
AI 코딩 시대의 타입스크립트: "검증 가능한 코드"가 경쟁력이 되는 이유
에이전트가 코드를 쓰기 시작하면, 병목은 "그럴듯한 코드를 만들 수 있는가"에서 "그 코드를 얼마나 싸게, 국소적으로 검증할 수 있는가"로 이동한다. 타입 시스템은 우리가 가진 가장 값싼 검증기다.
들어가며: 논점을 다시 세우기
타입스크립트의 부활을 "AI가 실수를 덜 하도록 돕는 취향의 문제"로 정리하면 절반을 놓친다. 더 정확한 프레임은 이것이다. LLM 기반 개발에서 실질적 병목은 생성(generation)이 아니라 검증(verification) 으로 옮겨갔고, 정적 타입은 지금 우리가 파이프라인에 붙일 수 있는 검증기 중 가장 빠르고, 결정론적이며, 국소적이다.
에이전트가 코드를 대량 생성하는 순간, 인간 리뷰는 곧바로 병목이 된다. 이때 코드가 "옳은지"를 사람 개입 없이 기계가 판정해 줄수록 루프가 값싸게 돌아간다. 테스트도 그 판정기지만, 테스트는 AI가 스스로 올바르게 작성해야 하는 또 하나의 코드다. 반면 타입 체크는 작성자와 무관하게 항상 성립하는 전역 제약이다. 타입스크립트가 AI 시대에 다시 주류로 복귀한 것은 스타일의 문제가 아니라 시스템 수준의 귀결이다.
동적 타입의 비용을 다시 계산하기
동적 타입의 편익은 예전 그대로다. 문제는 비용 항목이 바뀌었다는 점이다.
function calculateDiscount(price, rate) {
return price * rate;
}이 코드에서 price의 타입은 시그니처 어디에도 명시돼 있지 않다. 인간은 호출부, 실행 문맥, 도메인 지식으로 이 공백을 메운다. LLM에게 이 공백은 가설 공간의 확장을 의미한다. 명시된 계약이 없으면 모델은 파라미터 이름이라는 약한 신호(price, data, tmp)에 의존해 확률적으로 타입을 추정할 수밖에 없고, 이름이 관례에서 벗어나는 순간 추정의 신뢰도는 급격히 무너진다.
더 본질적인 비용은 오류 검출 시점에 있다. 동적 타입은 타입 불일치를 런타임으로 미룬다. 사람이 손으로 짜던 시절에는 이 지연이 감내할 만했다. 그러나 에이전트 파이프라인에서 런타임 실패는 훨씬 비싸다. 실패가 여러 단계 뒤에서 드러나고, 원인 추적을 위해 추가 실행이 필요하며, 그 사이 에이전트는 이미 잘못된 전제 위에 후속 수정을 쌓아 올린다. 컴파일 시점의 신호 하나로 끊었을 오류가, 런타임에서는 연쇄 수정과 토큰·시간 비용으로 번진다.
정리하면 동적 타입 코드베이스에서 LLM은 검증되지 않은 추측 위에 코드를 누적한다. 대부분의 완성은 그럴듯하고, 상당수는 실제로 옳다. 문제는 "그럴듯하지만 틀린" 완성을 값싸게 걸러낼 장치가 없다는 것이다.
타입 체커: AI 에이전트의 검증 오라클
정적 타입이 바꾸는 것은 단순히 "AI가 더 정확한 코드를 쓴다"가 아니다. 더 중요한 건 닫힌 피드백 루프가 생긴다는 점이다.
생성(generate) → tsc --noEmit 로 검증 → 진단 메시지 → 수리(repair) → 재검증tsc --noEmit는 빠르고 결정론적인 판정기다. 에이전트는 이 진단(diagnostic)을 읽어 스스로 다음 수정을 유도할 수 있다. 사람이 매 오류를 지적할 필요가 없다는 뜻이고, 이것이 자율 코딩 루프가 "무한히 그럴듯한 헛소리"로 발산하지 않게 잡아 주는 앵커다. 테스트가 사후 행위 검증이라면, 타입 체크는 작성과 동시에 성립하는 사양 검증에 가깝다.
여기에 타입 정보가 모델의 문맥으로 주입된다는 두 번째 효과가 겹친다. 최신 코딩 에이전트는 편집기의 언어 서버(tsserver)가 제공하는 정보 — 호버 타입, 정의로 이동, 진단 — 를 문맥으로 활용한다. 즉 타입은 사후 검증만이 아니라 생성 시점의 그라운딩(grounding) 으로도 작동한다. 계약이 코드에 명시돼 있으면, 모델은 그 계약을 근거로 완성을 좁힌다. 이름의 뉘앙스를 읽는 대신 선언된 형을 읽는 것이다.
구조적 타이핑(structural typing)과 타입 추론이 이 효과를 증폭한다. 인터페이스가 명시적 상속 없이도 형태(shape)로 매칭되기 때문에, 모델은 값의 구조만으로 적합 여부를 판단할 수 있고, 추론 덕분에 모든 지점에 타입을 달지 않아도 대부분의 계약이 코드에 남는다.
정교한 타입은 사양을 코드에 인코딩한다
시니어 코드베이스에서 타입의 진짜 가치는 number, string 수준이 아니라 "불가능한 상태를 표현 불가능하게(make illegal states unrepresentable)" 만드는 데 있다. 이 원칙은 그럴듯하지만 틀린 완성의 공간 자체를 줄인다.
// 판별 유니언 + 완전성 검사: 상태를 열거하고, 빠진 분기를 컴파일 에러로 만든다
type RequestState =
| { status: "idle" }
| { status: "loading" }
| { status: "success"; data: Invoice }
| { status: "error"; message: string };
function render(state: RequestState): string {
switch (state.status) {
case "idle": return "-";
case "loading": return "…";
case "success": return format(state.data);
case "error": return state.message;
default: {
const _exhaustive: never = state; // 새 상태 추가 시 여기서 컴파일 실패
return _exhaustive;
}
}
}success일 때만 data가 존재한다는 사실이 타입에 못 박혀 있으므로, loading 상태에서 state.data를 읽는 코드는 AI든 사람이든 생성 단계에서 컴파일 에러로 걸린다. 여기에 제네릭으로 재사용 가능한 계약을 만들고, 브랜드 타입(branded type)으로 UserId와 OrderId가 둘 다 string이어도 서로 섞이지 않게 명목적(nominal) 구분을 부여하며, satisfies로 리터럴의 정확한 타입을 보존하면서 계약 적합성만 검사하는 식으로 정밀도를 높인다. 타입이 정밀할수록, "타입은 통과하지만 의미는 틀린" 완성이 파고들 틈이 줄어든다.
경계의 문제: 타입은 런타임에 사라진다
여기서 흔한 과신을 끊어야 한다. 타입스크립트의 타입은 컴파일 후 소거된다. 런타임에는 타입 정보가 존재하지 않는다. 따라서 신뢰 경계(trust boundary) — 네트워크 응답, 사용자 입력, DB 행, 그리고 아이러니하게도 LLM 자신의 출력 — 를 넘어 들어오는 데이터에 대해 타입 선언은 아무것도 보장하지 않는다. 외부 JSON을 as ResponseType으로 단언하는 순간, 컴파일러는 만족하지만 런타임 안전은 사라진다. 이것이 AI 생성 코드가 소리 없이 무너지는 대표적 지점이다.
해법은 경계에서의 런타임 검증이다. Zod·valibot·ArkType 같은 스키마 검증기로 경계를 지키되, 스키마에서 정적 타입을 추론(z.infer)해 런타임 계약과 정적 타입의 단일 출처(single source of truth) 를 유지하는 것이 정석이다.
import { z } from "zod";
const Invoice = z.object({
id: z.string().uuid(),
amount: z.number().int().nonnegative(),
});
type Invoice = z.infer<typeof Invoice>; // 정적 타입은 스키마에서 파생
const invoice = Invoice.parse(await res.json()); // 런타임에서 실제 검증한 걸음 더 나아가면, 타입스크립트 타입 시스템 자체가 의도적으로 불건전(unsound) 하다는 점도 시니어라면 알고 써야 한다. 실용성을 위해 함수 파라미터 이변성(bivariance), 인덱스 접근, 그리고 무엇보다 any와 타입 단언이라는 탈출구를 허용한다. 타입은 강한 신호이지 증명이 아니다. any 하나가 그 신호를 국소적으로 무력화한다.
데이터로 보는 흐름 — 과장 없이
이 전환은 커뮤니티 지표로도 확인된다. GitHub의 연례 리포트 Octoverse 2025에 따르면, 2025년 8월 타입스크립트가 월간 기여자 수 기준으로 파이썬과 자바스크립트를 제치고 GitHub에서 가장 많이 쓰인 언어 1위에 올랐다. 파이썬과의 격차는 약 4만 2천 명, 2025년 한 해 기여자 순증은 100만 명 이상(전년 대비 약 66%)이었다. GitHub는 그 동인으로 프레임워크의 기본 타입스크립트 스캐폴딩과 엄격한 타입 시스템이 AI 보조 개발에서 갖는 이점을 지목했다.
다만 지표를 인용할 때는 방법론을 함께 읽어야 한다. 이 순위는 월간 기여자 수 기준이며, GitHub 스스로 다른 방법론을 쓰는 지표에서는 자바스크립트나 파이썬이 여전히 상위일 수 있다고 밝혔다. 또 하나 흥미로운 관찰은, 과거 "자바스크립트 활동"으로 집계되던 상당 부분이 이미 타입스크립트 트랜스파일 파이프라인을 거쳐 온 것이라는 점이다. 즉 이번 1위는 급변이라기보다, 10년에 걸친 타입드 자바스크립트 이행의 임계점 통과에 가깝다.
아키텍처 관점의 실천
인사이트가 아니라 설정으로 옮기면 다음과 같다. AI 도구의 성능은 모델의 지능만큼이나 코드베이스가 제공하는 기계 검증 가능한 문맥의 질에 좌우되기 때문이다.
엄격성을 기본값으로.
strict는 시작점일 뿐이다.noUncheckedIndexedAccess,exactOptionalPropertyTypes까지 켜서 배열·옵셔널 접근의 암묵적 가정을 제거하라. 느슨한 타입은 AI에게 "여기는 추측해도 된다"는 신호다.any를 린트로 차단하라.no-explicit-any,no-unsafe-*규칙으로 탈출구를 막고, 불가피하면unknown으로 받아 좁혀 나가게 강제하라.tsc를 에이전트의 정지·수리 조건으로 삼아라. CI의 필수 게이트로 두는 것을 넘어, 자율 루프에서 타입 체크 통과를 커밋의 전제로 만들면 루프가 발산하지 않는다.경계는 스키마 우선으로. 모든 신뢰 경계(외부 API, 폼, 큐 메시지, LLM 출력)에서 런타임 파싱을 강제하고, 정적 타입은 그 스키마에서 파생하라.
타입을 코드 가까이 두어라. 언어 서버가 그 타입을 AI에게 문맥으로 노출하므로, 잘 배치된 타입은 곧 더 나은 그라운딩이다.
맺으며
LLM이 코드를 쓰는 시대에 "좋은 코드"의 정의는 미묘하게 이동했다. 잘 읽히는 코드를 넘어, 기계가 국소적으로, 값싸게 검증할 수 있는 코드가 경쟁력이다. 에이전트를 잘 부리는 조직과 그렇지 못한 조직을 가르는 축은 모델의 선택이 아니라, 자기 코드베이스를 얼마나 검증 가능하게 설계했느냐다.
정적 타입은 그 검증을 "타이핑하는 동안" 수행한다. 질문은 하나로 좁혀진다. 당신의 코드베이스는 AI에게 기계가 판정할 수 있는 계약을 건네고 있는가, 아니면 이름을 보고 추측하라고 떠넘기고 있는가.


