AI는 소프트웨어 제작 속도를 급격히 끌어올리고 있다. 기능을 추가하거나 프로토타입을 만드는 일은 이제 과거와 비교하기 어려울 정도로 빨라졌다. 그리고 이 속도가 새로운 기준이 되는 순간, 그 기준을 따라가지 못하는 과정은 곧 병목으로 취급되기 시작한다.

하지만 내가 의문을 품는 지점도 바로 여기다. 소프트웨어를 만드는 일은 훨씬 쉬워지고 빨라졌지만, 그 완성도를 좌우하는 조건은 크게 달라지지 않았다. 소프트웨어는 수많은 기능과 화면 흐름을 덧붙인 총합이 아니다. 고유한 규칙과 구조, 상호작용이 맞물려 돌아가는 하나의 시스템이다. AI는 제작을 훨씬 빠르게 만들었지만, 그 시스템 전반의 일관성을 유지하는 일은 여전히 어렵다.

문제는 바로 그 일관성을 지켜 내는 작업일수록 더 쉽게 압박받는다는 점이다. 토론하고 기준을 맞추고 구조를 다듬고 비판적으로 검토하는 과정은 당장 눈에 보이는 결과를 만들지 않는다는 이유로 쉽게 병목으로 간주된다. 하지만 제품의 방향은 얼마나 많이 만들어 냈는가보다 무엇을 유지할지, 무엇을 바꿀지, 왜 그렇게 해야 하는지를 정하는 순간에 결정된다. 제작이 쉬워질수록 그런 판단은 오히려 더 중요해진다.

늘어난 산출물이 곧 품질은 아니다

속도가 가장 중요한 기대치가 되는 순간, 사람들은 일의 진전을 눈에 보이는 산출물의 양으로 판단하기 시작한다. 화면이 늘고, 플로우가 갈라지고, 새로운 버전과 기능이 계속 추가될수록 제품은 더 나아지고 있는 것처럼 보인다. 검토할 수 있고, 테스트할 수 있고, 배포할 수 있는 것이 늘어나기 때문이다.

하지만 제품의 완성도는 개별 부분의 완성도의 총합으로 결정되지 않는다. 중요한 것은 각 부분이 따로 얼마나 잘 만들어졌는가가 아니라, 그것들이 함께 어떻게 맞물려 하나의 시스템으로 작동하는가다. 같은 언어가 여러 화면에서 일관되게 유지되는지, 패턴이 계속 읽히는지, 무언가를 하나 더할 때마다 시스템의 구조가 더 분명해지는지에 따라 제품의 질은 달라진다.

그래서 제작 속도가 빨라질수록 오히려 품질은 더 쉽게 흔들릴 수 있다. 판단을 건너뛴 문제가 사라지는 것은 아니다. 그저 뒤로 미뤄질 뿐이다. 그리고 그 대가는 결국 제품 곳곳의 불일치로 돌아온다.

빠른 생산은 좋은 것과 나쁜 것을 함께 키운다

일관성과 정교함도, 중복과 파편화, 기능 비대화도 AI 이전부터 존재했다. AI가 바꾼 것은 어느 한쪽의 가능성이 아니라 증식 속도다. 좋은 결정이든 나쁜 결정이든, 이제는 훨씬 더 빠르게 제품 안에 쌓일 수 있다.

제작이 쉬워질수록 새로운 무언가를 추가하는 쪽의 유인은 더 커진다. 기존 기능을 정리하고 단순화하는 일보다 새 기능을 하나 더 붙이는 편이 쉽기 때문이다. 구조적 문제를 푸는 일보다 조작 요소를 하나 더 추가하는 편이 쉽고, 정말 새로운 화면이나 설정이 필요한지 따져 묻는 일보다 그럴듯한 답을 빠르게 만들어 내는 편이 쉽다.

예를 들어 설정 메뉴를 생각해 보자. 설정 항목 하나를 추가하는 일은 이제 어렵지 않다. 어려운 질문은 그다음에 나온다. 이 항목이 정말 설정에 들어가야 하는지, 다른 곳에 이미 비슷한 제어가 있지는 않은지, 관련 기능들과 같은 언어와 규칙을 따르고 있는지 따져야 한다. 이런 질문이 충분히 검토되지 않을 때 제품의 일관성은 조금씩 흔들리기 시작한다.

제품은 대개 이런 식으로 흐트러진다. 한 번의 큰 실수로 무너지는 것이 아니다. 눈앞의 문제를 풀기 위해 내린 작은 결정들이 쌓이면서 전체 구조의 일관성이 조금씩 약해진다. 사용자는 제품을 부분이 아니라 전체로 경험한다. 그래서 중복된 기능 하나, 일관되지 않은 표현 하나, 예외적인 흐름 하나가 쌓일수록 제품을 이해하는 기준도 함께 흔들린다.

AI의 더 큰 가치는 판단을 돕는 데 있다

지금 AI는 제품을 만드는 과정 전반에서 판단을 돕는 도구라기보다, 더 많은 산출물을 더 빨리 만들어 내는 도구로 먼저 받아들여지고 있다. 전에는 오래 걸리거나 시도조차 어렵던 일이 가능해졌으니, 먼저 그 속도와 생산성에 주목하게 되는 것도 이상한 일은 아니다. 문제는 그 흥분이 가치 판단까지 흐릴 수 있다는 점이다. 빨리 만들 수 있다는 사실이, 더 중요한 일을 하고 있다는 착각으로 이어지기 쉽다.

하지만 AI의 더 큰 가치는 산출물을 더 빨리 생산하는 데만 있지 않다. 오히려 무엇을 만들어야 하는지, 무엇은 만들지 말아야 하는지, 무엇을 기존 구조 안에서 해결해야 하는지, 무엇이 정말 새로운 화면이나 기능을 필요로 하는지를 더 분명하게 판단하는 데 쓰일 때 가치가 커진다. 문제를 더 정확히 정의하고, 약한 가정을 드러내고, 예외 상황과 구조적 충돌을 점검하고, 정보 구조와 네이밍, 문구를 정리하는 일에 AI가 쓰일 때 그렇다. 흐릿한 아이디어를 더 선명한 브리프와 스펙으로 바꾸는 데도 마찬가지다.

이 점은 엔지니어링에서도 같다. 코드 생성이 더 빨라진다고 해서 설계와 판단의 필요가 줄어드는 것은 아니다. 오히려 그 반대다. 생각이 충분히 정리되지 않은 상태에서도 실제 소프트웨어가 너무 빨리 만들어질 수 있기 때문에, 약한 결정의 대가는 더 빨리 제품 안에 굳어진다. AI는 제품의 완성도를 높이기 위한 작업을 건너뛰게 할 때보다, 바로 그 작업을 더 정교하게 수행하게 할 때 더 가치가 크다.

또 하나 분명한 것은, 더 많은 기능을 더 빨리 추가하는 일에 가장 크게 들뜨는 쪽은 대개 생산자라는 점이다. 사용자가 원하는 것은 변화 그 자체가 아니라 더 분명하고, 더 일관되고, 덜 헷갈리는 경험이다. AI를 생산 속도 증대에만 집중시키면 선택지는 늘어나지만, 그만큼 무엇을 유지하고 무엇을 버릴지 정하는 일은 더 어려워진다. 선택지가 많아질수록 판단이 쉬워지는 것이 아니라, 오히려 더 흐려질 수 있기 때문이다.

결국 중요한 것은 의도다

이제 더 중요한 문제는 무엇을 만들 수 있는가가 아니다. 많은 것을 이전보다 훨씬 쉽게 만들 수 있게 된 지금, 더 중요해진 것은 무엇을 왜 만들어야 하는지, 무엇은 만들지 말아야 하는지를 정하는 일이다.

더 많이 만들어 내는 능력은 더 이상 희소하지 않다. 희소한 것은 명확한 의도다. 무엇을 단순화할지, 무엇을 일관되게 유지할지, 어디서 기존 구조를 재사용할지, 어떤 추가를 거절할지를 분명히 아는 팀만이 속도를 품질로 바꿀 수 있다. 이전보다 훨씬 많은 것을 만들 수 있게 된 지금, 결국 중요한 것은 의도다.