"읽기 어려운 DB"가 AI 개발 비용을 1.9배로 만든다――Claude Code로 검증한 DB 설계의 영향

무슨 일이 있었나요?

Actobi라는 회사의 개발자가 같은 온라인 쇼핑몰 데이터베이스의 두 가지 버전을 AI 코딩 도구 Claude Code로 테스트했습니다. 한 버전은 이름이 명확하고 설명 주석과 표 사이의 연결이 있었습니다. 다른 버전은 짧고 알아보기 어려운 이름을 썼고 주석과 연결이 없었습니다. AI에게는 두 경우 모두 '특정 달의 판매량 상위 10개 상품을 뽑는 쿼리를 작성하라'는 같은 과제를 주었습니다.

핵심 숫자

• 읽기 어려운 데이터베이스의 비용은 약 1.9배 많았습니다(5회 평균 $0.41 대 $0.21).
• AI가 주고받은 턴 수는 약 1.4배, 출력 토큰은 약 1.9배 많았습니다.
• 걸린 시간은 약 1.8배 길었습니다(109초 대 60초).
• 명확한 데이터베이스는 5번 중 5번 모두 테스트를 통과했고, 읽기 어려운 쪽은 5번 중 4번 통과했습니다.

왜 이런 차이가 날까요?

AI 에이전트는 데이터베이스 구조를 읽고 내용을 이해합니다. 토큰은 AI가 읽거나 쓰는 작은 글자 단위이며, 토큰이 많을수록 비용이 올라갑니다. 'sts'처럼 설명이 없는 열 이름을 만나면 AI는 실제 데이터를 여러 번 확인해서 그 뜻을 짐작해야 합니다. 그만큼 시간과 비용이 더 듭니다.

왜 중요할까요?

AI로 소프트웨어를 만드는 팀이 늘면서, AI 비용도 개발 속도만큼 중요해지고 있습니다. 이번 실험은 이름을 명확히 짓고, 주석을 달고, 표를 잘 연결해 두면 사람과 AI 모두에게 도움이 된다는 것을 보여 줍니다. AI가 빠진 정보를 추측하면 그럴듯하지만 틀린 결과가 나올 수 있으므로, 좋은 설계는 오류를 줄이는 데도 도움이 됩니다.

주의할 점과 앞으로 볼 것

• 조건당 5번만 실행했으므로 통계적으로 증명된 결과는 아닙니다.
• 읽기 어려운 데이터베이스는 일부러 만든 것이라 실제 시스템과 다를 수 있습니다.
• 이름과 주석을 함께 바꿨기 때문에 어느 쪽이 더 큰 영향을 줬는지는 알 수 없습니다.
• 한 가지 작업 유형만 테스트했으므로 버그 수정이나 기능 추가에서는 결과가 다를 수 있습니다.
• 다른 AI 모델이나 설정에서는 결과가 달라질 수 있습니다.