[쿼리도슈팅 개발일지 #03] Codex 플랜 모드로 게임 개발 시간 50% 단축한 방법 — AI 코딩 실전 노하우

1. 들어가며

안녕하세요! 

쿼리도슈팅에서 PO(Product Owner, 제품 책임자) 겸 개발을 맡고 있는 정회륜이에요.

 

요즘 개발 과정에서 AI를 활용하는 일은 점점 더 자연스러운 흐름이 되고 있어요.

저 역시 AI를 사용한 지 오래되지는 않았지만, 실제 개발에 적용해 보면서 생각보다 많은 부분에서 도움을 받을 수 있다는 것을 느꼈어요.

 

이번 글에서는 쿼리도슈팅 개발 과정에서 AI를 어떻게 활용했는지, 그리고 어떤 방식으로 사용했을 때 더 효과적이었는지를 공유해 보려고 해요.

 

AI를 활용해 개발해 보고 싶지만 아직 어떻게 시작해야 할지 고민 중인 개발자분들께 조금이나마 도움이 되었으면 좋겠어요.

 

2. 배경

쿼리도슈팅 팀의 프로그래밍 파트원은 현재 2명이에요.

새로운 기능을 개발하는 동시에 이전에 작성된 코드의 유지보수까지 병행해야 했고, 이런 상황에서 AI는 개발 효율을 높이는 데 큰 역할을 했어요.

 

AI는 기능을 설계하고 구현하는 시간을 줄여 주고, 적은 인원으로도 더 넓은 범위의 작업을 진행할 수 있도록 도와줘요.

소규모 팀일수록 AI 활용의 효과를 체감하기 쉬운 환경이라고 느꼈어요.

 

3. 문제 정의

특히 기존에 작성되어 있던 절차적 맵 생성(알고리즘으로 맵을 자동 생성하는 기법) 코드를 수정할 때 AI의 도움을 많이 받았어요.

 

이전 개발자가 작성한 코드를 처음부터 모두 파악하는 데는 시간이 꽤 걸리는데, AI를 활용하면 코드의 흐름을 빠르게 이해하고 수정이 필요한 지점을 찾는 데 도움을 받을 수 있었어요.

 

[스크린샷: 기존 절차적 맵 생성의 한계 — 타일이 일정 영역에 군집된 형태]

 

 

기존 맵은 타일이 좁은 영역에 몰려 있어 플레이 동선이 단조로웠는데, 변경 후에는 타일 배치가 분산되면서 더 다양한 동선과 전투 상황이 만들어지도록 개선했어요.

 

이후 원하는 요구사항을 AI에게 함께 전달하면서 기능 구현을 진행했고, 그 과정에서 평소 약 3시간 걸리던 작업을 1.5시간 수준으로 단축할 수 있었어요.

 

 

[스크린샷: 새롭게 변경된 맵 생성 — 타일이 더 넓은 범위로 분산되어 동선이 다양해진 형태]

 

 

 

하지만 AI 활용이 항상 효율적이기만 한 것은 아니었어요.

코드의 구조가 복잡하거나 여러 기능이 깊게 얽혀 있는 경우에는 AI가 수정해야 할 위치를 제대로 찾지 못하는 일이 있었어요.

또한 기존 주석이나 코드를 임의로 수정하거나 삭제해 오히려 다시 확인하고 복구해야 하는 상황도 있었어요.

 

결국 AI는 개발 시간을 줄여 주는 강력한 도구이지만, 기존 코드의 맥락을 완전히 이해하고 판단하는 역할까지 맡기기에는 아직 한계가 있다고 느꼈어요.

 

4. 해결 과정

처음에는 원하는 기능을 AI에게 나열하고, 바로 코드를 생성해 하나씩 확인하며 주석을 달고 수정하는 방식으로 작업했어요.

하지만 이 방식은 생각보다 비효율적인 부분이 많았어요.

 

AI가 처음 작성한 코드가 제가 의도한 기능과 다르게 구현되는 경우가 자주 있었고, 요구사항이 제대로 전달되지 않아 같은 작업을 여러 번 다시 요청해야 하는 상황도 있었어요. 경우에 따라서는 AI를 활용했음에도 직접 코드를 작성하는 것보다 더 많은 시간이 걸리기도 했어요.

 

그러던 중 이번 베터그라운드 행사에서 실제 현직자분들이 AI를 활용해 개발하는 방식에 대해 들을 수 있었고, 평소 궁금했던 점들도 직접 질문해 볼 수 있었어요. 이후 그 내용을 바탕으로 이번 문제를 해결하기 위해 두 가지 방법을 적용해 봤어요.

 

첫 번째는 AI의 플랜 기능을 활용하는 방법이고,

두 번째는 요즘 많이 언급되는 안드레이 카파시(Andrej Karpathy)의 클로드 활용 원칙이에요.

 

안드레이 카파시의 원칙 중 특히 도움이 됐던 두 가지는 "한 번에 너무 많은 일을 시키지 말고 작업 단위를 잘게 쪼개라"와 "AI가 생성한 코드를 그대로 받아들이지 말고 항상 직접 검토하라"였어요. 더 자세한 내용은 글 하단 링크를 첨부했으니 참고해 주세요.

 

[스크린샷: Codex 플랜 모드 — 요구사항 입력 후 구현 계획을 먼저 제시받는 단계]

 

Codex(OpenAI의 코딩 특화 AI 에이전트)의 플랜 모드(코드 작성 전 구현 계획을 먼저 제시하는 AI 작업 방식)는 AI에게 바로 코드를 작성하게 하는 것이 아니라, 먼저 기능을 어떻게 구현할지 설계 단계부터 요청하는 방식이에요.

 

이 방식의 가장 큰 장점은 AI가 현재 상황을 어떻게 이해하고 있는지 미리 확인할 수 있다는 점이에요.

바로 코드를 생성하면 제가 의도한 기능과 다르게 구현되는 경우가 있지만, 플랜을 먼저 받아 보면 요구사항이 제대로 전달되었는지, 구현 방향이 적절한지 먼저 판단할 수 있어요.

 

또한 하나의 방법만 제안받기보다는 최소 3가지 정도의 구현 방법을 받아 보고, 각 방법의 장단점을 비교해 보는 것이 좋았어요.

 

예를 들어 절차적 맵 생성 코드를 수정할 때는 ① 기존 함수에 분기 추가, ② 별도 전략 클래스로 분리, ③ 데이터 테이블 기반 구성 세 가지 방안을 받아 보고, 그중 현재 프로젝트 구조에 가장 잘 맞는 ②안을 선택했어요.

 

이런 방식으로 작업하면 이후 수정해야 하는 범위를 줄이고 더 효율적으로 작업할 수 있어요.

 

5. 결과

AI가 작성한 코드를 그대로 받아 보는 것보다, 왜 이런 방식으로 코드를 작성했는지 함께 확인할 수 있다는 점이 도움이 되었어요.

 

구현 의도를 알 수 있으니 코드의 맥락을 더 쉽게 파악할 수 있었고, 이해되지 않는 부분이나 더 궁금한 점도 자연스럽게 질문할 수 있었어요. 덕분에 단순히 코드를 복사해 적용하는 것이 아니라, 프로젝트 상황에 맞게 판단하며 사용할 수 있었어요.

 

[스크린샷: 플랜 모드 출력 예시 — 3가지 구현안의 장단점 비교 화면]

 

 

실제로 코드를 적용했을 때도 수정해야 하는 부분이 적었고, 제가 원하던 코드 형태에 가깝게 반영할 수 있어 작업 시간을 훨씬 효율적으로 사용할 수 있었어요.

 

플랜 모드 도입 전후를 비교하면 동일 작업 기준 재요청 횟수가 평균 5회에서 1~2회로 줄었어요.

 

6. 배운 점

이번 경험을 통해 AI를 얼마나 잘 활용하느냐에 따라 개발 환경의 쾌적함이 크게 달라질 수 있다는 것을 느꼈어요.

지원 사업에서 들었던 팁 중 "AI가 생각하는 시간을 어떻게 활용할지 고민하라"는 말이 있었는데, 실제로 AI를 사용해 보니 이 말이 꽤 크게 와닿았어요.

 

현직자분들도 AI가 코드를 생성하는 동안 이전에 요청했던 코드를 읽어 보거나, 다른 프롬프트(AI에게 전달하는 입력 지시문)에서 새로운 요청사항을 작성하는 등 자신만의 방식으로 시간을 활용하고 있다고 말씀해 주셨어요.

 

저 역시 AI가 답변을 생성하는 시간을 그냥 기다리는 것이 아니라, 생성된 코드를 미리 검토하거나 다음 요청을 정리하는 시간으로 활용하려고 노력했어요. 이런 방식으로 작업하니 단순히 AI에게 코드를 맡기는 것보다 훨씬 더 효율적으로 개발을 진행할 수 있었어요.

 

여러분도 AI가 생각하는 시간을 잘 활용하면서, 더 효율적이고 쾌적한 개발 환경을 만들어 가시면 좋겠어요.

 

7. 참고 자료

• 안드레이 카파시 Claude 활용 원칙 및 팁

[Claude] 안드레 카파시의 Claude 활용 노하우 살펴보기