토스, AI로 테크니컬 라이팅 자동화 성공!

토스 팀은 AI를 테크니컬 라이터(TW)로 활용하기 위해 기존 TW의 암묵지를 학습시키는 데 집중했다. 테크니컬 라이팅 가이드를 기반으로 잘못된 예시와 올바른 예시를 짝지어 AI에게 제공했으며, ADR(Architecture Decision Record)과 같은 문서 유형별로 필수 섹션(required)을 명시한 템플릿을 개발했다. 이 템플릿은 AI가 의도에 맞는 내용을 채우고 필수 정보를 누락하지 않도록 설계되었다. 또한, 문서 작성 과정을 '무엇을 위한 글인지 묻기', '문서 구조 만들기', '내용 작성하기', '점검하기'의 네 단계로 정의하고 이를 Skill 프롬프트에 반영하여, 사용자는 질문에 답하는 것만으로 문서 초안을 얻을 수 있다. 이는 AI가 TW의 역할을 일부 대체하여 문서 작성 부담을 줄이는 것을 목표로 한다.

문서 리뷰 자동화를 위해 토스 팀은 AI가 테크니컬 라이팅 원칙을 자율적으로 적용하는 워크플로를 구축했다. 기존의 리뷰 코멘트 체크리스트 방식은 잘못된 글의 다양한 문제점을 놓치는 한계가 있었다. 이를 극복하기 위해 AI가 테크니컬 라이팅 원칙 파일을 읽고, 리뷰할 문서를 분석하여 원칙에 맞지 않는 부분을 찾아 코멘트를 생성하도록 했다. 코멘트 생성 후에는 원칙 기반의 최종 검토 단계를 거친다. 이 과정에서 기존 리뷰 코멘트는 AI가 원칙을 이해하도록 돕는 예시 자료로 활용되었다. 이는 AI가 기계적 해석을 넘어 맥락을 이해하고, 자율적으로 문서의 품질을 개선하도록 유도하는 방식이다.

AI Skill의 낮은 사용성을 개선하기 위해 토스 팀은 별도 설치나 의식적인 호출 없이 업무 흐름 속에서 자연스럽게 사용할 수 있도록 했다. 사내 메신저 챗봇 '토독이'는 사용자가 대화 중 문서를 요청하면, 메신저 대화 내용과 내부 자료를 직접 찾아 문서 초안을 생성한다. 이는 암묵지를 문서화하고 사용자의 자료 수집 부담을 줄인다. GitHub Actions를 활용한 자동 리뷰 워크플로는 PR 생성 시점에 맞춰 AI가 자동으로 리뷰 코멘트를 제공하여, 개발자에게 익숙한 환경에서 코드 리뷰와 유사한 경험을 제공한다. 이 통합 전략은 사용자 경험(UX)을 극대화하고 AI Skill의 실질적인 도입률을 높이는 데 기여했다.

토스 팀의 AI 기반 문서화 자동화는 TW의 직접적인 글쓰기 및 다듬기 업무 부담을 크게 경감시켰다. 사용자는 이제 막막함 없이 문서를 쉽게 생성하고, 개발자는 익숙한 환경에서 리뷰를 받을 수 있게 되었다. 그러나 문서의 양이 급증하면서 중복 및 노후화 문제가 새로운 과제로 떠올랐다. 향후 과제는 생성된 지식이 스스로 순환하는 시스템 설계에 있으며, 이는 지식의 생성, 검증, 갱신, 폐기 과정을 자동화하는 것을 목표로 한다. 이 목표가 달성될 때, 진정한 의미에서 TW의 역할이 변화할 것으로 전망된다.