How to Debug AI-Generated Code: A Systematic Approach

개요

AI가 생성한 코드에서 발생하는 버그를 효과적으로 해결하기 위해서는 AI에게 단순히 오류 수정을 요청하는 대신, 수십 년간 엔지니어링에서 사용되어 온 체계적인 디버깅 프로세스를 적용해야 한다.

주요 내용

* AI 코딩의 함정: AI는 프롬프트에서 설명된 '행복 경로'에 능숙하지만, 빈 배열, 0 값, null 사용자, 시간대 경계, 경쟁 조건과 같은 '언급되지 않은 엣지 케이스'를 처리하는 데에는 취약하다. 오류 발생 시 AI에게 코드 수정을 요청하면 증상만 해결되어 다른 곳에서 새로운 버그가 발생하며, 결국 코드 전체에 대한 이해도가 떨어지게 된다. AI는 코드의 특정 부분이 작동하는지 알지 못하며, 재생산 사례 없이는 추측에 의존하고, 런타임 동작이나 실제 값을 관찰할 수 없어 근본적인 원인이 아닌 증상을 수정하는 경향이 있다.
* 체계적인 5단계 디버깅 접근법:
1. 신뢰할 수 있게 재현하기: 버그를 발생시키는 정확한 단계, 입력값, 예상/실제 출력을 기록하고, 최소 재현 사례(MRC)를 만들어 범위를 좁힌다.
2. 범위 격리하기: 이진 탐색, 경계선에서의 로그 출력, git bisect 등을 사용하여 버그가 발생하는 코드 영역을 특정한다.
3. 가설 설정하기 (추측이 아닌): 코드를 변경하기 전에 무엇이 잘못되었는지, 무엇이 가설을 증명하거나 반증하는지에 대한 명확하고 반증 가능한 가설을 세운다.
4. 증거 기반으로 검증하기: console.log, debugger; 문, IDE 디버거 등을 사용하여 실제 값을 관찰하고 가설을 테스트한다. AI의 설명도 반드시 검증해야 한다.
5. 근본 원인 수정하기 (증상 아닌): 버그가 발생한 원인을 추적하여 가장 가까운 증상을 패치하는 대신, 잘못된 데이터가 어디서 발생했는지 근본적인 문제를 해결한다.
* 디버깅 시 AI 효과적으로 활용하기: AI는 디버깅 프로세스 안에 통합되어야 하며, MRC와 실제 증거(오류 메시지, 스택 트레이스 등)를 제공받아야 한다. AI에게 코드 수정 전에 가설 설명을 요청하고, 수정이 실패하면 다시 1단계부터 시작해야 한다.
* 디버깅 도구: 브라우저 개발자 도구(Sources 탭), 전략적인 console.log, debugger; 문, Sentry와 같은 오류 추적 도구는 AI보다 효과적일 수 있다.
* 아키텍처 문제 발견: 특정 파일/모듈에서 버그가 반복되거나, 수정 시 다른 문제가 발생하거나, 데이터 흐름을 설명하기 어렵거나, 로직이 중복되는 경우, 코드의 아키텍처 문제일 수 있으며 리팩토링이 필요하다.

시사점

AI 코딩 도구의 등장에도 불구하고, 디버깅은 여전히 엔지니어링의 핵심 역량이며, 체계적인 디버깅 프로세스를 통제하고 AI를 도구로 활용할 때 가장 효과적이다. AI에 의존하여 디버깅을 대체하는 것은 코드베이스의 복잡성을 증가시키고 장기적인 유지보수를 어렵게 만들 수 있다.