AI가 작성한 코드가 실행하자마자 오류가 난다면, 서둘러 도구를 바꾸거나 모델을 탓하지 말자. 대부분 문제는 코드 자체가 아니라 요구사항이 맞지 않은 데 있다. 당신이 가볍게 말한 '로그인 페이지'와 AI가 이해한 '로그인 페이지'는 처음부터 끝까지 전혀 다른 것일 수 있다. 해결책은 간단하다. 먼저 AI에게 요구사항과 가정을 되풀이하게 하고, 일치하는 것을 확인한 뒤 시작하라. 오류가 나면 전체 정보를 붙여 넣고 작은 단계로 검증하라.
먼저 오류의 세 가지 흔한 원인을 파악하자
첫째, 요구사항 설명이 너무 모호하다. '쇼핑몰 사이트 만들어 줘'라고 하면 AI는 추측할 수밖에 없다. 어떤 기술 스택을 쓸지, 페이지가 어떻게 생겼는지, 데이터는 어디서 오는지 전부 AI의 상상이다. 요구사항이 모호할수록 코드는 기대에서 멀어지고, 실행하면 곳곳에서 막힌다.
둘째, 환경과 의존성이 맞지 않는다. AI는 자신이 잘 아는 환경을 기준으로 코드를 쓰지만, 당신 컴퓨터의 언어 버전, 패키지 버전, 운영체제는 완전히 다를 수 있다. 코드 자체는 멀쩡해도 환경이 다르면 오류가 난다. 초보자의 컴퓨터에서 특히 흔하다.
셋째, AI가 존재하지 않는 API를 지어낸다. 모델은 존재하지 않는 함수명이나 인자명을 당당하게 호출한다. 이것이 환각이다. '메서드를 찾을 수 없음' 같은 오류가 나면, 먼저 공식 문서에서 그 API가 실제로 존재하는지 확인하라. 가짜 API에 시간을 낭비하지 말자.
그대로 따라 하면 되는 3단계 디버깅법
1단계: 먼저 AI에게 요구사항과 가정을 되풀이하게 하라. 코드를 쓰기 전에 이렇게 물어보자. '어떻게 진행할 건지, 이해한 내용과 가정을 먼저 말해 봐.' 잘못된 가정은 그 자리에서 바로잡는 것이, 천 줄을 쓰고 나서 다시 만드는 것보다 훨씬 낫다.
2단계: 코드 조각만 붙이지 말고 전체 오류를 붙여라. 오류 스택 트레이스, 실행한 명령어, 언어와 의존성 버전, 재현 절차를 함께 AI에게 보내라. 코드 조각만 붙이고 오류를 안 주면, 체온계 수치만 보고 진료해 달라는 것과 같다. 정보가 불완전하면 아무리 뛰어난 모델도 추측밖에 못 한다.
3단계: 작은 단계로 검증하고, 한 번에 한 곳만 고쳐라. AI에게 매번 한 곳만 고치게 하고, 무엇을 왜 고쳤는지 설명하게 한 뒤, 동작을 확인하고 다음으로 넘어가라. 큰 덩어리를 한 번에 다시 쓰면 어디를 고쳐서 망가뜨렸는지 찾을 수 없다.
이 순서를 기억하자. 요구사항 맞추기, 전체 정보 제공, 작은 단계 검증. 오류는 AI 코딩의 끝이 아니라, 당신과 AI가 요구사항을 제대로 말로 정리하는 시작이다. 요구사항이 분명해지면 오류의 대부분은 사라진다.
