naver-d2·문제팀 생산성을 감각이 아니라 데이터로 설명하려면 Jira와 GitHub 기반의 맞춤형 DORA 지표 대시보드가 필요했다.
접근AI와 협업해 CSV 파싱 HTML에서 시작해 FastAPI 서버, Docker 배포, 스케줄러, Redis 계열 스토리지 연동까지 확장했다.
결과리드타임과 병목을 매일 자동 수집해 회고에서 데이터 기반 논의가 가능해졌다. AI 생성 코드도 페이지네이션 같은 정합성 검증이 필수임을 확인했다.
토스 SLASH·문제조직이 성숙할수록 팀 내부보다 팀 사이의 회색지대 문제(책임 불명확, 다중 조직이 얽혔으나 소유자 없음)가 병목이 된다. AI 시대에 그 복잡도는 더 커진다.
접근토스는 기존의 일정 관리 중심 TPM(Technical Program Manager)을 "정의되지 않은 중요 문제를 구조화하고 해결"하는 역할로 재정의했다. 문제 발굴 → 구조화 → 실행 가능한 상태로 전환까지가 핵심.
결과문제 구조화 능력 + 전략을 실행으로 변환하는 힘 + 완결성을 갖춘 TPM이 고성과 조직의 필수 역할이 된다.
gitlab-eng·문제팀 단위로 AI 에이전트를 쓰면 상태 공유, 업무 라우팅, 권한 통제, 운영 승격이 흩어져 협업 비용이 커진다.
접근17개 에이전트형 플랫폼을 UX 관점에서 분석해 상태 업데이트, RBAC, 관리형 환경, 공동 에이전트 제작 등 8개 협업 패턴을 도출했다.
결과성숙한 에이전트 도입은 개별 자동화보다 소프트웨어 전달 과정 안의 컨텍스트, 거버넌스, 감사 가능성을 함께 설계해야 한다는 결론을 낸다.
gitlab-eng·문제대형 소프트웨어 수업에서는 과제 배포, 권한 관리, 해설 코드 보호, 코드 피드백을 수작업으로 처리하기 어렵다.
접근GitLab Groups와 Subgroups로 강의·학생 구조를 모델링하고, REST API와 merge request 기반 워크플로로 학생 저장소와 리뷰를 자동화한다.
결과강사는 대규모 수업에서도 권한을 일관되게 관리하고, 학생은 실제 개발 환경과 가까운 버전 관리·코드 리뷰 습관을 익힌다.