LLM 생성 코드를 직접 타이핑해 인지 부채 방지
원제: Prevent cognitive debt by manually retyping LLM-generated code
왜 중요한가
LLM 코딩 어시스턴트의 자동화와 개발자 이해도 유지 사이의 트레이드오프를 실용적 워크플로로 구체화한 사례로, AI 도구 활용 방식의 다양성을 보여준다.
개발자 Ankur Sethi는 2026년 8월 2일, LLM이 생성한 코드를 자동 적용하지 않고 직접 수동으로 입력하는 방식으로 코드베이스 이해도를 유지하는 워크플로를 자신의 블로그에 공개했다. 이 방식은 LLM을 전혀 사용하지 않을 때보다 약 2배 빠른 속도를 유지하면서도 코드 전체에 대한 이해를 놓치지 않는다고 설명했다.
Ankur Sethi は개인 프로젝트에서 코딩 어시스턴트를 계속 활용하면서도, LLM이 코드를 직접 파일에 반영하도록 허용하면 대규모 '인지 부채(cognitive debt)'가 쌓인다는 문제를 발견했다. AI가 자동으로 PR을 올리고 사람이 수백 줄의 과도하게 방어적이고 주석이 부실한 코드를 검토하는 방식이 현재 업계 표준이지만, 그는 개인 프로젝트에서 이 방식이 즐겁지 않다고 밝혔다.
이에 따라 그는 모든 프로젝트의 에이전트 설정 파일에 다음과 같은 지침을 추가했다. LLM은 파일을 직접 생성·편집·이동·삭제하지 않고, 변경 제안을 채팅으로만 보여주며 개발자가 직접 타이핑해 입력한다. 의존성 설치나 저장소 상태를 변경하는 명령도 채팅으로 제시하고, 실행은 개발자가 직접 한다.
Sethi는 이 방식을 통해 LLM을 쓰지 않을 때보다 약 2배 빠르게 작업할 수 있지만, 기계에 판단을 완전히 위임하는 개발자보다는 느리다고 인정했다. 반면 코드를 한 줄씩 직접 입력함으로써 코드베이스의 구조와 작동 방식에 대한 정신적 지도(spatial map)를 구축할 수 있고, LLM의 환각(hallucination)이나 잘못된 설계 결정을 더 쉽게 발견할 수 있다고 설명했다. 또한 코드를 입력하면서 리팩토링, 주석 추가, 스타일 조정을 동시에 수행할 수 있다고 덧붙였다. 이는 그가 십대 시절 프로그래밍을 배울 때 선배 개발자들로부터 들은 '코드를 절대 복사·붙여넣기 하지 말라'는 조언과 맥을 같이한다.