올리브영, AI-DLC 도입으로 개발 프로세스 혁신 시작

AI-DLC는 생성형 AI를 소프트웨어 개발 생명주기(SDLC) 전체에 통합하는 방법론으로, 각 단계별 AI와 사람의 역할을 명확히 정의한다. 특히, Inception Phase(요구사항 분석, 설계), Construction Phase(기능 설계, 코드 생성), Adaptive Workflow(프로젝트 특성 맞춤형 실행), Human-in-the-Loop(중요 의사결정 시 사람의 승인)을 통해 개발 프로세스의 효율성과 품질을 동시에 확보한다. AI-DLC는 모호한 요구사항을 정제하고, 구조화된 설계 문서를 기반으로 코드를 생성하는 일관된 워크플로우를 제공하여 개발 경험에 관계없이 같은 품질의 결과물을 얻을 수 있도록 지원한다.

올리브영은 AWS와 함께 3일간의 Unicorn Gym 워크숍을 통해 AI-DLC를 직접 경험했다. 워크숍에서는 Kiro를 AI 코딩 어시스턴트로 활용하여, Steering 파일 설정(AI에게 팀의 일하는 방식 학습), Inception Phase(요구사항 분석, 사용자 스토리 작성, 애플리케이션 설계), Construction Phase(기능 설계, 코드 생성), Build & Test(MVP 완성) 단계를 거쳤다. 특히, Brownfield 과제에서는 레거시 시스템의 현대화를 시도하며 AI-DLC의 Reverse Engineering 단계를 통해 레거시 코드베이스 분석의 효과를 검증했다. 워크숍을 통해 AI-DLC의 각 단계를 경험하고, 실제 프로덕션 적용 가능성을 확인했다.

AI-DLC 도입을 통해 AI는 단순 코드 생성 도구가 아닌, 요구사항 정제, 설계 대안 제시, 놓친 부분 지적 등 사고의 파트너(Thinking Partner)로 기능했다. 또한, '바이브 코딩'에서 '스펙 코딩'으로의 전환을 통해 요구사항 정의, 도메인 엔티티, 비즈니스 규칙, NFR 문서가 코드와 함께 생성되는 구조를 만들었다. AI-DLC의 단계별 프로세스를 통해 경험이 적은 멤버도 일정 수준 이상의 설계 산출물을 만들어낼 수 있었으며, 조직 역량 상향 평준화(Leveling Up)를 달성했다. Brownfield 프로젝트에서 레거시 코드베이스 분석에 드는 초기 비용을 줄이고, AI 파이프라인을 활용한 마이그레이션의 공수 절감 가능성을 확인했다.

AI-DLC를 도입하면서 AI 생성 문서의 관리, 설계의 적정 깊이, 컨텍스트 관리 등 해결해야 할 과제도 드러났다. AI-DLC의 각 단계에서 생성되는 방대한 설계 문서의 관리 및 일관성 유지, 프로젝트 단계별 적정 설계 깊이에 대한 가이드라인 부재, AI 협업 시 컨텍스트 구조화 및 축적 방식의 표준화 필요성이 제기되었다. 올리브영은 이러한 과제 해결을 위해 사내 기술 커미티를 통해 최적의 방안을 모색하고, AI 샌드박스 신설 및 AI 프런티어 프로그램 론칭을 통해 AI 내재화(AI Internalization)를 위한 노력을 지속하고 있다.

올리브영은 워크숍 결과를 실제 프로덕션에 적용하기 위한 논의를 지속하고 있으며, AI 샌드박스 신설 및 사내 AI 프런티어 프로그램을 통해 AI 활용을 장려하고 있다. 또한, 개발자뿐 아니라 PM(Product Manager)으로 워크숍 대상을 확대하여 AI-DLC의 Inception Phase를 PM의 업무 영역과 연계할 계획이다. AI-DLC와 같은 워크플로우가 조직 내부에 자리 잡으면, 팀과 역할의 경계를 넘어 하나의 프로세스로 협업하는 것이 가능해질 것으로 기대하며, AI와 함께 일하는 문화를 조직에 뿌리내리기 위해 노력하고 있다.