올리브영, AI-DLC 도입으로 개발 생산성 5배 향상!

CJ올리브영은 AI 코딩 도구 활용의 한계를 극복하고자 AI-DLC(AI-Driven Development Life Cycle) 방법론을 도입

AWS의 AI 개발 도구인 Kiro를 활용하여 요구사항 정의부터 품질 검증까지 AI 협업 개발 프로세스(AI Collaboration Process) 구축

3일간의 워크숍을 통해 개발 속도 5배 향상, 업무 자동화로 시간 절감(Time Saving), 레거시 시스템 자동 전환 가능성 확인

AI-DLC의 성공적인 적용을 위해 AI 설계의 적정 깊이 판단, 조직 간 인터페이스 계약의 선(先) 정의, 현장 데이터 기반 검증 체계 구축의 중요성을 강조

AI-DLC 방법론: 구조화된 AI 협업의 핵심

AI-DLC(AI-Driven Development Life Cycle)는 소프트웨어 개발 생명주기(SDLC) 각 단계에 AI를 통합하는 AWS의 개발 방법론이다. 기존 바이브 코딩(Vibe Coding)의 한계점인 코드 품질 편차(Code Quality Variance), 문서화 부족 문제를 해결한다.

Inception Phase: 요구사항 정의, 시스템 설계, 개발 단위 확정 등 개발 초기 단계(Early Stage)에 AI를 활용하여 구조화된 명세 생성

Construction Phase: 비즈니스 로직 모델링, 코드 생성, 테스트를 반복하며 AI 기반 코드 생성(AI-Powered Code Generation) 및 품질 검증 수행

핵심: AI에게 '무엇을, 왜' 만들지를 명확히 정의하고, 각 단계의 산출물을 다음 단계의 입력값으로 연결하는 연속적 워크플로우(Continuous Workflow) 구축

AI-DLC는 개발자, 기획자 간의 소통 비용(Communication Cost)을 줄이고, AI 활용 역량의 평준화를 통해 조직 전체의 AI 내재화를 가능하게 한다.

Kiro: AI-DLC 워크플로우를 위한 핵심 도구

Kiro는 AWS가 제공하는 Agentic AI IDE로, AI-DLC 워크플로우를 효과적으로 구현하기 위한 핵심 도구로 활용되었다. Kiro의 Steering 파일(Steering File)을 통해 코드 컨벤션, 기술 스택, 아키텍처 패턴, 작업 규칙을 정의하고, AI가 이를 일관되게 반영하도록 제어한다.

Custom Agent: 특정 역할에 특화된 AI 에이전트를 정의하고 팀원과 공유하여 일관된 결과물(Consistent Result)을 생성

Kiro CLI: Custom Agent 정의, Steering 설정, Knowledge Base 연동을 코드 기반으로 관리하여 프로젝트별 맞춤형 AI(Customized AI) 동작 구현

Spec-Driven 기능: AI-DLC 워크플로우 저장소에 정의된 Steering 파일을 기반으로 요구사항 분석, 유저 스토리 작성, 시스템 설계, 코드 생성, 테스트 등 구조화된 프로세스(Structured Process)를 따르도록 유도

Kiro는 AI-DLC의 각 단계를 자동화하고, 개발 생산성을 향상시키는 데 기여했다.

하네스 엔지니어링: AI의 역량 통제

하네스 엔지니어링(Harness Engineering)은 AI가 자유롭게 판단하도록 두는 대신, 사람이 먼저 구조와 방향을 설계하고 AI는 그 안에서 실행하도록 통제하는 개발 방식이다. CJ올리브영은 Kiro의 Steering 파일과 Custom Agent를 활용하여 하네스 엔지니어링을 구현했다.

Steering 파일: AI의 행동 범위를 정의하여 AI의 예측 가능성(Predictability) 확보

Custom Agent: 역할별 AI 에이전트를 분리하여 책임 분담(Responsibility Division) 및 팀 협업 효율 증대

AI-DLC: 각 기업의 도메인과 프로젝트 특성에 맞게 Steering 파일, Custom Agent를 커스터마이징할 수 있는 유연한 프레임워크(Flexible Framework) 제공

하네스 엔지니어링은 AI의 역량을 극대화하면서도, 통제 가능한 개발 환경을 구축하는 데 기여한다.

AI 기반 멀티 에이전트 파이프라인: 레거시 시스템 현대화

CJ올리브영은 레거시 UI 개발 솔루션 기반의 백오피스 시스템을 React 기반 모던 웹 스택으로 전환하기 위해 AI 기반 멀티 에이전트 파이프라인을 구축했다. 이 파이프라인은 Kiro의 Custom Agent 기능을 활용하여 레거시 화면 분석부터 코드 생성, 테스트, 검증까지 자동화했다.

Legacy Analyzer: 레거시 화면 분석 및 UI 컴포넌트 구성, API 호출 패턴, 데이터 바인딩 구조 문서화

React Codegen: 분석 결과를 바탕으로 React 컴포넌트 코드 생성

Test Runner: 생성된 코드에 대한 테스트 실행 및 실패 시 코드 보완 (자동 재시도 루프)

Phase Reporter: 각 단계의 실행 결과를 종합한 검증 리포트 생성

이러한 자동화된 파이프라인은 개발 생산성 향상, 유지보수성 개선, 그리고 레거시 시스템 현대화(Legacy System Modernization)를 가속화하는 데 기여했다.