핵심 내용 요약
AI를 활용한 코드 생성률은 이미 60%에 달했지만(예: 콰이쇼우), 기업 전반의 연구개발(R&D) 효율성은 동시에 향상되지 않았습니다. 문제는 AI의 생성 능력 자체가 아니라 개인의 효율성 향상이 조직 전체의 효율성 향상으로 이어지지 않는다는 점에 있습니다. 기존의 R&D 모델, 협업 환경의 손실, 지식의 부족 등이 주요 원인입니다. 동시에 AI 도구들은 개인 보조 수준(Copilot)에서 팀 협업 수준(Agent Team)으로 발전하고 있으며, R&D 직원이 아닌 운영자나 제품 담당자들도 AI를 활용해 소프트웨어를 개발하기 시작했습니다. 미래에는 AI가 기업의 조직 구조 전체를 변화시킬 것이지만, 인간의 판단력과 수요 예측 능력이 여전히 핵심 경쟁력으로 남을 것입니다.
1. AI로 개인의 작업 속도는 빨라졌지만, 조직은 따라오지 못하고 있습니다 – 효율성이 저해되는 세 가지 주요 원인
많은 기업들이 발견했습니다: 엔지니어들이 AI를 사용해 코드를 작성하는 속도가 40%나 빨라졌지만, 프로젝트의 전체 기간은 단축되지 않았으며 팀의 총 생산성도 증가하지 않았습니다. 문제는 다음과 같은 세 가지 요인에서 비롯됩니다:
- 구식 조직 구조: 여전히 전통적인 프런트엔드/백엔드 분업, 제품-R&D-테스트의 과정을 따르고 있어 AI 시대에 적합하지 않습니다. 예를 들어, AI는 여러 파일 간에 코드를 생성할 수 있지만 팀은 기존의 역할에 따라 분리되어 있어 AI가 생성한 코드를 반복적으로 조정해야 하며 이로 인해 시간이 낭비됩니다.
- 협업 정보의 손실: 요구사항이 비즈니스 부서에서 R&D 부서로 전달될 때, 관련 문맥(예: 비즈니스 배경, 시스템 규칙 등)이 지속적으로 손실됩니다. AI는 코드를 작성할 수 있지만 완전한 정보를 얻지 못하면 실제 요구사항에 맞지 않는 코드가 생성되어 재작업이 필요합니다.
- 지식의 분산: 비즈니스 지식(예: 사용자 요구사항), 전문 분야 지식(예: 전자상거래 시스템 규칙), R&D 지식(예: 코드 표준)이 각기 다른 사람들에게 분산되어 있어 AI가 이를 빠르게 활용할 수 없으며, 이로 인해 생성된 코드가 비표준적이거나 중복 개발이 발생합니다.
2. 기업이 AI 코딩을 사용할 때 직면하는 문제들: 장기적인 작업의 방향성 상실, 신뢰할 수 없는 코드
데모에서는 AI가 매우 뛰어나 보이지만 실제 사용 시에는 요구사항에서 벗어나거나 아키텍처가 잘못 변경되거나 코드의 안전성 문제가 발생할 수 있습니다. 대기업들은 다음과 같은 방법으로 이를 해결합니다:
- 장기적인 작업의 방향성 상실: AI에게 먼저 명확한 지시를 하고 시작하도록 합니다. 예를 들어, 콰이쇼우는 AI가 작업을 시작하기 전에 요구사항을 명확히 하고 상세한 계획(SDD)을 세운 후, 사람이 계획을 확인한 후에만 AI에게 코드를 작성하도록 합니다.
- 신뢰할 수 없는 코드: 두 가지 보장 방법을 사용합니다: 첫째, 미리 코드 표준과 아키텍처 요구사항을 AI에게 알려주고; 둘째, AI가 작성한 코드를 다른 AI가 검토하도록 하며(예: A Agent가 작성한 코드를 B Agent가 검토), 자동화 테스트도 추가합니다. 마지막으로 실제 서비스에 올리기 전에 반드시 사람이 최종 확인을 합니다.
- 상황의 통제: “소규모 AI 역할 분담”을 사용합니다. 예를 들어, 복잡한 작업을 여러 개의 작은 작업으로 나누고 각기 다른 AI가 담당하도록 합니다(예: 한 AI는 요구사항 분석을, 다른 AI는 코드 생성을 담당함). 이를 통해 모든 정보가 하나의 AI에게 집중되어 혼란을 방지합니다.
3. R&D 직원이 아닌 사람들도 소프트웨어를 개발할 수 있을까? 이 트렌드는 실제인가, 환상인가?
현재 운영자, 제품 담당자, 심지어 재무 담당자들도 AI를 사용해 소규모 애플리케이션(예: 등록 시스템, 데이터 분석 도구)을 개발하고 있습니다. 이는 데모에서 보인 환상이 아니라 실제로 일어나고 있는 일입니다:
- 실제 사례: 콰이쇼우는 비R&D 직원들에게 기반 인프라를 제공하여 운영자가 등록 시스템을 개발하도록 했으며, 재무 담당자는 분석 도구를 만들었습니다. 샤오홍슈의 Muse 도구는 비R&D 직원들이 아이디어를 바로 실행할 수 있게 해주며 데이터베이스와 AI 기능을 포함하고 있습니다.
- 논란점: 보안과 품질 문제입니다. 비R&D 직원들은 기술에 대한 이해가 부족하여 보안 취약점이 있는 코드를 작성할 수 있으므로 최종 서비스에 올릴 때는 사람의 확인이 필요합니다(예: 데이터베이스 조작, 결제 인터페이스). 하지만 데모나 자동화 도구를 만드는 것은 충분히 가능합니다.
- 미래 전망: 이는 트렌드가 될 것입니다. 마치 활자 인쇄가 더 많은 사람들이 인쇄할 수 있게 한 것처럼, AI도 더 많은 사람들이 소프트웨어를 개발할 수 있게 할 것입니다. 중요한 것은 코드를 작성하는 것이 아니라 요구사항을 발견하고 사용자를 이해하는 능력입니다.
4. 기업은 자체적으로 AI 도구를 개발해야 할까, 아니면 구매해야 할까? 핵심 장벽은 모델이 아닌 조직입니다
외부 AI 도구(Claude Code, Cursor 등)는 빠르게 업데이트되고 있어 기업들은 자체적으로 개발할지 여부를 고민합니다:
- 소규모 팀/스타트업: 이미 존재하는 도구를 구매하는 것이 좋습니다. 커뮤니티에서 제공하는 도구들이 요구사항을 충족시킬 수 있으며 비용이 저렴하고 효과가 빠립니다(예: Token을 구매하기만 하면 사용 가능).
- 대기업: 혼합형 모델을 적용합니다. 핵심 부분(예: 내부 시스템과의 연동, 보안 관리 등)은 자체적으로 개발하고, 일반적인 도구는 커뮤니티에서 제공하는 것을 사용합니다. 대기업은 기존의 기술적 문제를 가지고 있어 이를 자사 시스템에 맞게 조정해야 합니다.
- 핵심 장벽: 모델이나 도구가 아니라 조직과 시스템의 역량입니다. 예를 들어, 분산된 지식을 효율적으로 활용할 수 있는지, 팀 협업 방식을 조정하여 AI와 인간이 효과적으로 협력할 수 있는지가 중요합니다.
5. 2028년을 돌아보면: AI 코딩은 기업의 구조를 완전히 뒤바꿀까?
두 명의 전문가 모두 이것이 엄청난 변화를 가져올 것이라고 예상합니다:
- 조직 구조: 순수한 “소프트웨어 회사”는 없게 될 것입니다. 모든 기업은 AI 기반의 회사가 될 것입니다. 팀은 더 폐쇄적이고 유연해질 것입니다(예: 소규모 팀이 요구사항부터 서비스 출시까지 전 과정을 AI를 사용해 직접 처리함).
- 인간의 역할: 프로그래머는 단순히 코드를 작성하는 것에서 벗어나 “요구사항 발견자 + AI 협력자”로 변할 것입니다. 예를 들어, AI를 사용해 PRD(제품 요구서)를 작성하거나 프로토타입을 그리거나 할 수 있습니다.
이상으로 기업이 AI를 활용하는 방식과 미래의 전망에 대해 설명했습니다.