TL;DR

  • AI가 생성한 대량의 코드를 검토할 때 추상화 용어가 자신의 언어 선택과 다르면 의미를 매번 해석해야 해 인지 부하가 커짐.
  • MutationIntent보다 EditRequest가 더 자연스러운 표현일 수 있는 것처럼, 용어 선택은 사람마다 다름.
  • 익숙하지 않은 코드에서 새로운 용어 수십 개가 서로 어떻게 연결되는지 파악하면 의미 해석에 사용할 수 있는 정신적 여유가 빠르게 소진됨.
  • 검토에 앞서 AI 변경 사항의 독특하거나 맞춤형인 용어와 뜻, 선택 이유, 대안 용어를 임시 마크다운 파일에 정리하게 함.
  • 용어를 확인하고 수정 사항을 문서까지 포함해 일괄 반영하면 자신의 사고방식에 가까운 코드가 되어 검토가 쉬워짐.

AI 용어가 만드는 인지 부하

  • AI가 생성한 많은 코드를 검토할 때, 대형 언어 모델(LLM)이 선택한 추상화 용어가 자신의 표현 방식과 맞지 않는 경우가 있음.
  • 예를 들어 MutationIntent라고 부르는 개념이 자신에게는 EditRequest라는 표현으로 더 자연스럽게 다가올 수 있음.
  • AI의 단어 선택이 선호하는 표현과 다르면 용어를 볼 때마다 의미를 머릿속에서 대응해야 하며, 익숙하지 않은 코드의 새로운 용어 수십 개가 서로 작용하는 상황에서는 인지 부하가 누적됨.
  • 머릿속에서 처리할 수 있는 의미 대응의 수에는 한계가 있어, 그 수를 넘으면 코드의 작동 방식을 잘못 해석하기 시작함.

검토 전 용어 정리

  • 검토 전에 AI가 변경 사항을 살펴보고 추상 객체, 프로세스, 개념에 사용된 비관습적이거나 맞춤형인 용어를 추출하도록 요청함.
  • 각 용어의 뜻과 선택 이유, 대안으로 제안하는 용어를 임시 마크다운 파일에 정리하도록 함.
  • 정리된 용어를 확인해 그대로 사용할지 직접 정한 표현으로 바꿀지 결정한 뒤, 변경 사항을 반영하도록 함.
  • 목표는 AI의 언어 선택을 자신의 언어 선택에 맞춰 개념을 더 쉽게 이해하는 데 있음.

용어 확인과 코드 검토

  • 용어를 하나씩 확인하고, AI가 코드와 문서 전반에서 찾아 바꾸도록 함.
  • 결과 코드는 자신의 사고방식에서 나온 것처럼 읽히므로 검토가 훨씬 쉬워짐.