AI에게 코드 수정을 맡겨도 되는지 고민하는 기업이 많습니다. 간단한 오류 메시지를 분석하거나, 반복되는 코드 작업을 줄이는 일은 이미 AI가 상당히 잘합니다. 사람보다 훨씬 빠르게 여러 수정안을 만들고, 낯선 언어의 코드도 어느 정도 설명해줍니다.
다만 실제 운영 중인 회사 서비스를 안정적으로 유지보수하는 일은 조금 다릅니다. 화면의 문구 하나를 바꾸는 요청처럼 보여도, 그 뒤에는 회원 정보, 결제 상태, 관리자 기능, 외부 연동 데이터가 얽혀 있을 수 있기 때문입니다. 그래서 현재 단계에서 현실적인 답은 AI가 유지보수를 완전히 맡는 방식보다는, 사람이 책임지고 AI를 활용하는 방식에 가깝습니다.
코드를 고치는 일과 서비스를 유지보수하는 일은 다릅니다
AI는 오류가 발생한 코드 일부를 보고 원인을 추정하고 수정 코드를 제안하는 데 강합니다. 예를 들어 입력값 검사가 빠진 부분, 반복문 오류, 단순한 화면 표시 문제처럼 범위가 비교적 명확한 작업은 빠르게 도움을 받을 수 있습니다.
하지만 기업 서비스의 유지보수는 소스코드만 보고 끝나지 않습니다. 왜 이 기능이 이런 순서로 만들어졌는지, 과거에 어떤 예외 상황 때문에 별도 처리를 넣었는지, 특정 고객이나 내부 부서가 어떤 방식으로 사용하고 있는지까지 알아야 합니다.
가령 주문 상태를 수정하는 기능이 있다고 해보겠습니다. 코드상으로는 상태값 하나만 바꾸면 될 수 있습니다. 그런데 실제로는 세금계산서 발행 여부, 재고 처리, 배송사 연동, 고객 알림 발송 같은 후속 작업이 연결돼 있을 수 있습니다. 이 관계를 충분히 확인하지 않은 수정은 작은 요청을 더 큰 장애로 바꿀 가능성이 있습니다.
AI는 시스템의 숨은 맥락을 자동으로 알지 못합니다
오래 운영한 웹시스템일수록 문서에 없는 규칙이 쌓입니다. 담당자가 바뀌면서 설명이 누락된 기능도 있고, 특정 거래처 요청으로 예외 처리한 로직도 남아 있습니다. 개발 당시의 선택이 지금 보면 비효율적이어도, 당장 없애기 어려운 이유가 있는 경우도 많습니다.
AI에게 소스코드와 관련 자료를 충분히 제공하면 이해 범위는 넓어집니다. 그렇다고 해서 AI가 회사의 업무 관행이나 운영상 우선순위까지 스스로 판단하는 것은 아닙니다. 자료에 없는 사실은 알 수 없고, 자료끼리 충돌할 때 무엇을 우선할지도 결국 사람이 결정해야 합니다.
특히 기존 서비스는 개발 환경과 실제 운영 환경이 다를 수 있습니다. 테스트에서는 정상인데 실제 서버에서만 오류가 나거나, 특정 시간대 또는 특정 데이터에서만 문제가 생기는 경우도 있습니다. AI는 가능한 원인을 빠르게 넓혀주는 데 유용하지만, 운영 환경을 확인하고 수정 범위를 결정하는 책임까지 대신할 수는 없습니다.
유지보수에서 더 중요한 것은 수정 후의 책임입니다
서비스 운영 중에는 ‘고칠 수 있느냐’보다 ‘고친 뒤 문제가 생기면 누가 판단하고 대응하느냐’가 더 중요할 때가 많습니다. 수정한 기능 때문에 고객이 주문을 완료하지 못하거나, 관리자가 데이터를 잘못 처리하게 됐다면 즉시 원인을 좁히고 복구 방향을 정해야 합니다.
AI는 여러 해결안을 제시할 수 있습니다. 그러나 어떤 수정안을 적용할지, 지금 바로 반영할지, 우선 기능을 되돌릴지 같은 판단은 사업 영향도를 아는 사람이 해야 합니다. 장애 상황에서는 기술적으로 가장 깔끔한 답보다 고객 영향과 업무 중단을 적게 만드는 선택이 우선인 경우도 있습니다.
그래서 유지보수 업체나 내부 개발 담당자를 선택할 때도 AI 사용 여부만 볼 일은 아닙니다. 서비스 구조를 파악하는 방식, 변경 전 확인 범위, 문제 발생 시 소통과 대응 책임이 어떻게 정해져 있는지를 함께 봐야 합니다.
사람의 일과 AI의 일을 나누는 편이 현실적입니다
그렇다고 AI가 유지보수에 쓸모없다는 뜻은 아닙니다. 오히려 잘 활용하면 담당자의 시간을 많이 아껴줍니다. 오류 로그의 의미를 풀어보고, 기존 코드의 흐름을 정리하고, 수정 후보를 비교하거나, 테스트에 필요한 경우의 수를 떠올리는 작업에서 특히 도움이 됩니다.
반면 서비스 전체의 변경 영향 파악, 업무 담당자와의 요구사항 조율, 운영 데이터 확인, 배포 여부 판단, 장애 대응 책임은 사람이 맡는 편이 안전합니다. AI가 답을 내면 사람이 검토하는 수준을 넘어, 사람이 서비스의 맥락과 책임을 쥐고 AI를 보조 도구로 쓰는 구조가 맞습니다.
기업 입장에서는 ‘AI가 개발자를 대체하느냐’를 묻기보다 ‘우리 서비스의 어떤 유지보수 업무에 AI를 붙이면 더 빠르고 안전해지느냐’를 따져보는 편이 좋습니다. 코드 작성 속도는 계속 빨라지겠지만, 운영 중인 서비스를 이해하고 책임지는 일은 아직 사람의 영역이 큽니다. 당분간 유지보수의 답은 사람 또는 AI가 아니라, 사람과 AI의 역할을 제대로 나누는 데 있다고 생각합니다.
