AI 코딩 시대의 복잡성 래칫(Complexity Ratchet): 90% 테스트 커버리지가 필요한 이유

게리 탄(Garry Tan)은 AI 에이전트와 함께 대규모 프로젝트를 진행하며, 소프트웨어 공학의 전통적인 '속도와 품질의 트레이드오프'가 깨졌음을 주장합니다. 그 핵심 기제로 **복잡성 래칫(Complexity Ratchet)**을 제시합니다.

복잡성 래칫의 작동 원리 래칫은 코드 품질이 후퇴하지 않고 전진만 하도록 만드는 구조입니다. 에이전트와의 작업 세션마다 다음 세 가지 요소가 축적됩니다.

• 테스트: 무엇이 올바른 결과인지 정의
• 문서: 결정의 이유를 기록
• 평가 결과: 품질의 기준선(Baseline) 설정

AI 에이전트는 다음 작업 시 이 축적물들을 컨텍스트로 로드하므로, 기존의 테스트를 깨뜨리거나 품질을 떨어뜨리는 작업을 수행할 수 없게 됩니다.

AI가 변화시킨 소프트웨어 공학

• 에러 모델의 전환: 과거에는 에러 예방을 위해 복잡한 프로세스를 구축했으나, 이제는 에이전트가 에러를 즉각 진단하고 수정하는 방식으로 변화하고 있습니다.
• 복잡도 한계의 확장: 시스템의 복잡도 상한선이 인간의 기억력이 아닌, 에이전트가 처리할 수 있는 컨텍스트 윈도우 크기로 확장되었습니다.
• 90% 테스트 커버리지의 실현: 인간에게는 비용이 많이 들던 마지막 20%의 엣지 케이스 테스트를 AI 에이전트가 지치지 않고 수행함으로써, 항공/의료 수준의 고도화된 검증을 일상화할 수 있습니다.

결론적으로 AI 코딩의 진정한 가치는 단순히 속도가 빠른 것이 아니라, 과거에는 비용 문제로 포기했던 극도로 높은 수준의 검증을 가능하게 하여 개발자가 다룰 수 있는 소프트웨어의 복잡도 천장을 높이는 데 있습니다.