AI 코딩의 병목은 생성보다 안전한 실험이다

AI 코딩 도구가 한 번에 더 많은 파일을 바꿀수록 생성 속도보다 실험 장소가 중요해진다. 운영 데이터 위에서 새 검색 기능을 시험하다가 잘못된 쿼리 하나를 실행하면, 빨리 만든 기능보다 복구할 일이 먼저 생긴다.

Edmund Yong은 자신의 AI 코딩 워크플로 영상에서 저장한 자료를 분류하고 검색하는 기능을 만든다. 브라우저 확장으로 모은 글과 영상을 markdown으로 바꾸고, MCP 서버를 통해 에이전트가 필요한 자료를 찾게 하는 제품이다.

자료를 많이 저장하면 다음 병목은 회수다

처음에는 웹 자료를 한곳에 저장하는 것만으로 쓸모가 있었다. 자료가 늘자 목록은 다시 검색해야 할 창고가 됐다. Yong은 에이전트가 비슷한 자료를 폴더로 묶고, 현재 작업에 맞는 출처를 점수화해 돌려주는 기능을 추가한다.

이 변화는 저장량과 활성 문맥이 다르다는 점을 보여준다. 모든 자료를 매번 프롬프트에 넣는 대신, 작업할 때 필요한 몇 개를 찾는다. 다만 “유용함” 점수가 정확한지는 별도 문제다. 잘못 정리된 폴더와 검색 결과가 반복되면 에이전트는 정돈된 형태의 오류를 계속 참고할 수 있다.

운영 데이터와 닮은 샌드박스가 필요하다

Yong은 실제 데이터로 기능을 확인하되 운영 DB를 직접 건드리지 않기 위해 Ghost라는 개발 도구로 임시 PostgreSQL 데이터베이스를 만들고 버린다. Ghost 공식 문서도 에이전트가 격리된 데이터베이스를 생성·복제·삭제하는 개발 흐름을 제공한다고 설명한다.

격리 DB는 실수의 범위를 줄이지만 기능의 안전을 보증하지는 않는다. 어떤 운영 데이터를 복제했는지, 개인정보가 포함됐는지, schema와 확장이 같은지, 테스트 뒤 무엇이 남는지 확인해야 한다. 여러 DB를 동시에 돌릴 수 있다는 사실도 비용 상한과 종료 조건 없이 병렬 실행해도 된다는 뜻이 아니다.

따라서 좋은 샌드박스는 운영 환경과 완전히 다른 장난감도, 운영 환경을 그대로 복제한 두 번째 위험도 아니다. 이번 실험이 깨뜨릴 수 있는 조건만 충분히 닮고, 실패했을 때 폐기할 수 있도록 데이터와 권한의 범위를 줄인 환경이다.

에이전트의 자율성은 폐기 가능한 환경에서 먼저 늘린다

이 워크플로의 실용적인 부분은 에이전트에게 운영 권한을 더 주는 데 있지 않다. 실패해도 버릴 수 있는 환경을 먼저 만들고 그 안에서 작업 범위를 넓힌다. DB뿐 아니라 branch, worktree, 미리보기 배포, 임시 계정도 같은 역할을 한다.

Yong은 당시 Codex를 큰 기능의 계획·구현·테스트에, Cursor를 손수 고치는 편집기에 사용한다고 말한다. 모델 우열과 도구 선호는 2026년 5월 개인 경험이다. 어떤 모델을 쓰든 마지막 안전선은 변경 diff, 테스트 결과, 권한 범위, 비용과 데이터 read-back이다.

AI 코딩의 속도는 생성된 코드 줄 수로 쉽게 보인다. 안전한 실험 환경이 줄인 복구 시간은 눈에 덜 띈다. 혼자 운영하는 제품에서는 두 번째 숫자가 더 오래 사업을 살린다.

샌드박스도 현실의 위험을 선택해서 닮아야 한다

검색 품질을 시험한다면 실제와 비슷한 자료 분포와 잘못된 분류 사례가 필요하다. 권한을 시험한다면 서로 다른 사용자와 거절 경로가 있어야 한다. 단지 빈 데이터베이스에서 쿼리가 성공했다는 결과는 운영 환경의 안전보다 코드가 실행됐다는 사실만 보여 준다.

반대로 모든 운영 데이터를 복제하면 실험 환경이라는 이름 아래 개인정보와 비용을 다시 늘린다. 테스트에 필요한 최소 표본을 만들고, 복제 이유와 폐기 시점을 기록하며, 운영 반영 전에는 diff와 migration·rollback 경로를 다시 확인해야 한다. 자율성의 크기는 에이전트가 할 수 있는 일보다 실패 뒤 남는 상태로 측정하는 편이 정확하다.

주요 출처는 Edmund Yong의 My AI Coding Workflow — Everything I Use Now입니다. 임시 데이터베이스 기능은 Ghost 공식 문서를 대조했습니다. 특정 모델의 성능, 도구 선호, 무료 사용량은 영상 게시 시점의 제작자 관찰 또는 업체 조건이며 일반 벤치마크로 다루지 않았습니다.