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.

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.

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.

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.

문제기존 Copilot식 코드 보조만으로는 구현부터 PR까지의 개발 생산성 향상을 충분히 체감하기 어려웠다.

접근Jira와 Confluence 문서를 MCP로 연결하고, 에이전트가 구현 계획 작성, 코드 구현, 테스트, lint, build, PR 생성, AI 리뷰 대응을 수행하는 워크숍을 설계했다.

결과약 2,500명이 참여했고 40% 이상이 일부 또는 지속 활용 중이라고 응답했다. 명확한 티켓과 문서가 에이전틱 코딩 품질의 전제임을 확인했다.

문제개발 진행을 보고할 때 "진행 중" 같은 모호한 상태 표현은 가시성을 떨어뜨린다. 어떤 작업이 끝났는지 외부에서 알기 어렵다.

접근NHN Cloud 의 "Artifact Driven Development" — 과정보다 결과물(PR, 디자인 문서, spec) 을 일급 시민으로 다룬다. 모든 작업이 명확한 산출물로 정의되도록 워크플로 재설계.

결과진행 상황 가시성과 완료 기준 명확성이 동시에 개선. 협업 비용이 줄어들고 비동기 협업이 자연스러워졌다.

문제AI 코딩 도구를 사내에 도입할 때 개인이 학습하는 방식만으로는 회사 전체에 효과가 퍼지지 않는다.

접근LINE 이 "Orchestration Development Workshop" (ODW) 시리즈로 사내 워크숍 + 6 편의 기사를 묶어 발행. 1000명 이상이 함께 학습하는 사내 프로그램으로 확산.

결과전사 AI 활용 "저점" 이 높아져 개인 차이가 줄었다. 사내 도구 / 보안 / 워크플로 정착에 기여.

문제AI 도구는 개인 학습만으로 회사 전체에 안 퍼진다. 조직 차원의 학습 구조가 필요하다.

접근LINE 의 "Orchestration Development Workshop" 시작 배경 회고. 1000명 이상이 동시에 같은 도구/패턴을 학습하는 사내 프로그램 설계 + 운영.

결과개인 별 AI 활용 격차가 줄고, 조직 평균 수준이 빠르게 올라가는 사례.

문제데이터 드리븐 의사결정이 "지표를 본다" 수준에 머물면 실행으로 안 이어진다.

접근토스의 "Metric Review" 문화. 정기 회의에서 어떤 지표를 보고, 누가 모이고, 어떤 결정을 내릴지 framework 화.

결과데이터가 의사결정 수단으로 자리잡고, 실행 속도 개선. 단순 monitor 가 아닌 실행 트리거가 됐다.

문제소프트웨어 작성 패러다임이 1.0(직접 코드) → 2.0(신경망 학습) → 3.0(자연어 의도로 LLM 작동) 로 이동 중. 엔지니어 역할이 달라진다.

접근Andrej Karpathy 의 표현을 빌려 토스가 회사 차원에서 어떻게 받아들이는지 정리. 새 도구 + 새 책임 분담 + 새 평가 기준.

결과엔지니어 평가 / 채용 / 학습 방향이 "3.0 시대" 를 가정해 재정의되는 과정. 전체 회사가 새 패러다임에 맞춰 전환 중.

문제PM 의 회의록 정리, 마케터의 데이터 수집, 디자이너의 파일명 변경 같은 반복 업무가 주당 수 시간씩 핵심 업무를 갉아먹고 있었다.

접근5주 사내 AI 교육을 설계하고 Gemini, 스프레드시트 AI 함수, Cursor, MCP 를 실제 업무 지시서 기준으로 적용했다. 매주 오프라인 실습과 팀 기반 상호 코칭을 결합했다.

결과마케터 작업이 150분에서 25분으로(약 83%) 줄었고, 디자이너는 1,300개 파일명을 3분 안에 처리했다. PM 회의록은 30분에서 10분으로 단축됐고, 교육 수료 인력으로 전담 TF 가 구성됐다.

문제신입 개발자가 입사 후 "정답 없는" 의사결정 상황을 어떻게 다뤄야 하는지 막막하다.

접근카카오 신입의 성장 회고 — DB / 보안 / AI 등 다양한 도메인을 거치며 "정답보다 합리적 선택" 을 배운 과정. 멘토링 받은 의사결정 framework 까지 정리.

결과주니어 개발자의 의사결정 / 학습 방법론 회고. 입사 1년 차가 참고할 만한 글.

문제신입 개발자가 처음 서버 코드를 만날 때 어디서 시작해야 할지 막막하다.

접근카카오 신입이 "로또 구현" 같은 작은 미션으로 시작해 점차 레거시 개선까지 다룬 학습 곡선 회고.

결과작은 성공의 누적이 큰 변화로 이어지는 패턴. 처음 server-side 를 배우는 사람을 위한 가이드.

문제AI 도구는 개인 별 격차가 크다. 회사 전체 "저점" 을 어떻게 끌어올릴지가 조직의 과제.

접근토스가 사내 Harness 시스템 구축. 자유로운 도구 사용보다 안전한 가드레일 + 학습 자료 + 평가 체계를 제공해 누구나 일정 수준 이상 활용 가능하게.

결과개인 수준 격차가 줄고, 조직 평균 생산성이 올라감. AI 시대 platform engineering 의 한 패턴.

문제AI 가 코드를 만들지만 인간이 일일이 다 읽지 않는 시대가 온다. 그러면 코드 리뷰 / 품질 보증은 어떻게 바뀌어야 하나.

접근NHN Cloud 가 "읽지 않는 코드의 시대" 라는 관점에서 새 워크플로 + 자동화 + 신뢰 모델 재정의를 정리.

결과단순 "AI 가 코드 짠다" 가 아닌 "인간이 코드를 안 읽어도 신뢰할 수 있게 만들기" 라는 큰 그림 제시.

문제6년 누적된 레거시 코드를 새 기능 개발 중에 어떻게 점진적으로 개선하나.

접근쏘카존 관리 시스템의 레거시 개선 3편. 우선순위 framework, strangler fig 패턴, 단계별 마이그레이션 전략까지.

결과새 기능 개발 속도를 유지하면서 레거시 부담 점진 해소. 같은 함정에 빠진 팀에 참고 자료.

문제"코드를 직접 쓰는 1.0 → 신경망 학습 2.0 → 자연어 의도로 LLM 작동 3.0" 패러다임 변화 속에 엔지니어 역할이 어떻게 바뀌나.

접근토스가 회사 차원에서 받아들이는 관점 정리. 새 도구 / 책임 분담 / 평가 기준의 변화.

결과엔지니어 평가 / 채용 / 학습 방향이 "3.0 시대" 를 가정해 재설계되는 과정.

문제게임 회사 클라이언트 프로그래머의 실제 업무는 "눈에 보이는 게임 구현" 으로만 알려져 있지만, 현업에서는 협업·툴 개발·리소스 관리·엔진 사용 등 훨씬 다양하다.

접근쿠키런 킹덤 4년차 클라이언트 프로그래머가 실제 구현한 컨텐츠를 예시로 컨텐츠 개발 흐름을 따라간다. 직군 구성 → 기획·아트와의 협업 → 데이터 / 리소스 관리 → 엔진 작업 순으로 책임 범위를 풀어낸다.

결과게임 클라이언트 프로그래머를 준비하는 사람에게 직무 전반의 그림을 구체적으로 제시한다. 회사·팀·컨텐츠 종류에 따라 달라지는 부분도 함께 명시.

문제같은 입력이 매번 다른 결과를 내면 리플레이·디버깅·네트워크 동기화·결정적 시뮬레이션 같은 핵심 기능을 안전하게 구현할 수 없다. 게임에서 시간·난수·프레임 처리는 결정성을 깨뜨리기 쉬운 요소다.

접근고정 프레임 게임 루프로 프레임 처리 시간을 일정하게 만들고 게임 로직 수행 횟수를 고정. 시간 의존 코드 대신 프레임 카운트 기반 표현, 시드 고정 난수, 정수 연산 같은 결정성 친화 기법을 함께 적용한다.

결과같은 입력이 항상 같은 결과를 내는 결정론적 알고리즘이 가능해진다. 리플레이·동기화·자동화 테스트 같은 응용을 안정적으로 받쳐주는 기반이 된다.

문제팀 규모가 커지면서 코드 리뷰가 꼼꼼하게 이뤄지지 못하고, 타이핑 오류나 컨벤션 위반이 프로덕션까지 새어 나가는 경우가 늘었다.

접근AI 기반 리뷰 도구 CodeRabbit 을 PR 파이프라인에 붙이고, `.coderabbit.yaml` 의 Review Instructions 로 DDL 규칙·성능 기준·라이브러리별 컨벤션을 학습시켜 맞춤형 피드백을 받게 했다.

결과약 7개월간 사용한 결과 팀 코드 리뷰 문화가 더 활성화됐다. 정적 분석 도구와 달리 맥락 기반 리뷰가 가능해 동료 리뷰를 보완하는 역할을 한다.