우리 회사는 2명이 앱 5개를 운영한다. 슈퍼부자아빠, 맞춤법 퀴즈왕, 동물 퀴즈왕, 100 Routine Push Ups, WordWise GRE Coach. 이걸 가능하게 한 건 AI 코딩 도구다.

2년 전이었다면 이건 불가능한 숫자였다. 앱 하나를 제대로 유지보수하는 것도 벅차던 시절이 있었다. 지금은 다르다. AI 도구가 바뀌었고, 개발 방식이 바뀌었다.

1인(또는 2인) 개발자가 AI 코딩 도구를 어떻게 활용하면 이게 가능한지 실제 경험 기반으로 풀어본다.

핵심 도구 스택

쓰는 도구가 많을수록 관리 비용이 올라간다. 최대한 심플하게 유지하는 게 원칙이다.

Claude Code (Anthropic): 코드베이스 전체를 컨텍스트로 이해하는 AI 에이전트. 단순 자동완성이 아니라 "이 기능을 구현해줘"라고 하면 여러 파일에 걸쳐 실제로 코드를 작성한다. Flutter 앱 기능 추가, 버그 수정, 리팩토링에 주로 쓴다.

Cursor: VS Code 기반 AI 에디터. 코드 작성 중 인라인 AI 제안이 강력하다. 빠른 수정이나 새 파일 작성에 유용하다.

GitHub Copilot: 백그라운드에서 돌아가는 자동완성. 위 두 도구와 겹치는 부분이 있지만, 반복 코드나 보일러플레이트 작성 속도를 확실히 높여준다.

이 세 도구의 공통점은 "맥락 이해"다. 단순히 검색어를 제안하는 게 아니라, 내가 지금 뭘 만들려는지 이해하고 코드를 완성한다.

실제 워크플로우 — 기능 하나를 어떻게 만드나

새 기능 요청이 들어오면 이렇게 진행한다.

1단계: 요구사항 정리. AI에게 줄 지시문을 먼저 정리한다. "슈퍼부자아빠 앱에 환율 알림 기능 추가. 설정한 환율 도달 시 푸시 알림 발송. iOS/AOS 모두 지원"처럼 구체적으로 쓴다. 모호한 지시는 모호한 코드를 낳는다.

2단계: AI로 초안 생성. Claude Code에게 기능 구현을 맡긴다. 전체 코드베이스를 이해한 상태에서 기존 아키텍처에 맞게 코드를 작성한다. 여기서 전체 코딩 시간의 70%가 절약된다.

3단계: 검토 + 수정. AI가 만든 코드를 직접 리뷰한다. 로직이 맞는지, 엣지케이스를 처리했는지, 기존 코드와 일관성이 있는지 확인한다. 수정이 필요하면 "이 부분 다시 작성해줘"라고 다시 요청한다.

4단계: 테스트 + 배포. 기능 테스트 후 App Store/Play Store에 제출한다. 이 과정도 AI가 테스트 케이스 작성을 도와준다.

AI가 코드를 쓰는 게 아니다. AI와 함께 코드를 쓴다. 방향을 잡고 결정을 내리는 건 여전히 개발자의 몫이다.

버그 수정에서 AI가 특히 강력한 이유

기능 구현보다 버그 수정에서 AI 효과가 더 크다. 이유가 있다.

버그 수정은 코드를 읽는 시간이 전체의 80%다. 어디서 문제가 생겼는지 찾는 게 핵심이다. AI는 에러 메시지, 스택 트레이스, 관련 코드를 한꺼번에 분석해서 원인을 빠르게 찾아준다.

예를 들어 "Null check operator used on a null value" 에러가 나면, 관련 코드를 AI에 붙여넣고 "왜 이 에러가 나는지, 어떻게 수정해야 하는지 알려줘"라고 하면 대부분 즉시 답이 나온다. 예전에는 Stack Overflow를 뒤지며 30분을 쓰던 게 3분으로 줄었다.

5개 앱을 동시에 유지보수하는 실제 스케줄

매주 요일별로 앱 담당을 나눈다.

• 월: 슈퍼부자아빠 — 주간 데이터 업데이트, 버그 확인
• 화: 맞춤법 퀴즈왕 + 동물 퀴즈왕 — 퀴즈 콘텐츠 추가
• 수: 100 Routine Push Ups — 운동 데이터, UX 개선
• 목: WordWise GRE Coach — 단어 DB 업데이트, 버그 수정
• 금: 전체 모니터링 — AdMob 수익, 크래시 리포트, 리뷰 확인

각 앱에 하루 평균 2~3시간을 쓴다. AI 없이는 이 스케줄 자체가 불가능했다. 반복 작업의 상당 부분을 AI가 처리하기 때문에 집중력을 전략적 결정에 쏟을 수 있다.

AI 코딩 도구의 한계 — 믿으면 안 되는 것들

AI를 맹신하면 문제가 생긴다. 경험상 AI가 틀리거나 부족한 영역이 있다.

최신 API/SDK 변경 사항. AI의 학습 데이터는 특정 시점까지다. Flutter 최신 버전이나 새 플랫폼 API가 변경되면 AI가 틀린 코드를 자신 있게 제안하는 경우가 있다. 공식 문서를 병행해서 확인해야 한다.

보안 취약점. AI가 생성한 코드에 보안 구멍이 없는지 스스로 검토해야 한다. 특히 사용자 데이터를 다루는 부분은 AI 코드를 그대로 쓰지 않는다.

UX 판단. "이 버튼을 어디 두면 더 좋은가"처럼 사용자 경험 관련 결정은 AI가 못 한다. 이건 데이터와 직관이 필요한 영역이다.

AI 코딩 시대 1인 개발자의 경쟁력

AI 때문에 개발자가 필요 없어진다는 말이 있다. 실제로 써본 입장에서는 반대다.

AI 코딩 도구는 개발 속도를 높이지만, 방향을 결정하는 건 여전히 사람이다. 어떤 기능을 만들어야 하는지, 사용자가 뭘 원하는지, 비즈니스적으로 무엇이 중요한지 — 이 질문에 AI는 답할 수 없다.

오히려 AI 도구가 잘 나올수록, 구현 능력보다 "무엇을 만들어야 하는가"를 판단하는 능력이 더 중요해진다. 1인 개발자에게 이건 기회다. 대기업 개발팀처럼 수십 명이 필요하던 작업을 혼자 할 수 있게 되었으니까.