이건 한 시리즈의 시작이다. Prolog의 tech에서 두 달쯤 전에 시작한 전환을 이야기하려 한다: 왜 시작했는지, 무엇이 통하고 있는지, 무엇이 비쌌는지. 무대 위 이론이 아니다. 우리가 직접 겪은 것이다.
내가 글로 쓰기로 한 이유는 단순하다: 이걸 어떻게 하는지 찾아봤을 때, 의견은 많았고 그 한복판에 있던 사람의 정직한 기록은 거의 없었다. 이 글이 무언가를 짓는 다른 사람이 기댈 수 있는 자리가 된다면, 그걸로 충분하다.
시작은 불편함이었다.
내가 본 것
3월에 나와 내 동업자 Jean은 텍사스의 SXSW에 갔다. 세계에서 가장 큰 혁신 페스티벌 중 하나다. 나는 달라져서 돌아왔고, 그 불편함은 가시지 않았다. 무대에서 본 것 때문이 아니었다. 회사들이 이미 실제로 하고 있는 것을 봤기 때문이었다.
돌아와서, 바깥에서 실제로 AI로 무언가를 짓고 있는 사람들의 기술적인 콘텐츠에 파묻혔다. Instagram과 LinkedIn의 미지근한 콘텐츠가 아니라, 직접 손을 대고 배운 걸 공개하는 사람들의 깊은 콘텐츠 말이다. 그리고 일하는 방식을 진짜로 바꾼 회사의 사례를 하나둘 계속 마주쳤다. 그 차이는 미묘하면서 동시에 거대하다: 그들은 “AI를 쓰기 시작한” 게 아니라, AI를 중심에 놓았다.
이걸 무대 위 과장으로 치워버릴 수는 없다. 산업 규모의 도입이다: 큰 회사와 작은 회사, 모두가 같은 곳을 향해 걷고 있다. 나에게 박힌 것 하나는 단순한 숫자였다: Fortune 100 기업 10곳 중 9곳이 이미 Copilot을 도입했다. 하지만 중요한 수치는 도입률이 아니다. 이득의 크기다. 옛 흐름에 AI를 그냥 끼워 넣은 쪽은 생산성이 10~20% 더 늘었다고 보고한다. 그 주위로 다시 지은 쪽은 배수를 보고한다: 5배, 10배. 이 사례들은 다음 글에서 하나씩 열어보겠다. 지금 중요한 건 그들 모두가 공유하는 전환이다.
옆에 두고 쓰기 vs. 중심에 놓기
이 구분은 작아 보이지만, 모든 걸 결정하는 건 바로 이것이다.
AI를 쓴다는 건 옆에 도구를 하나 열어두고 예전과 같은 프로세스를 따라가는 것이다. 흐름은 그대로, 직무도 그대로, 리뷰도 그대로다. AI는 탭 하나가 더 늘었을 뿐이고, 각자 그걸 혼자서 알아서 다룬다. 이득은 가장자리에서 나온다.
중심에 놓는다는 건 그 주위로 프로세스를 다시 설계하는 것이다. AI가 일의 상당 부분을 지을 것이라고 전제하고, 거기서부터 흐름과 직무와 리뷰를 다시 만든다. 맥락은 하나의 대화 안에서 죽기를 멈추고 공유된다. 이득은 다른 차원이다. 같은 일을 더 빠르게 하는 게 아니라, 일 자체가 형태를 바꾸기 때문이다.
같은 일, AI가 놓이는 두 자리
옆에 둔 AI vs. 중심에 놓은 AI
AI는 옆 탭에 있다. 흐름도, 역할도, 리뷰도 그대로다. 각자 알아서, 자기 방식대로 해나간다.
+10–20% 만큼의 이득. 병목은 있던 자리에 그대로 있다.흐름과 역할과 리뷰를 AI가 만드는 주체가 되도록 다시 짠다. 맥락은 공유되고, 대화 하나에서 사라지지 않는다.
다른 차원 의 이득. 10% 더가 아니라, 일 자체가 바뀐다.그게 딱 맞아떨어지자, 질문은 “우리가 어떤 도구를 도입하느냐”가 아니라 “우리가 일하는 방식에서 무엇이 AI 없는 세상을 위해 설계됐느냐”로 바뀌었다. 그래서 나는 안쪽을 들여다보러 갔다.
진단: 각자 알아서 버티기
3월 말쯤, 우리가 아직 Claude로 옮기기도 전에, Prolog의 프로덕트, 디자인, 엔지니어링 사람들과 마주 앉아 단순한 질문을 던졌다: 하루하루 AI를 어떻게 쓰고 있나요? 뭐가 좋고, 어디서 막히고, 운영에서 어떤 병목이 보이나요.
내가 들은 답이 나를 사로잡았다.
각자 다른 도구를 쓰고 있었다. 한 명은 Copilot, 다른 한 명은 Claude, 또 다른 한 명은 전부 Prolog 내부 AI에 던져 넣었다. 그리고 흩어진 도구보다 더 나빴던 건 흩어진 맥락이었다: 한 사람이 AI와 대화하며 쌓아 올린 게 딱 거기서, 그 사람과 함께 죽었다. 예를 들어 유지보수 팀은 Prolog AI 안에 그 프로덕트의 규칙이 담긴 좋은 자료를 만들어 뒀다. 그런데 그게 같은 종류의 맥락이 필요한 타이어 팀에는 전혀 닿지 않았고, 그들은 처음부터 다시 시작했다.
머리에 박혀 나가지 않는 게 하나 있었다. 개발자들이 그 주가 끝나기 전에 크레딧을 다 태워버릴까 봐 큰 PR을 AI로 리뷰하는 걸 피하고 있었다. 이 어처구니없음을 생각해 보라: 어떤 사람이 자기가 넘기기로 약속한 자기 task를 AI로 끝내는 것과, 같은 크레딧을 동료의 거대한 PR을 리뷰하는 데 쓰는 것 사이에서 골라야 했다. 희소 자원을 두고 경쟁이 벌어졌다. 그러니 아무도 남의 리뷰를 맡고 싶어 하지 않는다.
팀의 누군가가 내 머리에서 도무지 지워지지 않는 한 문장으로 요약했다:
우리는 AI로 만들고 AI 없이 리뷰한다.
각자, 자기 방식대로, 손에 쥔 도구로 알아서 버티고 있었다. 한 사람에게 통한 게 다음 사람에게는 레시피가 되지 못했다. 표준도 없고, 공통의 자리도 없었다.
그리고 방식만이 아니라, 구조였다
들여다볼수록, 모두에게 “더 잘 쓰기”를 가르치는 것만으로는 이걸 고칠 수 없다는 게 분명해졌다. 쓰는 방식은 증상이었다. 준비돼 있지 않았던 건 밑에 깔린 구조였다. 구멍 세 개가 드러났다.
첫째, 맥락이 흩어져 살고 있었다. 한 조각은 Notion, 다른 조각은 Drive, 또 다른 조각은 Jira, Figma, Fathom에. 단일한 진실의 원천이 없었다. 그래서 AI와의 모든 새 대화가 처음부터 전부 설명하며 시작됐다. 필요한 정보가 다섯 군데에 있었고 어디에도 정리돼 있지 않았기 때문이다. 우리는 이미 어딘가에 있던 맥락을 다시 조립하려고 token으로, request로, 시간으로 값을 치렀다.
둘째, 사람이 접착제였다. 프로덕트의 누군가가 AI로 spec을 만들어 doc에 올리고, 링크를 다음 사람에게 보내면, 그 사람이 그걸 받아 자기 AI 프로젝트에 던져 넣는다. AI는 양 끝에만 나타났고, 한가운데엔 결코 없었다: AI가 한 조각을 만들면 사람이 그 결과를 손으로 다음 도구까지 나르고, 또 다른 AI가 처음부터 다시 시작했다. 흐름은 여전히 사람이었다.
셋째, 아키텍처. 우리가 10년에 걸쳐 지은 기반은 병목이 AI가 아니라 사람이던 세상을 위해 만들어졌다. 곳곳이 뒤엉켜 있고 테스트가 없는 부분도 있는데, 바로 그게 AI가 가능하게 해줄 빠른 변화를 막는다. 누구의 도덕적 결함이 아니다. 여기까지 통했던 10년치 결정이 쌓인 것이다. AI는 그저 그걸 훤히 드러냈을 뿐이다.
그리고 이건 꼭 말해야 한다: 이건 팀의 결함도, Prolog의 결함도 아니다. 옛 일하는 방식 위에 AI를 붙인 어느 회사에서나 벌어지는 일이다. 10년 된 회사는 모두 지금까지 통했던 일하는 방식을 지고 있다. AI는 거기에 조명을 비춘다. 그리고 그걸 바꿀 책임은 내게 있다.
왜 엔지니어링만이 아니라 전부를 다시 짓는가
첫 번째 유혹은 엔지니어링에서 고치는 것이다. 말이 된다. AI가 가장 빨리 자리 잡은 곳이고, 우리가 이미 시작해 둔 곳이니까. 하지만 함정이 사는 곳이 바로 거기다.
한 영역은 AI 속도로 움직이는데 그 옆 영역은 계속 사람 속도로 간다면, 나는 아무것도 빠르게 하지 못한 것이다. 그저 병목을 자리만 옮겼을 뿐이다.
흐름 전체를 생각해 보라. 엔지니어링이 몇 시간 만에 넘기기 시작하는데 프로덕트는 여전히 spec을 짜는 데 몇 주가 걸린다면, 이제 줄을 붙잡는 건 프로덕트다. 프로덕트와 엔지니어링을 고쳤는데 검증은 아직 손으로 한다? 검증에서 막혔다. 그리고 tech에서 끝나지 않는다: 우리가 많은 걸 내보냈는데 마케팅이 같은 속도로 알리지 못하면, 병목은 마케팅으로 갔다. 한 구간을 빠르게 한다고 정체가 풀리지 않는다. 그저 그걸 다음 구간으로 밀 뿐이다.
한 구간을 빠르게 해도 줄은 그대로다
병목은 자리만 옮길 뿐
엔지니어링만 빠르게 했다
프로덕트와 엔지니어링을 빠르게 했다
빠르게 한 구간이 다음 구간에 불을 붙인다. 정체는 사라지지 않는다. 자리만 옮긴다.
그래서 4월 말에 우리는 tech 전체를 다시 짓기 시작했다. 프로덕트, 디자인, 데이터, 품질. 엔지니어링만이 아니다. AI가 중심으로 간다면, 한 조각이 아니라 흐름 전체의 중심으로 간다.
앞으로 다룰 것
다음 글들에서 이 각 부분을 하나씩 열어보겠다. “harness”란 무엇인지, AI가 여기저기 조각만 던지는 게 아니라 진짜로 결과를 내게 만드는 인프라 말이다. AI가 짓는 쪽이 되고 사람이 방향을 잡고 리뷰하는 쪽이 될 때 각 직무의 일이 어떻게 바뀌는지. 그리고 무언가 깨졌을 때 옳은 질문이 왜 “지금 내가 뭘 하지”가 아니라 “이게 다시 일어나지 않으려면 맥락에서 뭐가 빠졌던 거지”가 됐는지.
이 전환은 성공과 실패를 안고 돌아가고 있다. 둘 다 여기서, 벌어지는 대로 이야기하겠다. 레시피가 아니다. 우리가 지금 겪고 있는 것이다. 무언가를 짓는 다른 사람에게 지도가 된다면, 더 좋고.