보리스 체르니 워크플로우 시리즈의 마지막 장은 AI 협업의 궁극적인 지향점인 ‘자율성’과 ‘연속성’을 다룬다. 앞선 단계들이 AI의 지능을 교정하고 결과물의 품질을 높이는 데 집중했다면, 이번 단계는 사용자의 개입을 최소화하여 업무의 흐름이 끊기지 않게 만드는 운영 시스템에 관한 것이다.
1. 사용자의 맥락 전환 비용과 AI의 수동성 문제
업무 현장에서 발생하는 가장 큰 비효율 중 하나는 AI가 스스로 해결할 수 있는 사소한 문제조차 사용자에게 질문하며 흐름을 끊는 것이다.
1. 핑퐁식 대화: 에러가 발생했을 때 AI가 직접 원인을 파악하기보다 “로그를 보여달라”거나 “어떤 환경인가”라고 묻는 과정에서 사용자는 자신의 업무 흐름을 멈추고 AI를 보조해야 한다.
2. 중단된 작업의 휘발성: 복잡한 작업을 수행하던 중 대화가 끊기거나 세션이 종료되면, AI는 이전에 무엇을 어디까지 했는지 잊어버려 처음부터 다시 설명해야 하는 번거로움이 생긴다
3. 책임의 전가: 버그 해결의 주도권을 사용자가 쥐고 있는 상황에서는 AI가 단순한 타이피스트(Typist) 수준에 머물게 된다.
보리스 체르니는 이러한 핑퐁 현상을 제거하고 AI가 스스로 작업을 완수하게 만드는 ‘자율적 버그 수정’과 ‘태스크 관리’ 체계를 핵심 처방법으로 제시한다.
2. Autonomous Bug Fixing: 질문 대신 해결을 선택하라
‘자율적 버그 수정’은 버그 리포트를 받은 AI가 사용자에게 질문을 던지기 전에 스스로 모든 가용한 수단을 동원해 원인을 파악하고 수정까지 완료하는 원칙이다
ㄱ. 제로 컨텍스트 스위칭(Zero Context Switching)
사용자가 다른 업무에 집중하고 있을 때 AI를 위해 맥락을 전환하지 않아도 되게 하는 것이 목표다.
1. 직접 조사: 에러가 발생하면 AI는 스스로 로그 파일을 열어보고, 실패한 테스트 케이스를 추적하며, 코드의 어느 지점에서 문제가 생겼는지 자율적으로 탐색한다.
2. 수정 및 검증: 원인을 파악한 즉시 코드를 수정하고, 수정된 코드가 정상 작동하는지 다시 테스트하여 결과를 보고한다. 이 모든 과정에서 사용자의 개입은 오직 “수정 완료” 보고를 받는 것 뿐이다.
ㄴ. 능동적 디버깅의 가치
AI가 스스로 로그를 분석하고 원인을 찾는 과정은 단순한 시간 절약을 넘어선다. AI가 직접 시스템의 내부 구조를 파헤치며 문제를 해결하는 과정 자체가 앞서 언급한 lessons.md에 기록될 귀중한 학습 데이터가 되기 때문이다.
3. Task Management: 투명한 진행 상황과 연속성 확보
복잡한 프로젝트는 단 한 번의 대화로 끝나지 않는다. 여러 단계로 나뉜 업무를 체계적으로 관리하기 위해 tasks/todo.md와 같은 태스크 관리 시스템이 필수적이다.
ㄱ. 투명한 체크리스트 기반 작업
AI는 수행해야 할 모든 작업을 todo.md에 리스트업하고, 각 단계가 완료될 때마다 체크 표시를 하며 진행 상황을 공유한다.
1. 현재 위치 식별: 리스트 중간에 “지금 여기(Now here)”와 같은 표시를 두어 사용자와 AI 모두가 전체 공정 중 어디에 있는지 즉각 파악하게 한다.
2. 중단 후 재개: 세션이 끊기거나 시간이 지난 후 작업을 재개할 때, AI는todo.md를 읽는 것만으로 즉시 이전 문맥을 회복하고 다음 단계로 나아갈 수 있다.
ㄴ. 완료 후 리뷰와 지식 캡처
모든 작업이 끝나면 해당 태스크에서 얻은 교훈(Lessons)을 정리한다.
이는 시리즈 1편에서 다룬 ‘자기 개선 루프’와 연결되어 시스템의 전체적인 지능을 한 단계 높이는 역할을 한다.
4. 보리스 체르니 워크플로우의 완성: 6대 원칙의 상호작용
이제까지 다룬 6가지 단계는 각각 독립적인 것이 아니라 서로 맞물려 거대한 생산성 톱니바퀴를 형성한다.
| 겪고 있는 문제 | 보리스 체르니의 처방 | 기대 효과 |
| 잘못된 방향으로 작업함 | Plan Node Default (1번) | 자원 낭비 방지 및 방향성 확립 |
| 지능 및 품질 저하 | Subagent Strategy (2번) | 컨텍스트 최적화 및 고품질 결과 |
| 같은 실수의 반복 | Self-Improvement Loop (3번) | 복리로 성장하는 지능 구축 |
| 작동하지 않는 결과물 | Verification Before Done (4번) | 전문가 수준의 신뢰성 확보 |
| 구조가 엉망인 코드 | Demand Elegance (5번) | 유지보수 가능한 우아한 결과 |
| 잦은 질문으로 흐름 끊김 | Autonomous Bug Fixing (6번) | 자율적 해결 및 사용자 집중도 유지 |
5. AI와 함께 ‘시스템’으로 일하기
보리스 체르니의 워크플로우는 AI를 어떻게 다룰 것인가에 대한 답변을 넘어, **’인간과 AI가 어떻게 하나의 시스템으로 유기적으로 작동할 것인가’**에 대한 청사진을 제시한다.
계획하고(Plan), 분업하며(Subagent), 검증하고(Verify), 우아함을 찾고(Elegance), 자율적으로 해결하며(Fix), 끊임없이 배우는(Learn) 과정은 현대 지식 노동자가 갖춰야 할 새로운 표준이다.
이 시리즈를 통해 소개한 전략들을 실제 프로젝트에 하나씩 적용해 보길 권장한다. 처음에는 CLAUDE.md 파일을 만드는 작은 시작이겠지만, 그 결과는 시간이 갈수록 복리로 쌓여 당신의 생산성을 수십 배로 증폭시켜 줄 것이다.
AI는 더 이상 단순한 도구가 아니다. 당신이 설계한 이 시스템 안에서 함께 성장하는 가장 강력한 파트너가 될 것이다.