AI Agent Challenge 후기
AI Agent Challenge는 AI Agent를 활용해 실제 문제를 해결하는 프로젝트를 기획하고 개발하며, 현업 개발자 멘토링과 특강, 동료 학습, 데모 데이를 함께 경험하는 4주간의 프로그램입니다.
저는 이 기간 동안 GitHub Repository 기록과 사용자의 짧은 회고를 바탕으로, 프로젝트 경험을 포트폴리오 초안으로 정리해주는 PtoP(Project to Portfolio) 서비스를 만들었습니다.
다만 이 글에서 프로젝트의 기능을 자세히 소개하기보다, 이 AI Agent Challegne 프로그램을 진행
하면서 느낀점 배운점을 적어보려고 합니다 🤗 🤗
1. 부스트캠프를 수료하고도, 다시 AI Agent Challenge를 선택한 이유
저는 직전에 네이버 커넥트재단의 부스트캠프 웹·모바일 10기를 약 8개월 동안 진행하고 수료했습니다. 부스트캠프를 통해 개발의 기본기와 협업 방식, 문제를 깊이 있게 해결하는 태도를 배울 수 있었습니다. 그래서 처음 AI Agent Challenge를 알게 되었을 때는 “이미 부스트캠프를 수료했는데, 또 새로운 프로그램에 참여해야 할까?”라는 고민도 있었습니다 😅
하지만 최근 AI가 개발 과정에 들어오는 방식은 제가 부스트캠프에서 경험했던 개발 환경과는 조금 다르다고 느꼈습니다. 이전에는 좋은 코드를 작성하고, 동료와 협업하며, 사용자 문제를 해결하는 방법을 고민했다면, 이제는 그 과정에서 AI에게 어떤 일을 맡기고 어떤 기준으로 결과를 검증해야 하는지도 함께 고민해야 했습니다.
특히 저는 AI를 사용해 코드를 빠르게 작성하는 경험은 있었지만, 그것이 정말 개발 역량을 높이는 방식인지 확신하지 못했습니다. AI가 만든 결과를 어디까지 신뢰해야 하는지, 프로젝트의 맥락을 어떻게 전달해야 하는지, 그리고 최근 취업 시장에서 나만의 AI 활용 경험을 어필하는 질문들도 많다고 들었기에 많이 혼란스러웠습니다.
결과적으로 두 프로그램을 수료하고 느낀 점은 부스트캠프가 개발자로서 문제를 끝까지 해결하는 기본기를 만들어준 경험이었다면, AI Agent Challenge는 그 기본기를 바탕으로 AI와 함께 일하는 방식을 실험하고 구체화한 경험이였습니다 :>
지원하기 전의 고민: 나는 AI를 잘 활용하고 있는 걸까?
AI가 빠르게 발전하면서 개발을 대하는 마음이 조금 복잡했습니다.
AI에게 기능을 설명하면 코드 초안이 빠르게 나오고, 오류 메시지를 전달하면 해결 방향도 제안해줍니다. 실제로 개인 프로젝트를 진행할 때도 AI의 도움을 많이 받았습니다. 그런데 시간이 지날수록 한 가지 질문이 남았습니다.
“나는 지금 AI를 잘 활용하고 있는 걸까..?”
최근 가장 많이 했던 고민이 “어떤 Agent를 사용했다”, “어떤 Skill을 만들었다”는 말만으로는 결국 나만의 AI 활용 경험이라는 어필이 크게 없지 않을까 생각했습니다.
그래서 더욱 이번 프로그램을 통해서 현업에서는 AI를 실제로 어떤 업무에 활용하는지, 개발자는 AI가 코드를 작성하는 시대에 어떤 역할을 해야 하는지 알고 싶었습니다!
2. 전공자의 시선 밖에서 발견한 것들
프로그램을 진행하며 다양한 전공과 경험을 가진 캠퍼들을 만난 점이 인상 깊었습니다.
AI를 활용하더라도 개발을 깊이 있게 이해하고 안정적인 결과물을 만들기 위해서는 전공자로서 쌓은 기본기가 중요하다고 생각합니다. 구조를 설계하고, AI가 생성한 코드를 검토하며, 오류의 원인을 판단하는 과정에서는 개발 경험과 컴퓨터 과학 지식이 분명한 기준이 되어주었습니다.
하지만 동시에, AI가 발전할수록 전공 지식만으로 프로젝트의 가치를 결정하기는 어렵다는 점도 느꼈습니다. 비전공자 캠퍼분들은 각자가 가진 도메인 경험에서 출발해 문제를 정의했고, 전공자인 제가 쉽게 떠올리지 못한 사용자와 상황을 프로젝트에 담아냈습니다. 자신이 오래 경험한 분야의 불편함을 정확히 알고 있었기에, 오히려 더 구체적이고 설득력 있는 프로젝트 아이디어가 나오는 모습이 인상적이었습니다.
이를 보며 전공자와 비전공자의 차이를 단순히 개발 가능 여부의 차이로 볼 수 없다고 생각했습니다. 저 역시 전공자로서 기술 자체에만 집중하기보다, 앞으로는 어떤 사용자의 어떤 문제를 해결할 것인지 더 구체적으로 관찰해야겠다는 생각을 하게 되었습니다.
3. 질문을 행동으로 바꾸다: 멘토링과 특강에서 얻은 답
이번 프로그램에서 가장 기억에 남는 활동은 멘토링입니다. 저는 총 3번의 멘토링에 모두 참여했습니다. 첫 번째 멘토링은 1:1로, 이후에는 다른 캠퍼들과 함께 2:2, 3:3 형태로 진행했습니다.
멘토링을 신청하기 전에는 질문의 수준이 부족하지 않을까 걱정했습니다. 하지만 막상 참여해보니 완성된 질문을 준비하는 것보다, 지금 내가 어떤 문제를 고민하고 있는지 솔직하게 설명하는 것이 더 중요했습니다.
저는 멘토님들께 이런 질문을 드렸습니다.
“나만의 AI 활용 능력을 어떻게 어필할 수 있을까요?”
두 분의 멘토님께서 공통적으로 말씀해주신 내용이 있습니다. 단순히 어떤 Skill을 만들었는지, 어떤 Agent를 사용했는지보다 중요한 것은 다음이라는 점이었습니다.
- 어떤 문제를 정의했는가
- AI에게 어떤 역할을 맡겼는가
- 결과를 어떤 기준으로 검증하고 개선했는가
이 답변을 듣고 나서야 제가 고민하던 방향이 조금 선명해졌습니다. AI를 사용했다는 사실을 보여주는 것이 아니라, AI를 활용해 문제를 어떻게 해결했는지를 보여줘야 한다는 뜻이었습니다.
특강과 마스터 클래스에서도 비슷한 맥락의 이야기를 들었습니다. AI Agent와 하네스 엔지니어링은 단순히 “AI에게 일을 많이 시키는 기술”이 아니라, AI가 프로젝트의 맥락을 이해하고 반복 가능한 방식으로 일할 수 있도록 환경을 만드는 일에 가깝다는 점입니다.
4. AI에게 코드를 맡기기 전에, 환경을 설계하다
초반에는 AI에게 기능을 설명하고 구현을 요청하는 방식으로 프로젝트를 진행했습니다. 빠르게 초안을 만들 수 있다는 점은 분명 강점이었습니다. 하지만 프로젝트가 커질수록 문제가 생겼습니다.
같은 기능을 요청해도 이전 맥락이 누락되거나, 기존 구조와 맞지 않는 코드가 나오기도 했습니다. 디자인 규칙이 달라지거나, 이미 정한 API 규칙을 다시 설명해야 하는 경우도 있었습니다.
이 문제를 해결하기 위해 PtoP 프로젝트에는 AGENTS.md, Skill, 디자인 시스템, 토큰 구조를 직접 정리했습니다. AI가 단순히 코드 한 조각을 생성하는 것이 아니라, 프로젝트의 목적과 폴더 구조, 코딩 규칙, UI 기준을 이해한 상태에서 작업하도록 만들고 싶었습니다.
멘토링 과정에서는 Skill 파일이 여러 위치에 흩어져 있으면 AI가 필요한 지침을 찾는 데에도 불필요한 시간이 걸릴 수 있다는 피드백을 받았습니다. 이후 파일의 역할과 위치를 다시 정리했고, 모델별 응답 품질과 비용, 구조화된 JSON 응답의 안정성도 직접 테스트했습니다.
이 경험을 통해 AI 활용 방식이 바뀌었습니다.
처음에는 “이 기능을 만들어줘”라고 요청하는 데 집중했습니다. 이후에는 아래 내용을 먼저 정리하려고 노력했습니다.
- 지금 발생한 문제는 무엇인가
- 사용자는 어떤 흐름을 경험해야 하는가
- 기존 구조에서 지켜야 할 규칙은 무엇인가
- AI가 만든 결과를 어떤 기준으로 검증할 것인가
좋은 결과는 더 긴 요청에서 나오지 않았습니다.
AI가 이해할 수 있는 맥락과 검증 기준을 준비했을 때 결과가 달라졌습니다.
5. 공유는 나를 더 많이 배우게 만들었다
이번 프로그램에서 예상하지 못했던 가장 큰 변화는 Slack에 기록을 공유하는 습관이 생긴 것입니다.
처음에는 멘토링이나 특강 후기를 다른 사람에게 공유하는 것이 부담스러웠습니다. 아직 충분히 정리되지 않은 글인데 올려도 될지, 오랜 시간을 들여 작성한 글을 과연 누군가 읽어줄지 고민했습니다.
그래도 “한 번 속는 셈 치고 공유해보자”는 마음으로 Slack random 채널에 멘토링, 특강, 마스터 클래스에서 배운 내용을 정리해 올리기 시작했습니다. 이후에는 매주 활동이 있을 때마다 가능한 한 꾸준히 기록을 남겼습니다.
그 결과 데모 데이와 그룹 활동에서 제 글을 읽고 저를 알아봐 주시는 분들이 생겼고, 직접 메시지로 질문을 주시는 분들도 있었습니다. 제가 정리한 내용이 다른 캠퍼에게 작은 도움이 될 수 있다는 사실도 기뻤지만, 더 큰 변화는 저 자신에게 있었습니다.
공유는 완성된 지식을 전달하는 일이 아니라, 부족한 이해를 다음 질문으로 바꾸는 과정이었습니다.
다른 사람에게 설명하기 위해 내용을 다시 확인하고, 사실과 제 생각을 구분해 글로 정리하는 과정에서 이해가 훨씬 깊어졌습니다. 또 질문을 받으며 제가 놓치고 있던 부분을 발견했고, PtoP의 사용자 흐름도 다시 생각하게 되었습니다.
처음에는 다른 사람에게 도움을 주기 위해 시작한 일이었습니다. 그런데 결과적으로는 제 지식을 구조화하고, 부족한 부분을 발견하며, 다음 학습을 시작하게 만드는 가장 강한 트리거가 되었습니다.
Slack 채널 공유 기록들
6. 네이버 사옥에서 느낀 현실감
이번 프로그램의 하이라이트! 네이버 사옥 방문이였습니다 😎
작년 부스트캠프를 경험하면서 언젠가 마스터님, 운영진님, 멘토님들께 직접 감사 인사를 드리고 싶다는 생각을 했습니다. 그 기회가 드디어!!
이번 AI Agent Challenge를 통해 네이버 사옥을 방문하고, 현업 개발자분들을 직접 만나며, 제가 배우고 있는 내용이 실제 업무와 연결되어 있다는 감각을 얻을 수 있었습니다.
온라인에서 프로젝트를 만들 때는 구현 자체에 집중하기 쉽습니다. 하지만 데모 데이에서 실제 사람에게 서비스를 설명하고 사용 흐름을 보여주니, 기능을 만들었다는 사실만으로는 충분하지 않다는 점을 정말 정말 많이... 느꼈습니다.
사용자가 어디에서 멈출지, 어떤 용어를 어려워할지, 처음 서비스를 사용하는 사람에게 무엇을 먼저 보여줘야 할지 더 구체적으로 고민하게 되었습니다.
또한 이번에 실제로 부스 전시를 경험해보면서 짧은 시간안에 직접 캠퍼분들이 제 서비스를 체험해볼 수 있는 환경을 조성하는 것이 정말 쉽지 않구나를 깨달았습니다.. 참여하시는 분들이 Repository 주소를 외워서 입력할 수 있는 상황도 아니였기에 😭
그래도 정말 많은 분들이 참여해주셨고, 관심있게 봐주셔서 너무 감사했습니다!! 🙇♂️
7. AI와 함께 일한다는 것
지금도 AI가 빠르게 발전하는 시대가 낯설고, 앞으로 어떤 역량을 쌓아야 할지 고민합니다...
앞선 내용에서는 AI를 어떻게 잘 활용할지, AI가 프로젝트의 맥락을 이해하고 잘 일할 수 있는 환경을 어떻게 만들지에 대한 이야기를 계속 했지만 결국 가장 중요한 점은
AI가 작성한 코드도 결국 내가 책임져야 할 코드
라는 사실입니다.
멘토님들께서도 마지막으로 공통적으로 말씀해주신 점이 있었습니다. AI를 잘 활용하는 방법도 중요하지만, AI가 작성한 코드를 직접 검증할 수 있어야 한다는 것입니다.
이는 결국 기본적인 CS 지식과 코드 문법, 프로젝트 구조를 꾸준히 학습해야 한다는 뜻으로 결론 지었습니다.
AI가 코드를 빠르게 작성해줄 수는 있지만, 그 코드가 왜 동작하는지 이해하고 기존 구조와 충돌하지 않는지 판단하며 문제가 생겼을 때 수정하는 책임은 개발자에게 남아 있기 때문입니다.
그래서 앞으로는 AI 활용 경험을 넓히는 것과 함께, 기본기를 꾸준히 다져 AI의 결과를 더 정확하게 판단하고 개선할 수 있는 개발자가 되보려고 합니다 ㅎㅎ
끝으로 🥹
4주 동안 질문할 수 있는 환경을 만들어주시고, 고민을 행동으로 옮길 수 있도록 도와주신 마스터님, 멘토님, 운영진님, 그리고 함께한 모든 캠퍼분들께 감사드립니다!!
PtoP는 현재도 계속 개선하고 있습니다 :)
PtoP 서비스: https://www.ptop.site/
준섭님 한 달 동안 고생 많으셨어요~!