AI가 코드를, 개발자는 제품을: AI 네이티브 개발 시대의 PE 역할
AI 기반 코딩(AI-based coding) 환경에서 개발자는 코드 작성 대신 제품 설계(Product Design)와 검증(Verification)에 집중
해커톤(Hackathon) 사례를 통해 AI 디자인 도구(Figma Make, Figma MCP)와 AI 코드 생성(AI Code Generation)의 가능성 제시
AI가 생성한 코드를 실제 서비스에 적용하는 과정에서 기존 코드와의 충돌(Code Conflict), 디자인 규칙 미준수(Design Rule Violation) 등의 문제 발생
마이리얼트립은 '모두의 AI' 슬랙 채널을 통해 AI 활용 관련 지식 공유(Knowledge Sharing) 및 문제 해결(Problem Solving) 시도
PE(Product Engineer) 조직은 AI가 이해할 수 있는 규칙 정의(Rule Definition), 플랫폼별 병목 점검(Platform Bottleneck Check), 자동 테스트(Automated Testing) 구축에 집중
AI 네이티브 개발 환경의 변화
본문에서는 AI 기반 코딩 환경에서 개발자의 역할 변화를 강조하며, 코드 작성은 AI에게 위임하고 제품 설계(Product Design)와 검증(Verification)에 집중하는 PE(Product Engineer)의 사례를 소개한다.
AI 도구 활용: Cursor, Claude Code 등 AI 기반 코딩 도구를 활용하여 개발 생산성 향상
제품 중심 사고: “어떻게 구현할까”보다 “어떤 목적을 가질지”에 대한 고민을 통해 제품 가치(Product Value) 창출
팀 협업 강화: 팀과 함께 방향을 맞추고 규칙을 정리하는 것이 문제 해결 속도(Problem Solving Speed)를 높이는 핵심 전략
결과적으로 AI는 단순 반복 작업을 대체하고, 개발자는 창의적인 문제 해결(Creative Problem Solving)에 집중하는 환경으로 변화하고 있다.
AI 기반 디자인 및 코드 생성 해커톤 사례
글에 따르면, AI를 활용한 해커톤(Hackathon) 사례를 통해 AI 기반 디자인 및 코드 생성의 가능성을 보여준다. 특히, Figma Make, Figma MCP와 같은 AI 디자인 도구를 활용하여 디자인 시안을 생성하고, 이를 코드로 변환하는 과정을 시연했다.
항공권 지연 정보 개선: 앱스토어 사용자 리뷰를 분석하여 항공권 지연 정보 알림 기능(Flight Delay Notification) 구현
에이전트형 코딩(Agentic Coding): AI가 디자인하고 코드를 생성하고, 사람이 맥락을 부여하는 방식
iOS 실시간 데이터 연동: iOS 실시간 데이터(Real-time Data)를 활용하여 사용자 경험 개선
이러한 사례는 AI가 개발 프로세스 전반에 걸쳐 활용될 수 있음을 시사하며, AI 기반 개발(AI-driven Development)의 미래를 보여준다.
AI가 만든 코드의 실서비스 적용 과정의 어려움
본문에서는 AI가 생성한 코드를 실제 서비스에 적용하는 과정에서 발생하는 어려움을 지적한다. AI가 디자인과 코드를 생성하는 것 자체는 수월하지만, 기존 코드, 디자인 규칙, 팀 규칙에 맞추는 과정에서 병목이 발생한다는 것이다.
기존 코드와의 충돌: AI가 생성한 코드가 기존 코드와 충돌하여 수정 및 통합(Modification and Integration) 필요
디자인 규칙 미준수: AI가 생성한 디자인이 팀 디자인 규칙을 따르지 않아 디자인 일관성(Design Consistency) 유지 어려움
플랫폼별 맞춤: iOS, 안드로이드 등 각 플랫폼에 맞는 UI/UX 구현의 어려움
결과적으로 AI가 생성한 결과물을 실제 서비스에 적용하기 위해서는 사람의 검토 및 수정(Human Review and Modification)이 필수적이며, AI가 이해할 수 있는 규칙을 정의하는 것이 중요하다.
AI 네이티브 조직 문화와 지식 공유
마이리얼트립은 AI 네이티브(Native) 조직으로서, AI 관련 지식 공유 및 문제 해결을 위해 ‘모두의 AI’라는 슬랙 채널을 운영하고 있다. 이 채널은 AI 활용에 대한 의견을 나누고, 어려운 점에 대해 서로 도움을 주는 역할을 한다.
슬랙 채널 활용: AI 관련 지식 공유(Knowledge Sharing) 및 문제 해결(Problem Solving)
도메인 지식 활용: 항공 개발팀과 협업하여 도메인 지식(Domain Knowledge)을 서비스에 반영
서비스 반영: 채널에서 논의된 내용이 실제 서비스에 반영되는 사례 제시
이러한 조직 문화는 AI 기술 도입의 성공적인 안착을 돕고, 지속적인 혁신(Continuous Innovation)을 가능하게 한다.
PE 조직의 AI 기반 개발 프로세스 개선
PE(Product Engineer) 조직은 AI 기반 개발 프로세스 개선을 위해 노력하고 있다. AI가 이해할 수 있는 규칙을 정의하고, 플랫폼별 병목을 점검하며, 자동 테스트를 구축하는 등 AI 활용을 위한 기반을 마련하고 있다.
규칙 정의: AI가 이해할 수 있는 형태로 제품 요구사항 문서(PRD) 및 디자인 규칙(Design Rule) 정리
플랫폼별 병목 점검: 인프라, 권한, 서버, iOS, 안드로이드 등 플랫폼별 병목 점검
자동 테스트 구축: 자동 테스트(Automated Testing)를 통해 개발 효율성 향상
결과적으로 PE 조직은 AI가 개발 프로세스 전반에 걸쳐 활용될 수 있도록 체계적인 시스템(Systematic System)을 구축하고 있다.
