2026 Build with AI: Hands-on Campus 후기

 

 

 

AI를 활발하게 사용하고 있는 요즘, AI 덕분에 빠른 개발과 더 많은 의사결정을 하게 되어 좋은 점도 많지만

개발자의 역할과 방향성, AI의 활용 방안 등에 대해 많은 고민이 들었습니다.

 

AI가 이젠 나보다 코드를 더 짜는 것 같은데 개발자로서 난 어떤 역할을 해야할까?
AI를 '의미있게' 활용하려면 어떻게 해야할까?

 

그러던 도중 좋은 행사를 발견하여 참석하게 되었습니다.

 

GDG Campus Korea에서 주최하는 2026 Build with AI: Hands-on Campus 행사였고,
AI 관련 세션들로 구성된 행사였는데 총 3개의 세션을 선택해서 들을 수 있었습니다.

 

각자의 경험을 토대로 AI 시대의 개발자에 대해 이야기하는 자리였는데, 좋은 인사이트들을 얻어온 것 같아 후기로 남겨봅니다 😊

 

행사 정보는 아래 링크를 참고해주세요!

https://event-us.kr/gdgcampuskorea/event/122871

2026 Build with AI: Hands-on Campus - 이벤터스

 

 

오프닝에서 GDG와 오거나이저분들에 대한 짧은 소개와 행사 안내 후 본격적으로 세션이 시작되었습니다

 

아래 타임 테이블과 같이 타임별로 하나의 세션을 선택하여, 총 3개의 세션을 들을 수 있었습니다.

 

 

 

🎤 개발자의 PM 역량 키우기

 

첫 번째 세션은 "개발자의 PM 역량 키우기" 였습니다.

PM 역량이라고 하면 요즘은 각자 떠올리는 역할이 조금씩 다른 것 같은데, 이 세션에서 말씀하시는 PM의 역량이란 아래와 같았습니다.

 

 ▎ PM의 역량 = 제품 비전과 전략 + 데이터 기반 우선순위 + 이해관계자 조율 + 사용자 공감

 

PM 역량을 강조하시는 이유는 이젠 AI를 통해 코드를 작성하는 시간이 줄었기 때문에, 기획, 설계, 출시, 운영처럼 코드 바깥의 영역에 시간을 투자해 프로젝트가 세상에 나오기까지 더 깊이 기여하는 일이 덜 다뤄져 왔기에 차이가 더 크게 벌어지는 영역이라고 하셨습니다.

 

회사에서 업무를 하면서 이 개발의 시작점이 어디인지, 왜 제공되는 기능인지, 히스토리가 무엇인지를 파악하고 진행하려고 노력했었는데 그런 부분이 더 디벨롭된 버전이라는 생각이 들었습니다.

 

 

개발자가 자연스럽게 PM 영역에 기여할 수 있는 지점은 설계 단계라고 하셨는데 핵심은 PRD를 받으면 "어떻게?" 보다 "왜?"를 묻는 것이었습니다.

개발자로서 기술적으로 가능한지 판단하는 것도 중요한 역할이지만, 설계 단계에서 한 번 더 생각해봐야 하는 것은 그 기능이 비즈니스 기회, 성과, UX에 어떤 임팩트를 만드는지를 풀어내는 것..!

 

예를 들어, 기술적으로는 정상이지만 UX는 답답한 부분이 있다면 설계 단계에서 이야기를 꺼내보고, 결정을 합니다.

앱에서 웹뷰 기반 기능에 이미지 저장이나 공유 등의 UX가 없어 답답한 것을 발견했다면 발견 즉시 네이티브 컨텍스트에 메뉴를 추가하자고 제안하고, 해당 배포에 포함시킵니다.

 

평소에 개발을 하며 역으로 기획적인 부분을 제안하는 것에서 고민이 되었던 부분이 있었는데 (아무래도 연차가 많은 분들이 훨씬 많기에..) 점점 직군의 경계가 흐릿해지는 시대에서, 더 좋은 프로덕트를 위해, 조금 더 용기내어 봐도 괜찮겠다는 생각이 들었습니다.

 

또 인상 깊었던 부분은 데이터 리터러시에 대한 정의였습니다.

데이터 리터러시는 SQL을 쓰고 단순히 숫자를 읽는 능력이 아니라  데이터를 읽고 행동으로 옮기는 능력입니다.

 

단순한 툴 사용보다 해석 능력이 먼저라는 게 공감이 되는 말인 것 같았습니다.

배포를 하고 쌓이는 유저 데이터를 보면 모든 걸 알고 개발한 개발자의 입장과 서비스를 처음 마주하는 유저의 입장은 참 다른 것 같다는 걸 느낄 때가 있었는데요,

단순히 개발을 잘해서 무조건적으로 많은 기능만 찍어내는 것보단 유저에게 필요한 기능을 제공하고, 더 나은 사용성을 위해 노력하는 게 중요하다는 것을 다시금 생각하게 되었던 것 같습니다.

 

AI 덕분에 개발이 빨라진 만큼 그 시간을 어디에 투자할 것인가에 대해 고민하고, 저의 업무 방식에 대해 한 번 더 돌아보게 된 세션이었던 것 같습니다ㅎㅎ

 

 

 

🤖 나만의 AI 챗봇 만들기

두 번째 세션은 '나만의 AI 챗봇 만들기' 로, 어떻게 개발하게 되었는지 개발 과정을 설명해주시고 함께 해당 플로우를 따라 개발을 해보는 핸즈온 세션이었습니다.

 

기존 LLM은 대화가 누적되면 점차 오래된 대화는 망각되어 사라져버리는데 이를 개선하기 위한 과정이 담겨있었습니다.

오래된 대화를 망각하는 것을 해결하기 위해 사용한 3계층 메모리 아키텍처를 소개해주셨습니다.

 

 

메모리 설계는 크게 STM, LTM, Episodic Memory로 나뉩니다.

• STM (단기 기억)
  • Short-Term Memory
  • 현재 대화의 흐름
  • 최근 N턴의 즉각적인 문맥을 파악
• LTM (장기 기억)
  • Long-Term Memory
  • 한 세션의 요약
  • 서술형 narrative
  • 3시간 정도 대화가 없을 때 세션을 구조화된 팩트로 요약
• Episodic Memory (에피소딕 기억)
  • 주제별 분류된 대화 요약

 

3개의 계층이 협력하면서 지금 당장 필요한 문맥(STM) → 이번 세션의 핵심(LTM) → 주제별 누적 지식(Episodic) 으로 자연스럽게 흘러가는 구조였습니다.

 

평소에 AI를 사용하며 컨텍스트 관리에 대한 고민이 있었는데 이번 세션을 들으며 캐시 설계가 떠올랐습니다.

STM은 빠르지만 금방 사라지는 메모리 캐시같고, LTM은 세션은 끝날 때 정리해 보관하는 저장본 같고, Episodic은 필요할 때 주제로 찾아보는 데이터베이스와 같았습니다.

 

핵심은 "대화를 전부 끌어안지 말고, 무엇을 언제 요약해서 어디에 둘지 정하는 것" 이었습니다.

담을 수 있는 양이 한정되어 있다면, 잘 추려서 나눠담는 것이 똑똑한 방법인 것이죠..!

 

그리고 이 메모리들을 Vector DB에 저장하고, 시맨틱 검색으로 불러오는 과정이 새로웠습니다.

Vector DB에 메모리를 글자 그대로 저장하는 것이 아니라, 문장의 '의미'를 숫자로 바꿔서 저장하고,

시맨틱 검색을 통해 똑같은 단어가 들어간 기억만 찾는 게 아니라 대화의 의미와 비슷한 기억을 골라옵니다.

 

백엔드 영역을 많이 다뤄보지 않아 조금은 생소한 영역이기도 했지만 임베딩이나 Vector DB처럼 핵심 기능은 대부분 이미 만들어진 도구를 가져와 사용한다는 점을 보고, 결국 어떤 기술을 어떻게 가져와 활용하느냐의 차이임을 느꼈습니다.

 

 

 

🪄 Agentic Coding 1년의 변화, 그리고 Agentic Work의 미래

마지막 세션은 당근마켓에서 사용되는 '카비'를 만든 사례를 소개하며 그 과정에서 느낀 Agentic Coding의 변화를 말씀해주셨습니다.

 

그 안에는 컨텍스트 엔지니어링, 하네스 엔지니어링, Agentic Work 등에 대한 이야기를 해주셨는데, 1년 사이 일하는 방식이 통째로 바뀐 과정을 담고 있었습니다.

 

그 중 '보조'와 '위임'에 대한 이야기가 나왔는데, '보조'는 사람이 확인하고, 다시 시키고, 또 확인을 하는 것이고,

'위임'은 에이전트가 스스로 실패를 보고, 고치고, 완료한다는 것이었습니다.

 

이 이야기를 들으며 나는 AI는 과연 완전한 위임으로 쓰고 있나? 그리고 완전한 위임이 과연 좋은 것이 맞을까? 라는 생각이 들었습니다.

물론 완벽한 하네스 구조와 에이전트를 만든다면 위임이 좋은 결과를 가져오겠지만 어쨌든 그 책임은 인간이 짊어지게 되는 것이기 때문에 어디까지 위임을 하는 것이 좋은가에 대한 고민도 들었습니다.

 

 

그리고 "AI를 잘 다룬다는 건 입력과 반응의 관계를 이해하는 것"이라는 말씀을 하셨습니다. AI는 결국 텍스트 뒤에 올 텍스트를 추론하는 존재이고, 그래서 동료를 대하듯 "이 친구는 뭘 잘하고 어디서 실수하는지"를 궁금해해야 한다는 것이었습니다.

 

생각해보니 이젠 AI가 나의 동료가 되어가는 시대에, 동료를 알아가는 건 당연한 과정이라는 생각이 들었습니다.

 

또, AI를 쓴다고 내가 몰라도 되는 게 아니라 오히려 개발을 제대로 알아야 더 잘 사용할 수 있다는 것.

에이전트가 만든 스펙이 올바른지 판단하려면, 테스트와 CI가 잡아주는 피드백이 무엇을 의미하는지 읽어내려면, 결국 기초가 부실하다면, AI가 그럴듯하게 틀린 답을 내놨을 때 그걸 알아챌 수 조차 없습니다.

 

 

 

🌱 마무리

이번 행사를 참여하며 위기감도 느낌과 동시에 AI 시대에 혼란스럽던 생각들이 조금은 정리되었습니다.

다양한 방법으로 AI를 활용해보고, 그 결정을 책임질 수 있을 만큼 기본기도 더 깊게 공부하는 것이 저의 숙제인 것 같습니다.

 

결국 개발자는 변하지 않는 기본기 위에, 변화하는 도구를 잘 얹는 것.

이것이 이번 행사를 통해 얻은 작은 방향성입니다 ㅎㅎ

 

아직 고민은 많지만 직접 부딪혀봐야 실마리가 풀리고 해결되는 것 같습니다.

바쁜 현생에 치여살다가 오랜만에 GDG 행사에 참여했는데 좋은 인사이트들을 많이 얻어왔습니다.

생각을 나누는 자리에 함께 할 수 있어 좋았습니다 🙇🏻‍♀️