배포 준비하기

MVP에서 프로덕션으로

코드 리팩토링 전략
성능 최적화 요청법
환경 변수와 시크릿 관리
인증과 권한 관리의 세부사항
자동화된 보안 점검 파이프라인
코드 리뷰 프로세스의 재정의
품질 게이트와 승인 체계

개발의 흐름이 아이디어에서 구현, 그리고 테스트까지 빠르게 흘러왔더라도 마지막 관문은 언제나 배포와 운영이다. 여기서의 작은 실수는 서비스 전체의 신뢰성을 무너뜨릴 수 있다. 특히 바이브 코딩처럼 AI가 생성한 코드 비중이 높은 프로젝트는 '실험의 속도'만큼이나 '운영의 안정성'이 필수다. 프로토타입이 아무리 빠르게 완성되었더라도, 실제 사용자를 맞이하는 순간부터는 다른 차원의 책임이 시작된다.

코드 리팩토링 전략

MVP 단계에서는 속도가 중요하다. 하지만 프로덕션은 다르다. 사용자 수가 늘어나면 코드의 비효율, 데이터베이스 구조의 허술함, API 응답 지연 등이 모두 드러난다. 마치 임시로 지은 천막이 갑작스러운 폭우를 맞는 것과 같다.

AI가 생성한 코드를 처음 보면 당황스러울 때가 많다. 같은 기능을 하는 함수가 여러 파일에 중복되어 있고, 변수명은 일관성이 없으며, 주석은 거의 찾아볼 수 없다. 이런 코드를 그대로 프로덕션에 올리는 것은 시한폭탄을 안고 가는 것과 같다.

리팩토링의 첫 단계는 중복 제거다. AI는 종종 비슷한 기능을 여러 번 다르게 구현한다. 예를 들어 날짜 포맷팅 함수가 세 군데에 각각 다르게 작성되어 있을 수 있다. 이를 하나의 유틸리티 함수로 통합하면 코드 크기도 줄고 유지보수도 쉬워진다.

다음은 네이밍 일관성이다. AI는 camelCase와 snake_case를 섞어 쓰거나, 비슷한 개념에 다른 이름을 붙이기도 한다. userId, user_id, uid가 모두 같은 의미로 사용되고 있다면, 하나로 통일해야 한다. 이런 작은 정리가 나중에 큰 혼란을 막는다.

구조 개선도 필수다. AI는 모든 로직을 한 파일에 몰아넣는 경향이 있다. 천 줄이 넘는 파일을 여러 모듈로 분리하고, 관심사에 따라 폴더를 구성한다. MVC든 클린 아키텍처든, 일관된 구조를 유지하는 것이 중요하다.

리펙토링은 반드시 해야 할 부분이다. AI는 오류나 버그 없이 개발한다고 해도, 소스를 검토해 보면 3,4천 줄이 넘어가는 것도 있고, 공통 함수를 지정하지 않아 여러 개 같은 함수를 만드는 경우도 허다하다. 리펙토링 전에 AI에게 "전체 소스 코드에서 리펙토링이 필요한 부분 분석해 줘"와 같이 명령하면 리펙토리 요소를 체계적으로 알려준다.

성능 최적화 요청법

성능 최적화는 단순히 "빠르게 만들어줘"로 해결되지 않는다. 구체적인 병목 지점을 찾아서 개선해야 한다. 먼저 어디서 시간이 걸리는지 측정부터 시작한다.

데이터베이스 쿼리가 느린 경우가 가장 흔하다. AI에게 "이 쿼리의 실행 계획을 분석하고 인덱스 추가 제안해 줘"라고 요청하면 구체적인 개선안을 받을 수 있다. N+1 쿼리 문제나 불필요한 조인은 AI가 잘 찾아낸다.

프론트엔드 최적화도 중요하다. 이미지 lazy loading, 코드 스플리팅, 번들 크기 최적화 등을 순차적으로 적용한다. "React 앱의 초기 로딩 시간을 줄이는 방법 단계별로 알려줘"처럼 구체적으로 요청하면 실용적인 답변을 얻을 수 있다.