최근 원지랩스의 곽근봉 대표가 유튜브에서 얘기한 AI를 활용하는 스타트업의 업무 방식이 정말 인상 깊었다. 사실 지피터스라는 AI 교육 사업을 하면서도, 우리 조직이 AI를 정말 잘 쓰고 있는가 하는 불안함이 매일 있었는데, 아직 우리가 멀었구나 생각도 들었다.
스타트업은 보통 소프트웨어 프로덕트를 활용해서 경쟁력을 가지고, 그런 프로덕트를 만드는 조직이 중심이라 원지랩스의 사례가 모든 조직의 AI 전환법을 얘기해 주진 않는다. 하지만, 이런 접근을 일반화해서 조직의 AI 도입 방법을 찾을 수 있다.
순서
- 원지랩스의 AI 활용법
- 아이디어 기획 – Deep Research로 시장 조사 (+ Listen Labs)
- 와이어프레임 – 다른 UI 스크린샷으로 Visily 사용
- 디자인 + 프론트엔드 개발 – Figma + Shadcn
- 백엔드 개발 – o3로 시스템 디자인, Cursor+Gemini+Devin으로 코드
- QA 및 배포 – 테스트 케이스 작성을 디자이너, 개발자가 QA 업무 진행 (+ mabl)
- 우리 조직을 원지랩스보다 더 AI 활용 잘 하게 만들기
- AI에게 제공해줄 컨텍스트의 공통 관리
- AI를 가장 잘 쓰는 사람이 리더가 되는 보상 체계
- 강의-실습-발표의 실제 AI 활용법 학습
- 직무 범위의 확장
- 바이브 업무 방식에 적응하기
- (선택) On-Premise 툴 구축
원지랩스의 업무 방식을 적용하기 위해서 저는 이번 지피터스 16기 AI UXer 스터디에 참여합니다 (지인 할인 링크). 구독자분들도 함께 시도해 봤으면 해요.
1. 원지랩스의 AI 활용법
원지랩스가 AI를 활용하는 방식은 프로덕트를 만들어 가는 각 단계에 가장 적절한 AI 툴을 활용하는 것이다. 이건 마치 생성 AI가 없던 시절에 좋은 프로덕트 팀이 되려면, 여러가지 SaaS를 활용했던 것과 유사하다.
아이디어 기획 – Deep Research (+ Listen Labs)
ChatGPT, Gemini, Claude 모두 웹 검색을 한 뒤 글을 읽고, 영상 자막을 살펴보면서 심층적인 연구를 진행하는 에이전트, Deep Research를 제공한다. 지금 구현하려는 프로덕트, 기능이 해결하려는 문제와 현재의 솔루션에 대해서 사람들의 다양한 리뷰, 분석 기사와 보고서 등을 한 번에 찾아서 정리해 준다.
특히 Deep Research는 내가 구현하려는 기능이 어떤 고객의 문제를 해결하려는 것인지를 분석하고, 고객들은 그들의 문제를 현재 어떤 대안(Alternatives)로 해결하는지 살펴보는 방식 (JTBD, Job-To-Be-Done 방식)으로 시장 조사를 하는 것에 정말 시간을 많이 아껴준다.
Grok의 Deep Search (Research 아닌 Search)는 x.com 상에 올라온 다양한 프로덕트와 기능에 대한 사람들의 반응을 검색해 주기 때문에 보조로 사용할 수 있다.
그리고 원지랩스에서는 사용중은 아니지만, 고객과 대화, 그리고 고객의 피드백을 모아서, 어떤 기능을 만들어야 하는 지를 정리해주는 Listen Labs 같은 서비스도 있다.
이런 리서치 프로덕트 아이디어를 기획하는 시간을 10배 이상 빠르게 해 준다.
와이어프레임 – 다른 UI 스크린샷으로 Visily 사용
아이디어가 문서로 구체화되면 이를 시작적인 디자인으로 바꾸기 위해서 와이어프레이밍을 하게 된다. 원지랩스는 Visily AI를 이때 사용한다고 한다. 특히 인상 깊은 점은 레퍼런스가 되는 다른 디자인의 스크린샷으로 넣어서 수정해서 쓴다는 것이다.
생초보도 수준 높은 UI를 구현할 수 있는 접근 방법이었다.
생성 AI 덕분에 이제 와이어프레이밍의 수준이 거의 완성 디자인까지 단번에 할 수 있게 되었고, 이건 곽근봉 대표가 영상에서 계속 얘기하던 커뮤니케이션 코스트를 90% 줄일 수 있다는 방향과 일치한다. 시각적으로 우리는 가장 많은 정보를 주고 받을 수 있기 때문이다.
디자인과 프론트엔드 개발 – Figma + shadcn
Visily AI에서 만든 디자인은 Visily의 Figma Plug-in을 사용해서 Figma로 가져올 수 있다. 왜 Visily AI로 만든 디자인을 와이어프레임이라고 소개했냐면 이 Visily에서 가져온 디자인을 바탕으로 Figma에서는 shadcn 디자인 컴포넌트를 사용해서 새로 디자인을 만들기 때문이다.
사실상 Visily는 디자인 툴이 (아직은) 아니라, 시각적 커뮤니케이션 툴이다. Visily AI도 이런점을 명확히 랜딩 페이지에 명시하고 있다.
Figma에서 shadcn 컴포넌트로 디자인을 만들면, 이 디자인은 바로 프론트엔드 코드로 export가 가능하다고 한다. 이렇게 디자인과 프론트엔드 코드 작성이 한번에 마무리된다.
백엔드 개발 – o3로 시스템 디자인, Cursor+Gemini+Devin으로 코드
사운들리 창업을 했을 때 우리 팀의 주니어 개발자들이 이런 부분에 경험이 적어서 사용자 100만명이 되었을 때, 서버 사고가 나면서 사용자 스마트폰의 데이터를 싹다 써버리는 대형 사고를 친 적이 있다. 이때는 정말 회사 문 닫는 줄 알았다.
백엔드 개발에서 경험 많은 엔지니어의 시스템 디자인이 매우 중요하다는 걸 느낀 계기가 되었다.
ChatGPT의 o3는 백엔드 시스템 디자인을 대신 해 줄 수 있다. 대화를 통해서 우리 프로덕트에 필요한 시스템 디자인의 초안을 줄 수 있다. 여기에 Deep Research를 사용해서, 유사 시스템을 만든 케이스 스터디를 해서 o3가 제안한 디자인의 장단점을 깊게 이해할 수도 있다.
코드를 짤 때는 Cursor + Gemini Pro 2.5를 쓴다고 한다.
특히, 일부러 코드를 치려고 하지 않는다고 한다. 비록 내가 맘에 드는 코드가 나오지 않아도 왜 안나왔는지 분석하고, 어떻게 하면 AI가 내 맘에 드는 코드를 나오게 할 지에 대해서 고민하고 새로운 시도를 하는 것이 필요하다고 한다.
소프트웨어 엔지니어라는 직업은 없어지지 않아도, 앞으로 사람이 코드를 칠 일은 1-2년 내에 대폭 줄어드는 것은 나도 확신하고 있기에 너무 공감갔다.
곽대표가 명시하지 않았지만, 몇 가지 알려진 효과적인 바이브 코딩 방법은
- 더 명확하고 자세한 컨텍스트 제공하기 (주로 *.txt 파일이나 주석으로)
- 내 명령을 잘 따르면, 좀 더 복잡한 일 시키기
- 내 명령을 잘 따르지 않으면, 내 명령을 작은 업무로 나눠서 시키기
- 이미 비슷하게 짜둔 참고할 코드를 @ 멘션하기
정도가 있다.
Devin은 아직 후기도 경험을 못했는데, 원지랩스에서는 1인당 월 70만원에 가까운 비용을 내면서 Devin을 쓰고 있다는 점이 놀라웠다. 이 부분도 우리 회사에서 시도를 해 봐야 하는 부분이 아닌가 한다.
QA 및 배포 – 테스트 케이스 작성을 디자이너, 개발자가 QA 업무 진행 (+ mabl)
원지랩스에서는 QA를 디자이너와 개발자가 한다고 한다. 이때는 ChatGPT와 같은 AI로 테스트 케이스를 짜고, 이를 일부 빠르게 테스트하는 방식으로 빠른 릴리즈를 한다고 하는데 구체적인 방법은 영상에도 없었다.
그래서, QA에는 AI를 쓸 방법은 없는가 하는 생각에 Deep Research를 사용해서 AI를 활용한 Test Automation에 대해서 알아 보았다.
이런 테스트 자동화 툴들을 소개해 주었다. 모두 사람이 클릭, 클릭 하는 것 등의 액션을 저장해 두었다가 다시 반복 테스트하게 해 주는 툴이었다. 다만, 생성 AI가 나오면서 이런 테스트 자동화의 고질적 문제였던
- 프론트엔드에서 CSS Selector가 사용하는 컴포넌트 이름이 바뀔 때 모든 테스트가 오동작
- 테스트 케이스를 저장하는 작업 중에도 반복되는 작업이 많아서 툴 자체가 주는 피로감 (이럴 바에 .. 라는 느낌)
이런 문제를 생성 AI로 해결한 모양이었다.
이런 툴들이 이전에는 반쪽짜리에다가 가격도 비싸서 사람들이 엑셀에 테스트 케이스 쓰고 이걸 따라 사람이 테스트를 하는 경우가 더 많았다. 하지만, 생성 AI 동작으로 이제 돈을 주고 쓸만한 수준으로 올라가고 있다.
적극적으로 이런 툴들을 찾아보고 도입하는 것이 스타트업의 속도를 올리는 것이 된다
| AI 트렌드만 보고 계신가요? 실제 해 보는 것이 차이를 만듭니다. 프리랜서와 사업가를 위한 지피터스 AI 스터디 16기 (~ 5/8 마감) 구독자 할인 링크 |
2. 우리 조직을 원지랩스보다 더 AI 활용 잘 하게 만들기
원지랩스는 소프트웨어 프로덕트를 만드는 과정의 세부 작업의 일부를 최신 AI 툴을 도입하였다.
그러면 어떤 조직이든 이런 원지랩스처럼 AI를 잘 활용하려면 어떻게 해야할까?
- AI에게 제공해줄 컨텍스트의 공통 관리
- AI를 가장 잘 쓰는 사람이 리더가 되는 보상 체계
- 강의-실습-발표의 실제 AI 활용법 학습
- 직무 범위의 확장
- 바이브 업무 방식에 적응하기
- (선택) On-Premise 툴 구축
AI에게 제공해줄 컨텍스트의 공통 관리
곽대표는 AI 활용을 하게 만드는 것은 결국 사람이 일하는 방식이 바뀌어야 하는 거라, HR의 문제라고 보고 있다. 그래서 새 직원의 온보딩 프로세스가 잘 되어 있는 회사가 유리하다고 한다.
이 얘기가 AI에게 제시해줄 컨텍스트가 문서로 잘 정리되어야 한다는 얘기로 해석되었다.
AI에게 컨텍스트를 넣을 일이 있을 때마다 그 일에 관한 회사의 문서를 AI에게 주기 좋은 방식으로 정리하는 것을 해 나가야 한다.
AI를 가장 잘 쓰는 사람이 리더가 되는 보상 체계
결국 대표가 우리 조직에 대한 문제점을 스스로 느껴야 조직이 변하게 된다. 그런 의미에서 곽대표는 대표가 가장 AI를 잘 써야 하고, 그게 리더의 자격이라고 한다.
조직의 팀장, 대표가 AI를 가장 잘 쓰는 사람이 승진할 수 있는 인사평가 제도를 도입하고, 승진 평가를 AI 발전 속도만큼은 아니지만 1년 내에도 수 차례 하는 것이 필요하다.
강의-실습-발표의 실제 AI 활용법 학습
실제 조직 구성원이 바뀌기 위해서는 일정 시간을 (1) 우리 조직에 맞는 툴을 탐색, (2) 이 툴을 실제 써 보는 것에 투자해야 한다.
업무 시간의 일부를 사용해서
- 매월 각 부서가 하는 일을 나열해서 Deep Research로 이런 업무를 자동화하는 AI 툴들이 뭐가 있는지 조사를 하고 장단을 분석해서 써 봐야 할 툴을 정한다.
- 이 툴을 개발사 튜토리얼, 유튜브 영상으로 함께 배우는 시간을 가진다. 가르쳐줄 강사가 있다면 강사를 초빙해서 배운다.
- 매주 그 툴을 활용해서 작은 것이라도 실제 결과를 만들어 내고 그걸 다른 팀원들에게 발표하는 시간을 가진다.
이런 강의 → 실습 → 발표의 학습 시간을 할애해야 한다.
강의만으로도 부족하고, 실습만으로 부족하다. 각자가 작거나 별것 아닌 거라도 결과물을 만들어 보고, 그걸 다른 팀원에게 발표하는 시간이 꼭 있어야 한다.
직무 범위의 확장
조직에는 이해 관계가 얽혀 있어서 서로의 직무를 침범하게 되면 갈등이 유발되기도 한다. 예를 들어 PM이 마케팅 업무를 자동화 하려든다면 마케터는 본인의 직무 범위를 침범 당했다는 느낌을 받을 수 있다. 그리고 본인이 조직에서 효용이 적어지는 안 좋은 느낌을 받을 수 있다.
하지만 실제로는 PM이 마케터의 업무의 일정 부분만을 AI를 활용해서 자동화 할 수 있다. 이건 PM에게는 마케팅 업무에 대한 이해를 더 하게 해 주고, 마케터는 본인 업무의 일부에 대해서 다른 시각의 영감을 얻을 수 있으며 본인이 업무를 할 수 있는 시간이 늘어난다.
AI를 도입하면 기존 직무의 경계는 조금씩 무너지고 각자가 좀 더 흥미로운 일을 더 할 수 있으며, 조직은 곽대표 얘기처럼 커뮤니케이션 코스트를 줄일 수 있게 된다.
그러므로, 이런 갈등 요소는 조직 차원에서 보호해 주어야 한다.
아예 시간을 정해서 (예를 들면 격주 금요일을 정해서) 구성원들이 본인 직무 주변의 업무 영역에서 AI 활용을 시도하는 시간을 가지는 것이다.
장기적으로 AI 발전에 따른 새로운 직무들이 이런 변화에서 시작될 것이다. 그래서 이런 시도는 AI 발전에 따라 변화해야 하는 조직의 유연성을 사전에 키울 수 있고, 구성원들이 새로운 직무 범위에 이해관계 충돌없이 적응하게 해 줄 수 있다.
바이브 업무 방식에 적응하기
곽근봉 대표는 의도적으로 코드를 치지 않고 AI에만 의존해서 코드를 만들어 가는 것을 시도한다고 한다. 조금 써 보고 아, 생각만큼 잘 되진 않구나 — 라고 느끼고 AI 활용을 멈추기 쉽기 때문이다.
나 스스로도 AI로 블로그 글을 쓰는 것에 아직도 거부감이 있는데, 내 의견이 잘 반영되지 않고 글의 전체 톤이 의도한 대로 잘 나오지 않기 때문이다.
하지만, 오늘의 AI는 어제의 AI와 다르고, 내일의 AI는 또 다를 것이다. 기술의 발전 속도가 빠르고 사람의 적응 속도는 느리기 때문에, 일부로라도 AI를 써서 일 하려는 시도가 계속 되어야 한다.
그리고 생성 AI를 활용하는데 있어서 가장 사람들이 받아 들이기 어려워하는 것은 바이브 업무 방식이라고 생각한다. 바이브 업무 방식은 내가 원하는 결과가 나올 때까지 계속 변화를 주어가면서 AI에게 일을 시키는 업무 방식을 얘기한다. 실무보다는 결과 리뷰와 피드백을 제공하는 업무만 하는 것에 가깝다.
- 2023년은 AI가 만들어 준 것을 보고 이런 것도 되는구나 놀라는 해였고,
- 2024년은 AI가 만들어 준 것을 초안으로 삼아 사람이 수정해서 쓰는 해였다.
- 2025년은 AI가 만들어 주는 것을 어떻게 수정해야 할지 다시 얘기해줘서 AI가 스스로 마지막 결과물을 만들어 낼 수 있게 하는 해가 되고 있다.
대부분의 웹서비스에 사람이 클릭하는 UI에다가 Cursor처럼 자연어로 대화하고 결과를 확인하는 UI가 추가되고 있다. 한 해 한 해가 지나갈수록 AI 기술 발전으로 어떤 결과물을 만들 때 사람의 개입은 점점 줄어들고 있는 것이다.
하루에 한 시간은 “바이브 타임”으로 정하고, 진행하던 업무를 “바이브 방식”으로 해결하려고 강제 시도하는 것이 조직 차원에서 필요하다.
(선택) On-Premise 툴 구축
스타트업의 경우 AI 툴들을 도입해 쓰는데 비용 외에는 큰 문제가 없다. 하지만, 대기업과 공공기관 및 정부는 외부의 웹서비스를 사용하지 못하는 경우가 많다. 이 경우는 온프레미스 서비스를 대신 활용해야 한다.
다행히도 오픈 소스 커뮤니티는 최신의 파운데이션 모델만큼의 성능이 나오는 오픈 웨이트 모델을 보유하고 있다. 그리고, Cursor와 같이 인기를 얻는 AI 툴들은 바로 오픈 소스 버전이 따라서 나온다. 또한, Zapier 혹은 Make의 오픈 소스 버전인 n8n처럼 프로덕트의 차별점을 만들기 위해서 오픈 소스의 형태로 프로덕트를 제공하는 곳도 있다.
지금까지 얘기한 방법으로 AI를 조직에 도입하려 할 때, 이런 오픈 소스 툴들을 사내 인프라에 구축하고 접근권을 구성원들에게 줄 수 있어야 한다. 이에 들어가는 비용은 상당할 것으로 예상되는데, 그럼에도 불구하고 이런 비용 지출 없이 조직이 AI 활용으로 앞서가기 어렵다.
지금은 그런 비용을 감내해야 경쟁력을 얻을 수 있는 시기이고, 장기적인 조직의 관점에서는 ROI가 가장 높은 투자가 될 수 있다.
먼저 사외 망에서 앞서 얘기한대로 조직의 직무에 맞는 툴을 찾고 실습하고 서로 발표하는 시간을 가지고, 시간을 정해서 직무 확장을 시도하고 바이브 업무 방식을 시도한다. 그리고, 그 결과 조직에 필요한 툴이 정해지면, 그런 툴의 오픈 소스 버전을 사내 인프라에 구축한다.
어쩌면 직무 확장 과정에서 이러한 사내 인프라에 AI 툴을 구축하고 관리하는 업무를 즐기는 구성원이 나올 수도 있을 것이다.
3. AI 트렌드를 따라가는 것 이상으로 직접 해봐야 한다
지피터스 AI 스터디는 다른 교육에 비하면 정말 엉성해 보인다. 엄청난 내공의 강사가 차근 차근 가르쳐 주는 것도 아니고, 아주 체계적으로 교육 프로그램이 구성되어 있는 것도 아니다. 하지만, 만족도는 높고 여러 유튜브에 출연하며 사내 강의를 하며 AI를 최전선에서 활용하는 전문가를 키워왔다.
AI 스터디는 참여자가 직접 발표하게 만들기 때문이다.
AI를 잘 활용하는 조직이 되기 위해서는 그게 필요하다. 유튜브 알고리즘에 뜨는 몇 개 영상을 보는 것이 아니라, 직접 해 보고, 그걸 다른 사람에게 설명해봐야 한다. 그런데 AI 발전으로 이게 정말 쉽다. 오랜 수련이 필요하지 않다.
그렇게 하는데 들어간 시간이 개인과 조직 모두에게 어떤 다른 시간보다 큰 경쟁력을 만들어 준다.
