안녕하세요.

Cocone Engineering에서 플랫폼 개발을 담당하고 있는 C입니다.

이번에는 포켓코로의 문의 AI 챗봇 ‘SENA’ 개발 과정에서, AI를 통한 초기 코드 생성 비율이 95% 이상이라는 전제 하에 진행하여, 2인 체제로 약 1.5개월 만에 구현을 완료한 사례를 소개해 드리겠습니다.

서론

요즘 ‘AI를 활용한 개발’이라고 하면, 많은 분들이 AI 주도 개발을 떠올리시지 않을까요?

저희 Cocone Engineering에서도 AI는 ‘편리한 선택지’라기보다, 팀의 목표와 활동을 전진시키기 위한 토대가 되어가고 있습니다.

특히 본 프로젝트는 AI 측 개발자 1명 × 플랫폼 측 1명이라는 체제였기 때문에, 설계부터 구현, 리뷰까지 AI와 함께 진행하는 방식이 소수 인원으로도 개발을 진행하는 데 큰 힘이 되었습니다.

본 기사에서는 ‘SENA’의 개발 사례를 통해 현장에서 시도한 AI 주도 개발의 진행 방식을 정리합니다.

프로젝트 개요: SENA란

‘SENA’는 포켓코로 앱 내의 문의 기능으로 작동하는 AI 챗봇 시스템입니다.

이 프로젝트는 기존의 양식 형식의 문의 방식을 AI 챗봇으로 전환하는 것을 목적으로 진행했습니다.

사용자가 앱 내의 ‘문의하기’ 버튼을 탭하면 WebView에서 SENA가 실행되어 AI가 실시간으로 대응합니다.

지원 카테고리

• 계정 복구
• 결제 관련 문의
• 의견
• 오류 신고
• 부정·불량 행위 신고
• 일반적인 질문

시스템 구성

컴포넌트	기술 스택	인프라
Frontend	React 19 / TypeScript / Vite / Tailwind CSS	AWS Amplify
Backend	Go 1.26.0 / Gin / MongoDB Driver	ECS Fargate
관리화면（오퍼레이터 답변 툴）	Go 1.26.0 / Gin / HTML Template	EC2

프론트엔드 채팅 UI, 백엔드 API · WebSocket 통신 · S3 연동, 그리고 관리 화면까지 풀스택 시스템을 구축했습니다.

개발 체제와 속도

2명 × 1.5개월 (구현 완료까지)

항목	내용
개발 인원	2명（AI 서버 인원 1 명 + 플랫폼 인원 1명）
개발 기간	약 1.5개월（규현 완료까지）
AI를 이용한 초기 코드 생성 비율	95%이상
비슷한 규모의 개발을 기존 방식으로 진행 했을 경우 기간	4〜6개월（비슷한 규모・비슷한 체제의 경우）

React SPA + Go API 서버 + Go 관리 화면 + MongoDB + WebSocket + S3 연동 + 인증 기능 ── 이 정도의 규모를 기존의 방식(AI 주도 개발 없음)으로 2명 체제로 진행할 경우, 상황에 따라 다르겠지만 4~6개월 정도가 소요되는 경우가 많을 것입니다. 이번에는 AI 주도 개발을 도입하여 구현 완료까지의 속도를 높일 수 있었습니다.

AI 주도 개발의 실천 방법

1. 사양 · 규칙을 Markdown 파일로 관리

기획 측에서 Notion에 사양서를 정리하고, 이를 바탕으로 개발용 사양 정리 및 구현 체크리스트를 AI가 작성하도록 하여, Markdown으로 정리해 리포지토리 내에서 관리했습니다:

• 프로젝트의 전체 구성과 아키텍처
• 각 컴포넌트의 기술 스택과 설계 방침
• 코딩 규약과 브랜치 전략
• 데이터베이스 설계와 API 사양
• 보안 요건(암호화 키 관리 등)

이러한 형태로 구성해 두면 AI에 전달할 전제 조건이 갖춰지기 쉬워져, 구현 및 리뷰 과정의 소통도 원활해졌습니다.

2. Claude Code를 주 AI 에이전트로 활용

개발의 주 도구로 Claude Code를 사용하고 있습니다. 토큰 사용량이 상한선에 도달하면 Cursor로 전환하는 방식으로 운영하고 있습니다.

Claude Code 활용 사례:

• 신규 기능 구현: 요구사항만 전달하면 엔티티 정의부터 API 핸들러, 프론트엔드 UI까지 일관되게 생성
• 리팩토링: Go 버전 업그레이드나 lint 대응을 AI가 일괄적으로 수행
• 문서 생성: PR 설명문, 설계 문서, README 업데이트도 자동 생성
• 테스트 코드 작성: 테스트 케이스를 AI가 생성

3. GitHub Copilot Code Review의 모든 PR 적용

PR 검토 시에는 GitHub Copilot Code Review도 사용하고 있습니다. PR 템플릿에 검토 관점을 일본어로 작성해 두면, 댓글도 일본어로 돌아오도록 설정해 두었습니다.

구현 → AI 검토 → 사람의 최종 확인 순서로 진행하면, 검토 누락이 줄어들어 큰 도움이 되었습니다.

4. 체계적인 PR 템플릿 운영

각 PR은 다음 구성으로 통일된 템플릿을 따릅니다:

1. 개요: 변경 사항 요약
2. 주요 변경 내용: 기능 추가 · 수정 상세 내용
3. 기술 구현: 컴포넌트별 구현 상세 내용
4. 변경 파일 목록: 표 형식으로 정리
5. 테스트: 동작 확인 체크리스트
6. 비고·관련 이슈

PR 포맷을 미리 정의해 두고, PR 작성은 가능한 한 AI에 맡기도록 했습니다. PR 내용이 일관되게 정리되어, 리뷰와 승인에 시간을 더 효율적으로 할애할 수 있게 되었습니다.

개발 흐름: 인간과 AI의 역할 분담

저희의 AI 주도 개발에서는 인간과 AI의 역할이 명확하게 구분되어 있습니다.

페이즈	사람의 역할	AI의 역할
요건 정의	비즈니스 요구사항 책정	요구사항 구조화・부족한점 지적
설계	아키텍처 판단	설계 문서・DB설계 작성
구현	지시・방향성 판단	코드 생성（95%이상）
리뷰	최종 확인・머지 판단	자동 코드 리뷰
테스트	검수 테스트	유닛 테스트 생성
운용	모니터링・장애 대응	수정PR자동 생성

인간은 ‘무엇을 만들 것인가’와 ‘품질의 최종 판단’에 집중하고, AI가 ‘어떻게 만들 것인가’의 대부분을 담당합니다. 이를 통해 엔지니어는 본래 집중해야 할 설계 사고와 의사 결정에 시간을 할애할 수 있게 되었습니다.

AI 주도 개발에서 느낀 점

지난 1~2년 동안 개발 방식이 상당히 달라졌다고 느낍니다. AI가 구현 자체를 강력하게 뒷받침해 주는 만큼, 엔지니어에게 요구되는 중점도 조금씩 이동해 왔습니다.

1. ‘쓰는 것’보다 ‘결정하기/정리하기’에 시간을 쓰게 되었다

코드를 작성하는 속도는 쉽게 빨라지는 반면, 처음에 무엇을 만들지 · 어디까지 만들지 · 어떤 형태로 정리할지(사양, 경계, 명명, 예외, 비기능, 하지 않을 것)를 결정하는 시간이 중요해졌습니다.

2. 사양의 “개발자용 번역”이 중요해졌다

기획 측의 사양서를 그대로 구현에 적용할 수 있는 형태로 정리하는 것(전제, 케이스 분류, 수용 조건, 체크리스트화)이 AI 시대의 병목 현상이 되기 쉽다고 느꼈습니다. 이 부분이 갖춰지면 구현이나 PR 작성을 AI에 맡기기 쉬워집니다.

3. 속도가 빨라질수록 ‘검증’이 업무가 된다

구현 속도가 빨라질수록, 리뷰 관점의 정리, 차이점 분석, 테스트 설계, 로그/모니터링 확인, 위험 요소 누락 점검이 중요해졌습니다. 사람이 ‘최종 확인’에 집중할 수 있는 환경을 만드는 것이 핵심이었습니다.

4. AI에 맡기기 위한 ‘틀’과 ‘운영’이 필요했다

PR 템플릿, 체크리스트, 리포지토리 내 Markdown 사양, 소통의 세분화 등 AI가 헤매지 않도록 하는 틀을 미리 만들어 두면 업무가 원활하게 진행되었습니다. 반대로, 틀이 없으면 산출물이 흔들리기 쉽고, 재작업이 늘어나는 경향이 있었습니다.

5. 요구되는 스킬이 조금 달라졌다

• 질문을 세우는 능력 (무엇을 풀 것인가, 무엇을 버릴 것인가)
• 사양의 구조화(수락 조건, 경계, 체크 항목)
• 품질 · 보안 관점을 가지고 검증하는 능력
• AI가 내놓은 결과물을 전제 조건을 포함해 검토할 수 있는 능력(컨텍스트의 읽기 · 쓰기)

이 부분들이 이전보다 더 부각된 느낌입니다.

정리

SENA 개발을 통해 AI 주도 개발의 실감을 확실히 느낄 수 있었습니다.

• 2명 × 약 1.5개월 만에 구현 완료(AI에 의한 초기 코드 생성 비율 95% 이상)
• 기획 사양(Notion) → 개발용 사양/체크리스트(AI) → Markdown으로 관리하는 흐름으로 전제를 통일
• PR 템플릿과 AI를 활용한 PR 작성을 결합하여, 검토와 승인에 시간을 할애하기 쉬워졌습니다

지난 몇 년간 개발 방식은 크게 변했으며, 앞으로도 단순히 ‘쓰는’ 것뿐만 아니라 ‘결정하고, 통일하고, 검증하는’ 능력이 더욱 중요해질 것이라고 느낍니다.