AI 기술 격차 해소! 개발팀 AI 수석 회의 사례

AI 기술의 빠른 발전과 팀 내 기술 격차 심화 문제를 해결하기 위해 코어플랫폼실 개발팀은 각 팀의 AI 전문가를 'AI 수석'으로 지정하고 정기적인 기술 공유 모임을 운영했습니다. 매주 목요일 오후 4시에 열리는 이 모임은 팀별로 돌아가며 AI 기술 도입 현황, 활용 팁, 고민 지점 등을 발표하고 공유하는 방식으로 진행되었습니다. 특히, 회의록은 Gemini를 활용하여 자동 생성함으로써 정보 기록 및 관리의 효율성을 높였습니다. 이러한 활동은 팀 전체의 AI 활용 수준을 상향 평준화하고, 개발자 간의 지식 격차를 줄이는 데 기여했습니다.

주문결제개발팀은 개발자별 프롬프트 및 규칙 파편화 문제를 해결하고자 'Agent-Common' 프레임워크 도입을 추진했습니다. 이 프레임워크는 공통 규칙 정의, GitHub Actions 파이프라인을 통한 소스 코드 규칙 관리, 런타임 최신화, 사후 검증 피드백 시스템 구축을 통해 개발 품질을 일관되게 유지하는 것을 목표로 합니다. 특히, 팀 전체 룰과 도메인별 룰을 필요에 따라 Lazy Loading하는 방식으로 비용 절감을 고려한 점이 인상 깊습니다. 이는 개발자 자율성과 강제 규칙 적용 사이의 균형점을 찾으려는 시도로 볼 수 있습니다.

정산개발팀은 Claude Team Plan 사용 시 토큰 소모 과다 및 품질 저하 문제를 겪었습니다. 초기에는 기획서나 코드를 통째로 LLM에 전달하여 불필요한 내용 포함으로 인한 토큰 소모 증가와 리뷰 피로도 상승을 경험했습니다. 이를 해결하기 위해 데이터베이스(SQL, DDL), 도메인 지식, 소스 코드를 포함하는 LLM Wiki를 도입했습니다. 특히, Obsidian 툴을 활용하여 Raw 데이터와 구조화된 Wiki 폴더를 관리하고, `index.md` 파일을 통해 필요한 파일을 효율적으로 로드하는 방식을 채택하여 대화형 개발 환경의 효율성을 높였습니다.

유저혜택개발팀은 AI 워크스페이스를 구축하여 AI 관련 작업을 단일 저장소에서 통합 관리하고, 공통 가이드 및 컨텍스트 주입을 통해 운영 일관성을 확보했습니다. 반복적인 개발 작업(검증, Git 커밋, 문서화 등)을 스킬 형태로 공통화하여 재사용성을 높였으며, 모든 입력값, 프롬프트, AI 답변, 결정 사항을 파일로 기록하고 피드백 루프를 운영하여 작업 효율성을 증대시켰습니다. AI가 작업을 수행하되 주도권은 사람에게 남겨두는 설계 철학이 돋보입니다.

광고플랫폼개발팀은 대규모 언어 모델(LLM) 활용 시 발생하는 비결정적 결과물 문제를 해결하기 위해 하네스(Harness) 구조의 'AD' 프로젝트를 개발했습니다. 이 프로젝트는 컨텍스트 주입 및 파괴적 명령어 차단과 같은 가드레일 설정을 통해 어떤 개발자가 어떤 기능을 개발하더라도 일관된 결과물을 도출하도록 지원합니다. 초기에는 정규식을 활용한 신호 생성 방식에서 89%의 노이즈가 발생했으나, 컨벤션 위반, 리뷰 결과, 차단 로그 등 고정된 신호로 개선하여 시스템 운영 효율화를 달성했습니다.

급변하는 AI 도구 환경 속에서 개발자의 핵심 역량 변화에 대한 논의가 있었습니다. 단순히 AI 도구를 개발하는 것을 넘어, 빠르게 발전하는 AI 생태계에서 자신에게 필요한 최적의 도구를 식별하는 능력과 AI가 더 나은 작업을 수행하도록 효과적으로 명령하는 능력(프롬프트 엔지니어링)이 중요해졌습니다. 이는 AI 기술 자체의 발전뿐만 아니라, 개발자로서의 문제 해결 능력과 전략적 사고가 더욱 요구됨을 시사합니다.

주문결제개발팀은 해외숙소 모니터링 중 장애 발생 시 분석 시간을 단축하기 위해 RCA Agent를 도입했습니다. 기존에는 담당자가 직접 LogQL, TraceQL, PromQL 등을 작성하고 코드를 분석하는 과정을 거쳤으나, 이 과정에 5~15분이 소요되었습니다. 자동화된 Agent는 정상 예외와 시스템 에러에 따라 분석 과정을 달리하여 오류 지점과 로그를 즉각적으로 파악하고 슬랙으로 회신함으로써, 장애 대응 시간을 획기적으로 단축하고 운영 효율성을 높였습니다.

마지막 회의에서는 Claude Code 환경에서 사용되는 9가지 오픈소스 플러그인(하네스, 메모리, 컨텍스트 분류)에 대한 조사 및 적용 경험이 공유되었습니다. 전반적으로 사용자 후기에서는 호평보다는 혹평이 많았으며, 아직 '이거다' 싶은 쓸 만한 프로젝트는 없다는 결론에 도달했습니다. 이는 AI 플러그인 생태계가 아직 초기 단계에 있으며, 새로운 모델의 빠른 개선 배포로 인해 기존 플러그인의 효용성이 빠르게 감소할 수 있음을 시사합니다. 결국 자체적인 지식 베이스 구축의 중요성이 다시 한번 강조되었습니다.