AI가 일하는 동안, 나는 무엇을 관리해야 할까?

AI에게 구현을 맡기면서 동시에 진행할 수 있는 작업이 많아졌다. Claude Code가 코드를 작성하고 테스트하는 동안 나는 다른 요구사항을 검토하거나 새로운 작업을 시작한다.

그런데 작업이 늘어날수록 예상하지 못한 어려움이 생겼다. AI가 어디까지 진행했는지, 무엇이 끝났고 무엇을 확인해야 하는지 계속 파악해야 했다. 일을 맡기는 것과 맡긴 일을 관리하는 것은 다른 문제였다.

10개가 넘는 프로젝트와 여러 세션

내가 관리하는 프로젝트는 10개가 넘는다. 지금은 Orca에서 Claude Code를 사용하고, 프로젝트마다 세션을 열어 작업한다. 한 세션에서 기능을 구현하는 동안 다른 세션에서는 오류를 수정하거나 새로운 작업을 진행할 수 있다.

하나의 작업이 끝나기를 기다리지 않아도 되는 점은 편리하다. 하지만 세션이 많아질수록 어떤 프로젝트에서 무슨 작업을 요청했는지, AI가 어떤 결정을 내렸는지, 내가 확인할 결과는 무엇인지 놓치기 쉬워진다.

여러 작업을 동시에 실행할 수 있다고 해서 그 작업들을 관리하기까지 쉬워지는 것은 아니었다.

회의를 다녀오면 다음 할 일을 묻는다

회의를 다녀오거나 다른 업무를 처리한 뒤 세션으로 돌아오면 이전에 어디까지 이야기했는지 기억나지 않을 때가 있다. 그럴 때면 Claude Code에 묻는다.

“작업을 이어서 하자. 다음 액션 아이템이 뭐지?”

AI가 이전 대화와 작업 내용을 바탕으로 다음에 할 일을 정리하면, 그 내용을 확인하고 작업을 이어간다. 하지만 매번 이렇게 묻지 않아도 미처 확인하지 못한 결과나 중단된 작업을 알려줄 수는 없을까?

프로젝트별 진행 상황을 한눈에 보기 위한 Claude Code 대시보드도 현재 만들고 있다. 아직 사용 결과를 평가할 단계는 아니다. 실제로 사용해 보면서 무엇이 도움이 되고 무엇이 부족한지 확인할 생각이다.

코드베이스를 참고할 수 있도록 준비했다

프로젝트가 많아지면 AI에게 매번 구조와 맥락을 설명하는 일도 부담이 된다. 그래서 실제로 codebase-memory-mcp를 활용하고 있다.

프로젝트 코드베이스를 인덱싱해 두고, AI가 업무를 처리할 때 필요한 코드 정보를 찾아 참고할 수 있도록 설정했다. 여기서 인덱싱은 AI 모델이 코드를 새로 학습한다는 뜻이 아니다. 기존 코드에 관한 정보를 검색하고 활용할 수 있도록 준비하는 과정이다.

물론 코드베이스를 참조할 수 있다고 해서 AI가 모든 설계 의도나 요구사항을 정확히 이해하는 것은 아니다. 참고한 구현이 현재 작업에 적합한지는 따로 확인해야 한다.

내가 원하는 것은 AI가 코드를 더 많이 생성하는 것만이 아니다. 프로젝트에 이미 쌓여 있는 맥락을 활용해 업무를 이어가는 것이다.

에이전트를 내 업무 방식에 맞춘다는 것

새로운 프로젝트를 시작하면 아이디어를 정리하고 요구사항을 구체화해야 한다. 기술적인 선택지를 검토하고 작은 PoC로 구현 가능성을 확인할 때도 있다. 이런 과정에서 AI가 필요한 질문을 던지고 대안을 제시하도록 활용할 수 있다.

진행 중인 프로젝트에서는 아직 확인하지 않은 작업이나 중단된 일을 찾아주고, 다음에 처리할 항목을 알려주는 에이전트가 있으면 좋겠다. 이 기능은 앞으로 구현하고 싶은 방향이다.

프로젝트 규칙을 제공하고 반복 작업을 스킬로 구성하는 것도 그 방법 중 하나다. 요구사항 정리나 PoC 진행 절차를 정해 두면 작업마다 참고할 기준을 마련할 수 있다. 보안이나 법적 문제가 생길 가능성을 점검하도록 요청할 수도 있지만, 이런 확인이 전문적인 감사나 법률 판단을 대신하지는 않는다.

글로 된 기획을 화면 프로토타입으로 옮겨 직접 확인하는 방식에도 관심이 있다. 에이전트의 역할을 코드 작성에만 한정하고 싶지 않기 때문이다.

코드 밖에 남아 있는 맥락

코드베이스에는 구현된 구조와 기능이 남는다. 그러나 왜 특정 방식을 택했는지, 어떤 대안을 검토했는지, 다음에 무엇을 해야 하는지는 코드만으로 파악하기 어려울 수 있다.

Obsidian Vault도 이런 구상에서 중요한 역할을 한다. 프로젝트마다 흩어진 요구사항과 결정 사항, 작업 기록을 연결해 두고 AI가 필요할 때 참고하도록 하는 것이다.

코드베이스를 참고하는 환경은 이미 구성해 두었다. 앞으로는 코드 외부에 남아 있는 업무 맥락까지 함께 관리하는 방법을 고민하고 있다. 다만 자료를 연결하는 것만으로 충분하지는 않다. 오래되거나 서로 충돌하는 기록을 어떻게 다룰지도 생각해야 한다.

AI가 일하는 동안 내가 관리할 것은

AI가 구현과 테스트를 맡으면서 내가 직접 처리하는 일은 줄었다. 대신 여러 작업의 목적과 진행 상황, 제약조건과 완료 기준을 파악하는 일이 중요해졌다.

나는 AI가 이런 관리 업무도 더 많이 맡아주기를 기대한다. 그렇다고 사람이 언제까지나 모든 우선순위와 완료 기준을 직접 정해야 한다고 생각하지는 않는다. AI가 더 많은 맥락을 이해하고 판단할 수 있다면 그 역할도 달라질 것이다.

지금 내 질문은 AI에게 얼마나 많은 일을 맡길 수 있느냐만이 아니다. 여러 AI가 동시에 일할 때 프로젝트의 흐름을 어떻게 놓치지 않을 것인가?

언젠가 AI가 그 흐름까지 관리한다면, 개발자는 무엇에 집중하게 될까?