method · AI-native build
어떻게 만드는가
코드 대신 치는 것 vs AI 로 제품 끝까지 완성·운영하는 것.
그 차이가 method.
관통 원리
AI 환각의 최종 방어 = 모델 바깥 닻 (규칙·사람·현실)비용·품질 = 트레이드오프 아니라 위험도로 escalate
작업 루프ship → 사고 → 룰
- 01문제 정의
무엇을·왜 만들지 결정. 여기는 AI가 아니라 내가.
- 02AI로 빠른 프로토
생성·탐색·보일러플레이트 속도는 AI 에이전트에 위임.
- 03내가 검증·교정
가짜 wire-up·silent fail·틀린 가정 — AI 출력을 직접 잡아냄.
- 04production ship
demo 아니라 매출·운영까지.
증거 → 결제 검증 62 → 0 - 05사고
조용한 경로에서 터짐 — DB·UX·이벤트 3축으로 직접 진단.
증거 → 진단 표준 - 06영구 룰 → 시스템화
사고를 룰로 적립 → 다음 같은 사고 자동 회피.
증거 → OOM 6→0 · 격리 66/66 매 사고가 원리로 적립된다 — 그래서 6개월 뒤 같은 사고가 안 난다. 루프는 닫혀 있다.
분담
AI 가 하는 것
- 코드 생성 · 보일러플레이트
- 패턴·선례 탐색 속도
- 리서치 1차 수집
- 반복 작업 자동화
내가 하는 것
- 문제 정의 — 무엇을·왜 만들지 결정
- 시스템·트레이드오프 결정 (무엇을 버릴지)
- 사고 진단·복구 (호출받는 건 사람)
- AI 출력 검증·통제 (틀린 걸 잡아냄)
- production 결과에 대한 책임
정직한 경계
라인 단위 알고리즘을 즉석에서 치는 건 제 강점이 아닙니다. 강점은 모호한 문제를 맞는 시스템으로 정의하고, AI로 구동하고, 틀린 걸 잡아내고, production 으로 끝까지 닫는 것입니다. AI 가 못 하는 그 부분이 제 일이고, 모르는 건 모른다고 합니다.
코드를 대신 치는 것과, AI로 제품을 끝까지 완성·운영하는 것은 다르다.