테스트마다 반복되던 준비 과정과 프로젝트 보드의 기본 기능과 겹치던 자동화 실행을 제거했습니다. 이후 검증 시간은 8분 33초에서 41초로 줄었고, 깃허브 액션 비용도 월 약 25달러(한화 약 3만 4,000원)로, 9월 비용의 약 3분의 1 수준까지 줄일 수 있었습니다.
다만 손대지 않은 선택지도 있었습니다. 변경된 코드와 관련된 테스트만 골라 돌리는 방식은 비용을 더 줄일 수 있었지만, 놓치는 결함이 생길 수 있어 채택하지 않았습니다. 비용 때문에 품질 기준을 낮추면 세션을 늘려 얻은 속도가 결국 결함 수정으로 되돌아온다고 판단했기 때문입니다.
코드 병합(merge) 단계에서도 문제가 있었습니다. 프로젝트 초반에는 PR이 열릴 때마다 제가 직접 머지 승인을 했습니다. 하지만 세션과 PR이 늘자 승인 요청도 쏟아지기 시작했습니다. 아이러니하게도 AI가 만든 코드에 대한 신뢰가 쌓이면서 PR을 꼼꼼히 검토하는 일은 오히려 줄었지만, 승인 버튼을 일일이 눌러야 해서 작업 흐름이 계속 끊겼습니다.
결국 형식적으로 누르는 승인이 품질을 지켜 주는 것도 아니라는 판단을 하게 되었고, 위임 머지를 도입하게 되었습니다. 사람이 PR마다 일일이 승인하는 대신, 머지 게이트 스크립트가 이슈의 완료 조건과 CI 결과를 확인하고 통과한 PR만 머지하는 방식입니다. 이렇게 바꾸자 PR 머지 버튼을 하나하나 누르면서 작업 흐름이 끊기는 일이 줄어들게 되었습니다.

문서화 작업에도 모든 AI 세션에 공통된 워크플로우를 적용했습니다. 프로젝트 진행 중 나온 중요한 결정은 아키텍처 결정 기록(ADR, Architecture Decision Record)으로 남겼고, 프로젝트가 끝날 무렵 약 117건이 쌓였습니다.
하지만 병행 세션이 늘자 문서 관리가 점차 어려워지기 시작했습니다. 프로젝트 중반쯤부터는 어느 문서가 최신인지 헷갈리는 상황이 생기기도 하고, 프로젝트 수행 문서와 시스템 기술 문서가 혼재되어 개발 세션이 잘못된 컨텍스트를 가지고 작업하기도 했습니다.
또한 여러 AI 세션이 동시에 같은 문서를 수정하면서 예상하지 못한 충돌도 자주 발생하게 되었습니다. 예를 들어, 문서 머리말의 ‘갱신’ 줄에 변경 요약을 적도록 했었는데, AI 세션이 만든 PR들이 매번 바로 그 갱신 줄에서 충돌을 일으켰습니다. 결국 이 문제는 갱신 줄에는 날짜만 적고, 변경 이력은 깃(Git) 기록으로 대체해서 해결하였습니다.
제가 문서 작업 프로세스에서 특히 신경 쓴 부분은 문서 정리를 나중으로 미루지 않는 것이었습니다. 세션이 끝난 뒤 따로 정리하겠다고 미뤄 둔 문서는 대부분 그대로 방치됐기 때문에, 세션 종료 시 문서 수정 여부를 확인하도록 했습니다. 이를 위해 세션 종료 스킬에 해당 세션의 작업으로 인해 변경된 내용을 정리해서 기존 문서를 업데이트하도록 하는 지시를 추가하였습니다. 그리고 이렇게 정리된 문서를 사람이 쉽게 확인할 수 있도록 별도의 문서 현황판을 만들었습니다.

프로젝트 초반에는 클로드 코드 하나만 사용했습니다. 도구가 하나라 스킬을 관리하고 작업 절차를 맞추는 일도 단순했습니다.
하지만 9월 초 클로드 서비스에 장애가 발생하면서 반나절 동안 열어 둔 세션이 모두 멈춘 일이 발생했습니다. 그동안 각 세션이 어디까지 진행됐는지 확인하기도 어려웠고, 기존에 진행하던 작업을 당장 이어가기도 어려웠습니다. 열 개 가까운 세션이 동시에 멈추고 나서야 개발 흐름 전체가 하나의 AI 도구에 얼마나 의존하고 있었는지 실감했습니다. 이 일을 계기로 오픈AI의 코덱스를 프로젝트에 추가하게 되었습니다.
그렇게 코덱스를 추가하면서 가장 먼저 정한 것은 어느 쪽에서 작업하든 동일한 개발 워크플로우를 따르도록 한 것이었습니다. 이슈를 만들고, 관제 세션과 개발 세션의 역할을 나누고, 세션을 시작하고 종료하는 방식, PR 생성과 병합 방식, 문서화 절차까지 동일하게 따르도록 했습니다.

이를 위해 클로드 코드가 읽는 CLAUDE.md 파일의 최상단에 @AGENTS.md를 두어 코덱스가 읽는 AGENTS.md와 동일한 규칙이 적용되도록 했습니다. 아울러 클로드에서 사용하던 개발 스킬들을 모두 .agents/skills 폴더에 옮겨 두고, 이를 스킬 원본 폴더로 정했습니다. 그리고 스킬 원본 폴더에 있는 스킬이 변경되면 동기화 스크립트를 이용하여 다른 스킬 폴더에도 동일하게 반영되도록 하였습니다.
이전에는 단순히 클로드가 개발한 것을 코덱스로 검증하는 정도의 워크플로우를 사용하기도 했지만, 이번에는 두 도구가 서로를 완전히 대체할 수 있도록 구조를 짰습니다. 실제로 클로드로 진행하던 개발을 코덱스 세션이 핸드오프 문서로 이어받아 개발을 진행할 수 있었습니다. 이처럼 작업 규칙과 기록 방식을 동일하게 적용하도록 하여, 도구가 바뀌어도 지속적으로 개발과 이슈 대응을 할 수 있도록 하였습니다.
저는 맥북 프로, 맥 미니, 윈도우 PC, 아이폰을 오가며 여러 세션을 돌리고 있으며, 최근에는 로컬 LLM을 테스트하기 위한 로컬 머신으로 엔비디아(NVIDIA) DGX 스파크(DGX Spark)를 도입하기도 하였습니다. 이 과정에서 각 기기마다 세션을 할당하고 관리하는 것이 점점 어려워지기 시작했습니다.
저는 현재 클로드 리모트 기능으로 각 기기에서 돌고 있는 세션을 맥북과 아이폰에서 관리하고 있습니다. 하지만 간혹 세션이 만들어진 위치나 조건에 따라 어떤 기기에서는 일부 세션이 보이지 않거나 제어되지 않는 경우가 생기기도 했습니다. 앞서 소개한 핸드오프 폴더 덕분에 전체적인 작업 내용이나 컨텍스트를 어디서든 이어받을 수 있었지만, 현재 어떤 세션이 돌고 있고, 그 세션이 어떤 상황인지를 한눈에 파악하지는 못했습니다.

그래서 지금은 전체 AI 세션에 대한 오케스트레이션 구조 자체를 다시 구축하고 있습니다. 특히 최근에는 뮤즈(Muse), 닷츠(dots), 클로드 듀엣(Claude Duet) 같은 개인 비서 에이전트들을 테스트하고 있는데요. 이러한 비서 에이전트와 함께 관제 역할을 재구성하고, 각 기기의 세션에 직접 접근할 수 있도록 테일스케일(Tailscale) VPN으로 기기들을 하나의 네트워크로 묶는 작업도 진행하고 있습니다.
아울러 보다 효과적으로 이슈와 프로젝트를 관리하기 위해 리니어(Linear) 같은 프로젝트 관리 도구와 통합하는 방안을 검토하고 있으며, 허더(Herdr)와 모시(Moshi) 등 원격 서버나 모바일에서 여러 AI 코딩 에이전트를 동시에 실행하고 관리할 수 있는 툴들을 적용해 보고 있습니다. 다만, 지금은 테스트 단계이기 때문에 현재 구축하고 있는 AI 코딩 세션 통합 방식은 추후 다시 정리해 보도록 하겠습니다.
지난 프로젝트에서 AI 코딩 세션을 최대 열 개까지 병렬로 운영하면서 가장 많은 시간을 잡아먹은 일은 각 세션을 조율하는 일이었습니다. 이러한 문제를 해결하기 위해 이슈 생성 방식을 통일하고, 관제 세션과 개발 세션의 역할을 나누고, 세션의 시작과 종료 패턴을 일치시켰습니다. 또한 CI 프로세스와 코드 병합 방식을 개선하고, AI의 문서화 작업 프로세스도 정형화하였습니다.
그렇게 저의 개발 워크플로우를 개선한 후 주간 PR 병합 건수는 이전보다 일곱 배 이상으로 늘었고, 인지 부하도 많이 줄일 수 있었습니다. 만약 여러분도 AI 코딩 세션만 무한정 늘리고 있거나 정형화된 규칙 없이 AI와 작업을 하고 있다면 시간을 내어 전반적인 워크플로우를 점검해 보길 추천합니다.
이 글은 AI의 도움을 받아 작성했습니다.

ⓒ요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.