Admin
개발자 캐릭터

AI 시대, 개발자의 역할이 바뀌고 있다

코드를 한 줄씩 치는 시대에서, AI에게 무엇을 시킬지 설계하는 시대로.
이 페이지는 우리 팀이 알아야 할 AI 기술의 전체 그림을 정리한 가이드입니다.

Learning Roadmap

AI 기술을 배우는 순서. STEP 1부터 차근차근 익히면 전체 그림이 보입니다

AI를 사람에 비유하면

🧠
두뇌
Brain
=
AI 모델 LLM

생각하고, 이해하고, 추론하는 핵심 엔진

👂🗣️
언어
Language
=
소통기술 Prompting

AI에게 말을 거는 방법 — 어떻게 말하느냐가 결과를 결정

📚
기억 / 학습
Memory
=
지식확장 RAG · Fine-tuning

새로운 지식을 배우고 기억하는 능력 — 외부 자료 참조 또는 재학습

🤲
손 / 행동
Hands
=
행동확장 Agent

도구를 사용하고 직접 행동하는 능력 — 파일 수정, API 호출, 브라우저 조작

🛠️
도구
Tools
=
개발도구 IDE · CLI

두뇌를 활용하기 위한 인터페이스 — 연필, 컴퓨터, 작업대 같은 존재

🎨
작품 / 결과물
Output
=
콘텐츠 생성 Code · Image · Audio

최종적으로 만들어내는 산출물 — 코드, 이미지, 영상, 음성, 데이터

사람(의도) 소통(프롬프트) 두뇌(추론) 행동(실행) 결과물
1

소통기술 Prompting & Communication

AI에게 원하는 결과를 정확히 얻기 위한 대화 기술. 질문의 구조와 맥락 설계가 결과 품질을 결정합니다.

가장 먼저 배워야 하는 이유 어떤 AI 도구를 쓰든 프롬프트가 기본. 같은 AI라도 어떻게 말하느냐에 따라 결과가 10배 차이남
이 단계에서 쓰는 도구
G
ChatGPTClaudeClaudeGeminiGemini
프롬프트 엔지니어링 Prompt Engineering

역할, 맥락, 제약조건을 체계적으로 전달하여 원하는 형식과 품질의 응답을 이끌어내는 기술

바이브 코딩 Vibe Coding

자연어로 의도를 전달하면 AI가 코드를 생성하는 개발 방식. 구현보다 설계와 검증에 집중

구조화 마크업 Structured Markup (XML / Markdown)

AI에게 입력을 구조화된 형식으로 전달하여 정확한 파싱과 처리를 유도하는 기법

고급 프롬프팅 CoT · Few-shot · Multi-modal

단계적 사고(Chain-of-Thought), 예시 제시(Few-shot), 이미지/음성 혼합 입력으로 정확도를 높이는 기법

SDD Spec Driven Development

AI에게 코드를 시키기 전에 설계서(CLAUDE.md 등)를 먼저 작성. 명세가 곧 프롬프트이자 문서가 되는 개발 방법론

시스템 프롬프트 · 룰 파일 System Prompt · Rules File

AI의 행동 규칙, 코딩 컨벤션, 프로젝트 맥락을 파일(.cursorrules, CLAUDE.md)로 정의하여 일관된 결과를 유도

실전 예시
  • 나쁜 프롬프트: "로그인 기능 만들어줘" → 기술스택·보안요건 모름, 결과 불확실
  • 좋은 프롬프트: "Spring Boot + JWT 기반 로그인 API를 만들어줘. 비밀번호는 BCrypt, 토큰 만료 30분, 리프레시 토큰 포함" → 정확한 결과
  • SDD: CLAUDE.md에 프로젝트 구조·코딩 규칙·DB 스키마를 기록 → AI가 프로젝트를 이해한 상태로 시작
2

개발 도구 AI-Powered Dev Tools

AI 두뇌를 활용하여 코드 작성, 분석, 디버깅을 지원하는 개발 환경. 프롬프팅을 배웠다면 바로 실전 투입할 도구들입니다.

두 번째로 배우는 이유 프롬프팅을 익힌 뒤, 매일 쓰는 개발 환경에 AI를 연결하면 즉시 생산성이 올라감
이 단계에서 쓰는 도구
CursorCursorClaude CodeClaude CodeCopilotCopilot
W
Windsurf
AI IDE AI-Assisted IDE

코드 자동완성, 리팩토링, 버그 탐지를 AI가 실시간 지원하는 통합 개발 환경

CursorCursor
W
WindsurfCopilotCopilot
CLI 에이전트 Terminal AI Agent

터미널에서 자연어로 명령하면 파일 수정, 테스트, Git 관리를 자동 수행

Claude CodeClaude Code
A
Aider
Cl
Cline
AI 앱 빌더 AI App Builder

프롬프트로 전체 웹 애플리케이션을 생성. 프론트엔드부터 배포까지 AI가 원스톱으로 구축

B
Bolt
v0
v0
L
LovableReplitReplit
로컬 모델 러너 Local Model Runner

오픈소스 모델을 내 PC에서 실행. GPU 활용, 오프라인 사용 가능

OllamaOllama
LM
LM Studio
실전 예시
  • AI IDE: Cursor에서 코드 선택 → "이 함수 리팩토링해줘" → 변수명·구조·성능 개선 코드 즉시 제안
  • CLI Agent: Claude Code로 "전체 단위테스트 작성해줘" → 파일 분석 후 테스트 코드 자동 생성·실행
  • 앱 빌더: Bolt.new에 "관리자 대시보드 만들어줘" → 프론트+백엔드+배포까지 10분 완성
3

두뇌 AI Models / LLM

생각하고 추론하는 핵심 엔진. 도구를 쓰다 보면 "어떤 모델을 언제 쓸까?"가 궁금해집니다. 그때 배우는 영역입니다.

세 번째로 배우는 이유 도구를 써보면 모델마다 성능·비용·속도가 다름을 체감. 상황에 맞는 모델 선택이 효율을 결정
이 단계에서 이해할 모델
G
GPTClaudeClaudeGeminiGemini
DS
DeepSeekOllamaOllamaLlamaLlama

외부 클라우드 두뇌 Cloud API

기업이 운영하는 서버에 API로 요청을 보내 응답을 받는 방식. 최고 성능의 모델을 즉시 사용할 수 있지만, 데이터가 외부로 전송됩니다.

G
GPTGeminiGeminiClaudeClaude
DS
DeepSeekGrokGrok
P
Perplexity

로컬 오픈소스 두뇌 Open Source / On-device

오픈소스 모델을 내 PC나 서버에서 직접 실행. 데이터가 외부로 나가지 않아 보안이 강하고, 인터넷 없이도 동작합니다.

LlamaLlama
DS
DeepSeekGemmaGemma
Qw
Qwen
M
Mistral
실전 예시
  • 일반 업무: ChatGPT/Claude에 "이 에러 로그 분석해줘" → 원인과 해결방법 즉시 확인
  • 보안 필요: 고객 데이터를 포함한 분석은 Ollama로 로컬 모델 실행 → 데이터 유출 없이 처리
  • 비용 절감: 단순 분류·요약은 경량 모델(Gemma, Phi), 복잡한 추론은 대형 모델(Claude Opus, GPT-4o)
4

콘텐츠 생성 Content Generation (Output)

AI가 최종적으로 만들어내는 결과물. 코드뿐 아니라 이미지, 영상, 음성, 데이터까지 AI로 만들 수 있습니다.

네 번째로 배우는 이유 코드 외 산출물(발표 자료, 다이어그램, 테스트 데이터)도 AI로 만들면 업무 범위가 확장됨
이 단계에서 쓰는 도구
D3
DALL-E
Mj
Midjourney
So
Sora
11
ElevenLabs
코드 및 소프트웨어 Code & Software

시스템 구축, 자동화 스크립트, API 개발 등 실행 가능한 산출물

이미지 / 영상 Visual Content

텍스트 설명으로 이미지, 일러스트, 영상을 생성

Mj
Midjourney
D3
DALL-EImagenImagen
F
Flux
So
Sora
R
Runway
음성 / 음악 Audio Content

TTS, 음악 생성, 음성 클로닝

11
ElevenLabs
S
Suno
U
Udio
3D / 공간 3D & Spatial Content

텍스트나 이미지로 3D 모델, 텍스처, 씬을 생성. 게임, 건축, 제품 디자인에 활용

Me
Meshy
T
Tripo
정형 데이터 Structured Data

JSON, XML, CSV 등 시스템 간 연동 가능한 구조화된 데이터 산출물

실전 예시
  • 이미지: DALL-E/Midjourney로 발표 자료용 다이어그램·일러스트 생성 → 디자이너 없이 고품질 시각자료
  • 데이터: "테스트용 사용자 100명 JSON 생성해줘" → 현실적인 더미 데이터 즉시 확보
  • 영상: Sora/Runway로 서비스 소개 영상 프로토타입 → 촬영 없이 컨셉 검증
5

지식확장 Knowledge Extension

AI가 기본 학습 데이터 외의 지식을 활용할 수 있도록 확장하는 기술. 내 데이터를 AI에게 가르치는 방법입니다.

다섯 번째로 배우는 이유 AI가 모르는 우리 회사 데이터·문서·규정을 기반으로 답변해야 할 때. "우리 프로젝트 전용 AI"를 만드는 단계
이 단계에서 쓰는 도구
P
PineconeLangChainLangChain
D
Dify
C
ChromaDB
RAG Retrieval-Augmented Generation

질문에 관련된 문서를 검색한 뒤 AI에게 함께 전달하여 답변 생성. 모델 재학습 없이 최신/전문 지식 활용

파인튜닝 Fine-tuning

기존 모델을 특정 도메인 데이터로 추가 학습시켜 전문화. RAG보다 깊은 지식 내재화

벡터 DB Vector Database

텍스트를 수치 벡터로 변환(임베딩)하여 의미적 유사도로 검색. RAG의 핵심 인프라

P
PineconeLangChainLangChain
Li
LlamaIndex
C
ChromaDB
D
Dify
MCP Model Context Protocol

AI 모델이 외부 데이터 소스와 도구에 표준화된 방식으로 연결하는 개방형 프로토콜. USB-C처럼 AI의 범용 연결 규격

임베딩 Embedding

텍스트를 수백~수천 차원의 숫자 벡터로 변환하여 의미적 유사도를 계산. RAG·검색·추천의 핵심 기반 기술

실전 예시
  • RAG: 사내 매뉴얼 500페이지를 벡터 DB에 저장 → "출장비 정산 절차가 뭐야?" → 관련 문서만 찾아서 AI가 답변
  • MCP: Claude에 DB·Slack·Jira를 MCP로 연결 → AI가 직접 데이터를 조회하며 답변 생성
  • Fine-tuning: 우리 회사 코딩 스타일 1만 건으로 모델 재학습 → 사내 컨벤션에 맞는 코드 자동 생성
6

행동확장 Agent & Orchestration

AI가 단순 응답을 넘어 도구를 사용하고, 계획을 세우고, 실제 행동을 수행하는 자율적 시스템. AI 활용의 최종 단계입니다.

마지막으로 배우는 이유 앞의 5단계를 이해해야 Agent를 제대로 설계·제어할 수 있음. AI의 최종 진화 형태
이 단계에서 쓰는 도구
Claude CodeClaude Code
n8n
n8n
C
CrewAILangGraphLangGraph
AI 에이전트 AI Agent

목표를 부여받으면 스스로 계획을 세우고, 도구(API, 브라우저, 파일시스템)를 사용하여 작업을 수행하는 자율 시스템

컴퓨터 사용 Computer Use

AI가 사람처럼 마우스와 키보드를 조작하여 화면을 보고 앱을 직접 제어하는 기술

파이프라인 Pipeline

여러 AI 처리 단계를 순차적으로 연결하여 복잡한 작업을 자동화하는 구조

오케스트레이션 Orchestration

여러 AI 에이전트를 협업시켜 하나의 큰 목표를 달성. 에이전트 간 역할 분담과 조율

A
AutoGPT
C
CrewAI
A
AutoGenLangGraphLangGraph
OA
Agents SDK
워크플로우 자동화 Workflow Automation

AI를 기존 업무 흐름에 연결. 트리거 기반으로 반복 작업을 자동 처리하는 노코드/로우코드 플랫폼

n8n
n8n
M
Make
Z
Zapier
A2A Agent-to-Agent Protocol

서로 다른 AI 에이전트가 표준화된 방식으로 소통하고 협업하는 프로토콜. Google이 제안한 에이전트 간 통신 규격

실전 예시
  • Claude Code: 터미널에서 "이 버그 수정해" → AI가 코드 분석·수정·테스트·커밋까지 자동 수행
  • Computer Use: AI가 브라우저를 열어 사이트 테스트 수행, 스크린샷 찍고 결과 보고서 작성
  • 워크플로우: n8n으로 "Slack 메시지 → AI 분석 → Jira 티켓 생성 → 담당자 알림" 자동화

같은 AI, 다른 결과 — 프롬프트가 전부다

Bad Prompt
로그인 기능 만들어줘
AI 결과
// 어떤 언어? 어떤 프레임워크?
// 보안 수준은? 세션? 토큰?
// AI가 임의로 판단 → 원하는 결과 아님

function login(id, pw) {
  if (id === "admin" && pw === "1234")
    return true;
  return false;
}
VS
Good Prompt
Spring Boot + JWT 기반 로그인 API 만들어줘.
비밀번호는 BCrypt, 액세스 토큰 30분,
리프레시 토큰 7일, Redis 저장.
AI 결과
@PostMapping("/auth/login")
public TokenResponse login(
    @Valid @RequestBody LoginRequest req) {

  User user = userService
    .authenticate(req.getEmail(),
                  req.getPassword());

  String access = jwtProvider
    .createAccessToken(user, Duration.ofMinutes(30));
  String refresh = jwtProvider
    .createRefreshToken(user, Duration.ofDays(7));

  redisTemplate.opsForValue()
    .set("refresh:" + user.getId(),
         refresh, 7, TimeUnit.DAYS);

  return new TokenResponse(access, refresh);
}
Bad Prompt
이거 왜 안돼?
AI 결과
// 코드를 보여주지 않아서
// AI가 추측만 가능

"코드를 공유해 주시면
 정확한 원인을 파악할 수
 있습니다. 일반적으로
 NullPointerException은..."

→ 일반론만 나열, 해결 불가
VS
Good Prompt
아래 코드에서 updateUser 호출 시
NullPointerException 발생.
user 객체는 DB에서 정상 조회됨.
[코드 + 에러 로그 첨부]
AI 결과
// 정확한 원인 특정
user.getProfile().setName(name);
//     ↑ getProfile()이 null 반환

// 수정안 제시
Profile profile = Optional
  .ofNullable(user.getProfile())
  .orElseGet(() -> {
    Profile p = new Profile();
    user.setProfile(p);
    return p;
  });
profile.setName(name);
Bad Prompt
API 문서 만들어줘
AI 결과
// 어떤 API? 형식? 대상 독자?

# API 문서
## 1. 개요
이 API는 사용자 관리를
제공합니다.
## 2. 엔드포인트
GET /users - 사용자 목록

→ 뻔한 템플릿, 실제 사용 불가
VS
Good Prompt
UserController.java 코드를 분석해서
Swagger 스타일 API 문서를 마크다운으로
작성해줘. 요청/응답 예시, 에러코드,
인증 방식 포함.
AI 결과
# User API Reference

## POST /api/v1/users
사용자를 생성합니다.

**Headers**
Authorization: Bearer {token}

**Request Body**
{ "email": "user@ex.com",
  "name": "홍길동",
  "role": "MEMBER" }

**Response 201**
{ "id": 42, "email": "..." }

**Error Codes**
409: 이메일 중복
422: 필수값 누락

How It All Connects

각 기술은 단독이 아니라 체인처럼 연결되어 작동합니다

시나리오 1: AI 기반 코드 개발
기능 요구사항 → 코드 완성까지
1
설계서 작성 소통기술

CLAUDE.md에 프로젝트 구조, DB 스키마, 코딩 규칙 정의

2
AI IDE에서 개발 개발도구

Cursor/Claude Code가 설계서를 읽고, 코드 자동 생성·리팩토링

3
AI가 추론 두뇌 (LLM)

Claude/GPT가 코드 구조를 이해하고 최적의 구현 판단

4
테스트·커밋 자동화 행동확장

Agent가 테스트 실행, 오류 수정, Git 커밋까지 자동 수행

시나리오 2: 사내 문서 Q&A 시스템
500페이지 매뉴얼 → "질문하면 답변" 시스템
1
문서 임베딩 지식확장

사내 문서를 벡터로 변환하여 Pinecone/ChromaDB에 저장

2
질문 검색 (RAG) 지식확장

사용자 질문과 가장 유사한 문서 조각을 벡터 DB에서 검색

3
AI 답변 생성 두뇌 (LLM)

검색된 문서 + 질문을 LLM에 전달 → 근거 기반 답변 생성

4
결과 제공 콘텐츠

답변 + 출처 문서 링크를 함께 반환. 할루시네이션 최소화

시나리오 3: 반복 업무 자동화
수동 작업 → AI 워크플로우로 전환
1
트리거 감지 행동확장

n8n/Make에서 이벤트 감지 (메일 수신, Slack 메시지, 파일 업로드 등)

2
AI 분석·판단 두뇌 (LLM)

수신된 내용을 AI가 분류·요약·판단 (긴급/일반, 카테고리 분류 등)

3
자동 실행 행동확장

판단 결과에 따라 Jira 티켓 생성, Slack 알림, 이메일 답장 자동 수행

4
보고·기록 콘텐츠

처리 결과를 정형 데이터(JSON/CSV)로 기록, 대시보드에 반영

What Developers Must Embrace

AI 시대에 개발자가 갖춰야 할 역량의 변화

01

코딩 → 설계·검증

직접 코드를 치는 시간은 줄고, 무엇을 만들지 설계하고 AI가 만든 결과를 검증·수정하는 역할이 핵심이 됩니다. 좋은 설계서(SDD)를 쓸 수 있는 개발자가 10배 빠릅니다.

02

도구 하나 → AI 생태계 이해

하나의 언어·프레임워크만 아는 것으로는 부족합니다. LLM, RAG, Agent, MCP가 어떻게 연결되는지 전체 그림을 이해하고, 상황에 맞는 조합을 선택할 수 있어야 합니다.

03

수동 반복 → 자동화 설계

"이 작업을 어떻게 하지?"가 아니라 "이 작업을 어떻게 자동화하지?"를 먼저 생각해야 합니다. 반복 업무를 AI 워크플로우로 전환하는 것이 진짜 생산성입니다.

04

혼자 개발 → AI와 협업

AI는 동료 개발자입니다. 모르는 것을 물어보고, 코드 리뷰를 맡기고, 테스트를 시키세요. AI에게 잘 시키는 능력(프롬프팅)이 곧 개발 실력이 됩니다.

05

기술 습득 → 지속적 탐험

AI 기술은 매달 바뀝니다. 완벽히 마스터하는 것이 아니라, 새로운 도구를 빠르게 시도하고 판단하는 습관이 중요합니다. 탐험을 멈추면 뒤처집니다.