CROSS Blog 홈
문화

AI와 함께 회사의 병목 해결하기 - 개인의 AI 활용을 조직의 역량으로 만드는 일

개발봇과 공통 툴킷을 모으고, 각각의 프로젝트를 연결하며 CTO의 역할을 다시 생각했습니다.

김태규

문화 · · 7분

AI

AI와 함께 회사의 병목 해결하기 연재 4/4
개발봇과 공통 툴킷을 모으고, 각각의 프로젝트를 연결하며 CTO의 역할을 다시 생각했습니다.

회차 글 중심 내용
1 회사는 커졌는데, 왜 일은 같은 사람에게 몰릴까 협업·데이터·개발에서 발견한 공통 병목과 전체 방향
2 어드민을 바꿨더니, 문제를 해결하는 사람이 늘어났다 AI 활용, 반복 가능한 이관 방식, 도메인과 역할의 분산
3 같은 숫자와 같은 맥락을 보고 일하기 위해 BI·PMO를 통한 데이터 접근과 업무 맥락의 공유
4 개인의 AI 활용을 조직의 역량으로 만드는 일 (지금 읽는 글) 개발봇·공통 툴킷, 프로젝트 간 연결과 CTO의 역할

AI 도입 초기에는 각자 잘 쓰는 방법을 찾는 일이 중요했습니다. 앱, 프론트엔드, 서버마다 프로젝트에 맞는 스킬과 훅, 에이전트가 만들어졌습니다. 팀별로 슬랙봇도 생겼습니다.

이 시도들은 실제로 도움이 됐습니다. 서버에서 앱의 동작을 물어보거나 앱에서 서버 로직을 확인할 때, 동료에게 매번 질문하는 대신 봇으로 먼저 확인할 수 있었습니다. 각자의 업무에서 발견한 반복 작업을 AI로 줄이는 방법도 쌓였습니다.

그런데 활용이 늘면서 새로운 문제가 보였습니다. 비슷한 기능을 여러 곳에서 만들고 있었고, 사용법과 유지보수 방식도 달랐습니다. 누가 어떤 도구를 알고 있느냐에 따라 업무 방식에 차이가 생겼습니다.

개인의 생산성을 높인 경험을 조직이 계속 활용할 수 있는 역량으로 옮길 단계였습니다.

좋은 사용법이 만든 사람에게만 머물지 않도록

각 프로젝트 안에는 협업에 유용한 기능이 이미 있었습니다.

슬랙 스레드를 검토해 개발 설계를 정리하고 PMO와 GitLab 이슈로 옮기는 스킬이 있었습니다. Figma 기획문서를 읽고 개발에 필요한 누락 사항을 찾거나, 추가 질문과 보완을 요청하는 스킬도 있었습니다.

이런 기능은 만든 사람의 업무를 넘어 다른 구성원에게도 도움이 될 수 있었습니다. 반면 팀 간 합의와 공통 기준 없이 흩어져 있으면 담당자가 바뀌거나 퇴사했을 때 유지하기 어렵습니다. 관리 부담이 특정인에게 몰릴 수도 있습니다.

그래서 공통으로 활용할 기능을 하나의 툴킷으로 모아 사내에 배포했습니다. 누군가의 숙련된 사용법을 다른 사람도 이용할 수 있는 형태로 만드는 작업이었습니다.

신 어드민 이관에서 얻은 경험과도 연결됩니다. 반복 가능한 규칙과 필요한 맥락을 명시하면, 그 작업에 참여할 수 있는 사람이 늘어났습니다. AI 활용에서도 같은 접근을 적용하고 싶었습니다.

개발봇을 개발 관련 소통의 접점으로

팀마다 따로 운영하던 봇도 개발봇이라는 이름으로 통합했습니다. 민감한 정보를 제외한 클라이언트와 서버 프로젝트의 로직을 함께 읽고 개발 관련 질문에 답할 수 있게 했습니다.

개발봇을 통해 만들고 싶은 흐름은 질문의 출발점에서 필요한 맥락을 먼저 확인하는 것입니다. 어떤 동작인지 묻는 질문에 답하고, 개발이 필요한 내용은 이슈로 정리하며, 추가 확인이 필요한 사항을 구체화하는 역할입니다.

그렇게 되면 동료에게 들어오는 질문도 필요한 맥락이 정리된 상태로 전달할 수 있습니다. 담당 개발자가 업무 중간마다 처음부터 내용을 파악해야 하는 부담을 줄이고 싶었습니다.

flowchart TD
    A[개발 관련 질문과 요청] --> B[개발봇]
    B --> C[코드와 로직 확인]
    C --> D[질문에 답변]
    C --> E[추가 확인 사항과 개발 이슈 정리]
    E --> F[담당자와 논의하고 판단]

이 역할은 제품개발팀 내부에만 한정되지 않습니다. 다른 조직에서도 제품과 개발에 관한 질문과 요청을 합니다. 전사에서 개발과 만나는 구간의 소통을 돕는 것이 개발봇의 목표입니다.

지금 사용하는 기능과 앞으로 연결할 기능

현재까지는 공통 툴킷 배포와 팀별 봇 통합을 진행했고, 개발봇을 통해 프로젝트 로직에 관한 질의응답이 가능한 상태입니다.

다음 단계의 작업은 진행 중이거나 계획 단계에 있습니다.

구분 내용 현재 상태
공통 툴킷 협업에 필요한 파편화된 스킬을 모아 사내에 배포 배포
개발봇 클라이언트·서버 프로젝트의 로직을 바탕으로 질의응답 통합·활용
오류 대응 파이프라인 오류 분석 → 개발 이슈 설계·생성 → 자동 개발 → MR 검수 직무별 초기 구축 중
개발봇과 BI 연결 코드로 확인하기 어려운 질문에 DW의 근거 데이터를 활용 계획
개발봇과 PMO 연결 이슈 등록과 프로젝트 진행 확인을 돕는 코디네이터로 확대 계획
개발 과정 전반의 연결 공통 스킬·프로젝트 봇·QA 봇과 CI/CD를 연결해 피드백 주기 단축 지향점

이 기능들이 연결되면 개발봇은 코드에 답하는 도구에서 더 넓은 맥락을 다루는 접점으로 확장될 수 있습니다. 어떤 문제가 제기됐고, 실제 데이터는 어떻고, 관련 프로젝트가 어디까지 진행됐는지를 이어서 확인하는 모습입니다.

아직 그 전체 흐름이 완성된 것은 아닙니다. 각각의 기반이 생겼고, 지금 그 사이의 연결을 만들고 있습니다.

따로 진행한 프로젝트들이 향한 방향

어드민, BI, PMO, 개발봇은 각 담당자가 자신의 전문성을 발휘하며 만든 결과물입니다. 추진 과정에서 제가 연결하고 싶었던 방향을 정리하면 다음과 같습니다.

flowchart TD
    A[신 어드민] --> E[도메인을 이해하고 실행할 사람의 범위 확대]
    B[BI] --> F[상황과 성과를 직접 확인]
    C[PMO] --> G[목표와 결정의 맥락 공유]
    D[개발봇과 공통 툴킷] --> H[질문과 실행에 필요한 반복 비용 감소]
    E --> I[더 많은 구성원이 판단하고 기여하는 조직]
    F --> I
    G --> I
    H --> I

어드민에서는 소수에게 집중된 도메인 지식과 구현 역할을 나눴습니다. BI에서는 데이터를 확인하기 위해 기다리는 시간을 줄였습니다. PMO에서는 논의에 참여했던 사람만 알던 업무의 맥락을 공유하려 했습니다. 개발봇과 공통 툴킷에서는 개인에게 쌓인 AI 활용 경험을 함께 쓸 수 있게 만들고 있습니다.

각 프로젝트에는 그 자체로 해결해야 할 현실적인 문제가 있었습니다. 동시에 이 일들은 더 많은 사람이 같은 목표를 이해하고 자신의 역량을 발휘할 수 있는 구조로 이어지고 있었습니다.

처음부터 세부 설계가 모두 정해져 있던 것은 아닙니다. 지식과 역할의 편중을 줄여야 한다는 문제의식이 있었고, 어드민에서 가능성을 확인하며 다른 과제에도 적용할 원칙이 구체화됐습니다. 각 담당자가 실행하며 찾아낸 해법이 큰 그림을 더 선명하게 만들었습니다.

그 안에서 CTO가 해야 할 일

AI를 활용하면서 각 구성원이 자신의 전문 분야를 더 깊이 탐구하고, 해결책을 구체화할 수 있는 범위가 넓어졌습니다. 기술을 조사하고 구현하는 역량도 팀 곳곳에서 커지고 있습니다.

그만큼 CTO로서 제 시간이 어디에 쓰여야 하는지 다시 생각하게 됐습니다. 각자의 전문성이 어떤 회사의 문제와 연결되는지 보고, 여러 해법을 조합했을 때 어떤 변화가 가능한지 그려보는 일이 더 중요해졌습니다.

그 방향을 로드맵으로 만들고, 구성원들이 왜 필요한 일인지 이해하며 기여할 수 있도록 지원하는 역할입니다. 목표를 정하는 데 더해 실행할 조건을 마련하고, 구성원들의 발견에 따라 방향을 보완하는 일도 포함됩니다.

이번 과정을 돌아보면 그 연결 의도를 더 일찍, 충분히 설명할 필요도 있었습니다. 각자가 맡은 프로젝트를 잘 끝내는 것과 자신의 일이 회사의 어떤 변화를 만드는지 이해하는 것은 다릅니다. 이 글을 쓰는 이유도 그 맥락을 함께 나누고 싶어서입니다.

더 많은 사람이 생각하고, 자신의 전문성을 발휘하는 조직

개발팀이 회사에 필요한 제품을 실체화하는 조직이라는 점은 앞으로도 같습니다. 다만 각자가 기여할 수 있는 범위는 더 넓어질 수 있다고 생각합니다.

고객의 관점과 사업의 조건, 설계의 방향을 함께 고민하는 사람이 늘어나기를 바랍니다. 동시에 자신의 분야를 깊이 탐구하는 전문가도 많아져야 합니다. 이 연재에서 말하는 Thinker는 더 넓은 맥락을 이해하고 자신의 전문성을 그 안에서 발휘할 수 있는 사람입니다.

그 시간을 만들기 위해 생산성을 높여야 했고, 그 판단을 가능하게 하기 위해 데이터와 맥락을 공유해야 했습니다. AI 활용과 내부 도구 구축은 그 조건을 함께 만드는 과정이었습니다.

앞으로도 새로운 병목은 생길 것입니다. 지금 만든 도구가 모든 문제의 답이 되지는 않을 겁니다. 그래도 이번 과정에서 얻은 접근은 계속 가져갈 수 있다고 생각합니다. 무엇이 사람들의 기여를 막고 있는지 찾고, 해결에 필요한 조건을 마련하고, 구성원들의 전문성을 연결해 실제 변화를 만드는 것입니다.

2026년에 추진한 이 일들이, 크로스에서 더 많은 사람이 자신의 역량으로 회사의 다음 성장을 만들어갈 수 있는 기반이 되기를 바랍니다.


이전 글: 같은 숫자와 같은 맥락을 보고 일하기 위해
첫 글: 회사는 커졌는데, 왜 일은 같은 사람에게 몰릴까

도움이 되었다면 눌러주세요

댓글 0

첫 댓글을 남겨보세요.