AI 네이티브 엔지니어링 조직
한 줄 정의
AI 네이티브 엔지니어링 조직은 코딩 처리량보다 검증, 리뷰, 보안, 제품 판단, 프로세스 폐기가 병목이 되는 환경에 맞춰 팀 규범을 다시 설계한 조직 운영 모델이다.
핵심 요지
- AI coding agent가 구현 속도를 높이면 병목은 코딩에서 검증, 코드 리뷰, 유지보수, 보안, 제품 판단으로 이동한다.
- 오래된 프로세스는 저절로 사라지지 않으므로 “아직 목적을 달성하는가”를 정기적으로 묻고 없애거나 자동화해야 한다.
- 기술 논쟁은 화이트보드 토론보다 여러 구현 PR을 만들어 호출자 영향과 유지보수 비용을 비교하는 쪽이 싸질 수 있다.
- 신뢰 경계, 법률, 보안, 제품 감각처럼 실패 비용이 큰 영역은 여전히 사람 전문가가 책임져야 한다.
상세
1. 코딩의 가격 하락과 병목의 이동 (Bottlenecks Have Moved)
Fiona Fung(Claude Code & Co-work 엔지니어링/제품 총괄, 前 Meta · Microsoft)은 2025년 5월 22일 Anthropic 첫 개발자 컨퍼런스 발표에서 **“과거에 당신을 섬겼던 프로세스가, 더 이상 당신을 섬기지 않을 수 있다”**고 지적했다.
- 기존 패러다임: 코딩 처리량(엔지니어링 대역폭)이 가장 비싸고 느린 자원이었기에, 폭포수, 애자일, 사전 디자인 문서, 코드 리뷰 등 모든 규범이 코딩 비용을 아끼는 방향으로 최적화되었다.
- 새로운 현실: AI 에이전트로 인해 코딩 비용이 급락하고 처리량이 폭발하자, 진짜 병목은 다음 영역으로 이동했다.
- 검증(Verification): 생성된 코드가 정확하게 동작하는지 검증하는 것.
- 코드 리뷰(Review): 폭증하는 방대한 변경 코드를 어떻게 검토할 것인가.
- 유지보수(Maintenance): 에이전트가 쏟아내는 수많은 코드를 누가 관리할 것인가.
- 보안(Security): 민감하거나 취약점이 있는 코드를 걸러내는 일.
- 교차 기능 파트너(Cross-functional Gaps): 디자이너, PM 등의 역할이 AI로 증강되며 경계가 모호해지는 현상.
- 핵심 격언: “빌드가 싸지면, 논쟁이 비싸진다(When building is cheap, arguing is expensive).“
2. 조용히 작동을 멈추는 프로세스들 (Processes That Quietly Stop Working)
비용 구조가 변했음에도 기존 개발 관행은 저절로 사라지지 않는다. Fiona는 다음 프로세스들을 명시적으로 폐기하거나 자동화할 것을 권장한다.
- 사전 디자인 문서: 기획 단계에서 수많은 상세를 문서화하기보다, JIT Planning(Just-In-Time)을 적용해 필요한 시점에 필요한 만큼만 계획하고 즉시 코딩 에이전트로 구현한다.
- 코드 소유권: 에이전트가 PR의 대부분을 작성하고 지원하므로 전통적인 “누가 썼는가”는 무의미해진다. 대신 회귀 버그 발생 시 context 추적을 자동화한다.
- 장기 로드맵: 3개월 만에 프레임워크와 모델 성능이 급변하므로 6개월 이상의 장기 계획은 비효율적이다.
- 제품 리뷰 미팅: 50명이 모여 노트북만 보다가 자기 순서에만 상태 보고를 하던 회의처럼, 목적을 상실한 미팅은 전부 취소하고 에이전트 기반의 상태 보고 자동화로 대체한다.
- 스탠드업 미팅: 수동 보고 대신 Claude 스크립트를 통해 자동으로 현황을 업데이트한다.
3. 재작성된 팀 규범과 기술 논쟁의 해결
- TDD와 검증 자동화(Shift Left): 버그가 배포 이후 발견되면 비용이 기하급수적으로 증가하므로, 가능한 한 코드 작성 소스에 가까운 앞단에서 버그를 잡는 자동화 테스트 루프를 구축한다.
- 코드 리뷰의 이원화: 린트, 스타일 검사, 기본 버그 캐치, 테스트 추가는 에이전트에게 전적으로 맡긴다. 사람은 분산 시스템 설계, 보안, 법률 검토 및 제품 고유의 취향(Taste)이 필요한 신뢰 경계(Trust boundaries) 영역만 집중 검토한다.
- “Code Wins” 기반의 기술 논쟁: 화이트보드 앞에서 아키텍처 토론으로 시간을 보내는 대신, AI 에이전트를 시켜 3가지 다른 설계 대안을 실제 작동하는 PR로 각각 빠르게 생성한다. 실제 디프(diff)와 호출자(caller)에 미치는 영향, 테스트 비용을 코드로 직접 보면서 의사결정을 내린다.
4. AI 네이티브 조직 구조 (Org Shape)
Fiona가 제시하는 Anthropic 내부의 민첩한 조직 운영 지침은 다음과 같다.
- 민첩성을 위한 플랫(Flat)화: 의사결정 단계를 줄여 피벗을 빠르게 한다.
- 팟(Pod) 미션 통합: 각 팟마다 파편화된 별도 미션을 두면 피벗 시 저항이 생기므로, 단 하나의 통합된 팀 미션을 추구한다.
- 모든 매니저의 IC(Individual Contributor) 시작: 매니저 직군도 예외 없이 직접 에이전트를 활용해 코드를 작성하고 기능을 도그푸딩하여 팀 내 신뢰(스트리트 크레딧)를 먼저 획득하도록 규정한다.
- 성과 지표의 개선: 실제 앤트로픽 내부 팀 운영 결과, 엔지니어/디자이너/PM 직군의 온보딩 램프업 타임이 극적으로 단축되었고, PR 사이클 타임이 단축되었으며, 최근 4개월간 **Claude-assisted 커밋 비율이 거의 100%**에 달했다. 단, PR 속도가 빨라지면 병목이 CI(지속적 통합) 인프라로 이동할 수 있으므로 주의해야 한다.
5. 앤트로픽 내부의 극단적 도그푸딩 (Boris Cherny 인터뷰)
TypeScript 프로그래밍 교과서의 저자인 Boris Cherny(Cloud Code 창시자)는 2026-05-16 인터뷰에서 앤트로픽 내부와 외부의 격차가 모델 자체가 아니라 조직 프로세스와 문화에 있음을 강조했다.
- Labs 인큐베이션 역사: 2024년 말 Mike Krieger(현 Anthropic CPO) 지도하에 “Anthropic Labs”에서 시작되었다. 처음 6개월 동안은 보리스도 10%의 코드만 에이전트로 짤 정도로 거의 작동하지 않았으나, 2025년 5월 Opus 4 출시 이후 지수적 성장을 그렸다.
- 100% 에이전트 구현: 2025년 10~11월부터 Cloud Code 코드베이스(TypeScript/React)는 100% 에이전트가 작성하며, 보리스는 하루 수십 개에서 최대 150개의 PR을 처리하는 극단적 실험을 진행했다. SQL조차 직접 작성하지 않는다.
- 에이전트 멀티태스킹과 루프(Loops): 보리스는 컴퓨터 대신 휴대폰 모바일 앱에서 5
10개 세션을 동시 실행하여 수백수천 개의 에이전트를 병렬 작동시킨다. 또한 cron 기반으로 순환하는 자동화 루프를 설정한다.- PR 돌봄 루프: CI 실패 자동 대응, 자동 리베이스.
- CI 건강 관리 루프: flaky(불안정한) 테스트 자동 분석 및 수정.
- 트위터 피드백 클러스터링 루프: 30분마다 피드백 수집 및 군집화.
- 에이전트 협업: 회사 내 수동 코드는 전멸했으며, 서버 측 반복 작업인 “루틴(routines)“을 통해 에이전트끼리 Slack MCP로 대화하며 스스로 문제를 조율한다.
6. PM과 디자이너의 Git/GitHub 결합과 제품 제어
AI 시대 제품의 핵심 설계는 시스템 프롬프트(system prompt), 평가 데이터셋(eval dataset), 모델 버전 설정(config) 파일과 같이 텍스트로 구성된 파일에 저장된다.
- Communication Gap 제거: PM이나 디자이너가 깃허브를 들여다보지 않으면 다른 사람의 뒤늦은 요약 전달에만 의존하게 된다. PM이 직접 깃허브의 Branch, Commit, PR, Revert 구조를 활용해 도메인 정책을 직접 변경하고 커밋 히스토리를 모니터링해야 한다.
- 동시 의존성과 머지 충돌(Merge Conflict): 동일한 시스템 프롬프트 파일에서 머지 충돌이 빈번하게 일어난다면 기술적 문제가 아닌 제품 오너십과 협업 소통의 부재를 뜻하므로, PM이 이를 감지하고 소통 구조를 재조정해야 한다.
7. 비즈니스 가치 창출의 재편 (Hamilton Helmer 7 Powers)
코딩 비용이 100배 저렴해지고 스타트업이 10배 증가하는 환경에서 비즈니스 경쟁력은 Hamilton Helmer의 “7 Powers”를 기준으로 재편된다.
- 전환 비용(Switching Costs)과 프로세스 파워(Process Power)의 가치 약화: 모델이 코드 포팅을 자동화하고, 스스로 내부 프로세스를 지속적으로 학습하여 최적화(hill climb)할 수 있으므로 두 장벽은 낮아진다.
- 네트워크 효과(Network Effects), 규모의 경제(Scale Economies), 독점 자원(Cornered Resources)의 지배력 강화: 플랫폼의 본질적 가치와 암묵적 지식을 쥔 독점적 채널/데이터 장벽은 더욱 강력해진다.
조직 점검 질문
- 우리 팀의 실제 병목이 코딩 자체인지, 아니면 검증·리뷰·배포·승인인지 구분했는가.
- 오래된 회의, 문서, handoff 절차가 여전히 목적을 달성하는지 주기적으로 검토하는가.
- AI가 구현 속도를 높였을 때 사람 전문성이 필요한 마지막 판단 지점(법률, 보안, 취향)을 명확히 남겨 두었는가.
- dogfooding, prompt 공유, 검증 습관 같은 팀 규범이 개인 숙련에만 머물지 않고 조직 수준으로 올라갔는가.
- PM과 디자이너가 실시간 변경 이력을 직접 모니터링하고 텍스트 자산을 직접 수정할 수 있도록 깃허브 워크플로우를 연동했는가.
core 승격 전 확인할 증거
이 노트를 core로 올리려면 아래 종류의 추가 raw가 더 필요하다.
- 비 Anthropic 사례: 다른 조직도 코딩 병목이 검증·리뷰·보안으로 이동했는지 보여 주는 운영 사례
- 실패 사례: 프로세스 폐기나 과도한 자동화가 어떤 부작용을 낳았는지 다룬 반례
- 정량 운영 지표: PR 처리량보다 review latency, rollback, incident, test burden 같은 지표 변화
- 조직 역할 재배치 사례: PM, 디자이너, 매니저, 보안 담당이 agent 도입 후 무엇을 더 맡게 됐는지 설명하는 자료
예시
- API 리팩터링 논쟁에서 세 가지 PR을 만들어 호출자 변경량과 유지보수 비용을 비교한다.
- 50명이 모이는 주간 리뷰 미팅이 실제 목적을 달성하지 못하면 상태 보고 자동화로 대체하거나 회의를 없앤다.
- 코드 리뷰에서 스타일, lint, 테스트 추가는 에이전트에 맡기되 분산 시스템, 보안, 법률, 제품 감각은 사람 전문가가 본다.
- PM이 아리아(Aria) AI 고객 상담 저장소에서
/prompts/aria-system-prompt.txt파일을 직접 정독하고 수정 PR을 생성해 머지한다.
충돌
- 강한 Anthropic 내부 사례의 일반성: 하루 수십~150개 PR, 수동 코드 전멸과 같은 극단적인 사례는 Anthropic Labs라는 특정 조직의 TypeScript/React 등 학습 데이터가 고도로 풍부한 환경에 국한될 수 있다. 타 조직이나 레거시 언어에서는 동일하게 적용하기 어려우며 “다음 모델을 기다려야” 할 수 있다. (확인 날짜: 2026-05-26)
- 완전 자동화 코드 리뷰의 속도 vs 신뢰성: 에이전트에 코드 리뷰를 100% 맡겼을 때 속도는 빠르지만, 중요한 설계적 맥락을 놓칠 수 있어 여전히 신뢰 경계(Trust boundaries) 설정에 대한 기술적 합의가 충돌한다.