AI 네이티브 전환, 맥락 없이는 벤치마킹도 없다
인프랩이 9개월간의 AI 네이티브(AX) 전환 경험을 공유하며 가장 먼저 꺼낸 말은 인사이트가 아니라 자신들의 맥락이었다. 누적 가입자 165만 명, MAU 54만 명 규모의 교육·채용 플랫폼을 56명이 운영하는 조직. 제품 조직 26명, 운영·사업 30명, 각 스쿼드는 4~6인으로 구성되며 요즘은 1~4인 스쿼드도 실험 중이다. 이 맥락을 먼저 제시한 이유는 명확하다. AI 전환 인사이트는 조직 규모, 예산, 인프라 복잡도, 보안 수준이라는 전제 조건 위에서만 의미를 갖기 때문이다.
실제로 어떤 대기업은 엔터프라이즈 플랜 기준으로 월 15억의 AI 예산을 책정했음에도 40억 이상이 집행되어 AI 사용 전체를 재점검했다고 한다. 소규모 스타트업의 실험적 접근을 300명, 2,000명 규모 조직에 그대로 이식하면 프로세스 과부하가 생기고, 반대의 경우엔 과잉 설계가 된다. 어느 방향이든 조직 맥락 없는 벤치마킹은 공회전에 가깝다.
효율과 효과는 다른 이야기다
인프랩이 9개월을 돌아보며 내린 첫 번째 결론은 냉정하다. AX로 효율은 증명됐지만, 효과는 아직이다. "예전 성과를 더 적은 인원으로 낼 수 있다"는 것과 "더 큰 성과를 낸다"는 것은 전혀 다른 명제다. 연매출 100억(순매출 기준) 이상 규모에서 AX 도입 후 50%, 100% 성장을 달성했다는 사례는 주변에서 찾기 어렵다는 게 이들의 솔직한 관찰이다.
백엔드 개발자 관점에서도 이 구분은 중요하다. AI 코딩 도구를 도입해 PR 속도가 빨라지고 보일러플레이트 작성 시간이 줄었다면 그것은 효율 지표다. 그 효율이 실제 서비스 성장이나 장애 감소, 고객 가치 창출로 이어졌는지는 별도로 측정하고 검증해야 한다. 도구 도입 자체를 성과로 착각하는 순간, 조직은 방향을 잃는다.
형식지가 먼저, 자동화는 그다음
두 번째 교훈은 자동화 순서에 관한 것이다. 인프랩은 형식지(명문화된 지식)가 먼저 갖춰진 이후에야 자동화가 의미 있다는 원칙을 세웠다. 암묵지 상태의 업무 방식을 AI에게 맡기면, AI는 잘못된 방식을 빠르게 반복할 뿐이다.
실무에서 이는 다음과 같은 순서로 적용할 수 있다.
- 반복 작업을 AI로 자동화하기 전에, 해당 작업의 기준과 절차를 문서로 명문화한다
- 코드 리뷰 기준, 에러 처리 컨벤션, 배포 체크리스트 등을 먼저 팀 내에서 합의하고 문서화한다
- 그 문서를 프롬프트나 컨텍스트로 활용할 수 있는 구조를 만든 뒤 자동화를 도입한다
// 예: 팀 컨벤션 문서를 기반으로 한 코드 리뷰 체크리스트 예시
- [ ] 예외는 커스텀 Exception으로 래핑되어 있는가?
- [ ] 트랜잭션 경계는 서비스 레이어에서 관리되는가?
- [ ] 외부 API 호출에 타임아웃 설정이 있는가?
형식지 없이 AI를 먼저 붙이는 건, 설계도 없이 자동화 배관을 까는 것과 같다.
정리
- AI 전환 사례는 조직 규모·예산·인프라 맥락과 함께 봐야 실제 적용 가능성을 판단할 수 있다
- 효율(속도·비용 절감) 개선과 효과(성장·성과) 달성은 별개이며, 혼동하면 잘못된 성공 지표를 갖게 된다
- 자동화는 형식지(명문화) 이후에 도입해야 효과적이며, 암묵지 상태에서 AI를 붙이면 잘못된 방식이 빠르게 확산된다