「All in AI」의 Shopify, 전 직원이 AI를 도입한 실무 사례를 공유하며 실질적인 내용 중심으로 구성됨
3개월 전, Shopify 공동창업자이자 CEO인 Tobi Lütke는 회사 내부에 전체 임직원 대상 서한을 발표하며 「All in AI」를 선언했다. Lütke는 "AI 기술을 효과적으로 활용하는 것은 Shopify 모든 직원에게 있어 기본적인 기대치"라고 언급했으며, 이와 같은 조치는 이후 Box, Fiverr은 물론 캐나다 총리까지 영향을 미치며 다수의 기업들이 이를 모방하게 되었다.
그로부터 3개월 후, Shopify 내부에서는 실제로 어떤 변화가 일어났을까? 단지 리더의 일시적 슬로건에 그친 것인지, 아니면 기업 내부에서 진정으로 'AI'를 효과적으로 활용하고 있는 것일까?
AI 도입은 어떤 업무 프로세스를 변화시켰는가?
First Round Review는 Shopify 부사장 Thawar와 인터뷰를 진행하였으며, Thawar는 회사가 AI 도입을 위한 구체적인 전략과 실질적인 성과 향상을 공유했으며, 동시에 세 가지 '반직관적 통찰'도 소개했다.
-
모든 직원이 차별 없이 AI를 사용하며, 비용 상한선을 두지 않는다.
-
AI가 사고 과정과 결과를 숨기기보다는 더 많이 드러내도록 한다.
-
초보자와 신규 졸업생들이 특히 AI 활용 면에서 유용하다.
결국 AI를 기업에 어떻게 적용할지에 관해 전략적 지침부터 기술적 실행까지, Shopify는 훌륭한 모범 사례를 제시했다고 할 수 있다.
First Round Review의 기사를 바탕으로 Founder Park이 편집을 진행했다.
원문: https://www.firstround.com/ai/shopify
01 모두가 '차별 없이' AI 사용하기
많은 기업들이 AI를 보급할 때, 일반적으로 모든 직원에게는 가장 기본적인 도구만 개방하고, 더욱 강력한 모델과 애플리케이션은 기술 팀에만 제한한다. 반면 Shopify는 정반대 방식을 취한다. 즉, 도입된 모든 도구와 모델을 모든 직원이 사용할 수 있도록 허용하는 것이다.
이러한 전략의 배경에는 고부가가치 혁신 사례가 회사의 어느 부서에서든 나올 수 있다는 믿음이 있으며, 어디서 최종적으로 자원을 집중 투입해야 할 만한 사례가 등장할지 예측할 수 없다는 것이다.
작년에 저는 Cursor 라이선스 1,500개를 구매했지만, 금방 부족해져 추가로 1,500개를 더 확보해야 했습니다. 그런데 가장 빠르게 증가한 사용자 그룹은 엔지니어링 부서가 아니라 고객 지원 및 수익 부서였습니다.
Farhan Thawar 파르한 타와르 Shopify 엔지니어링 부사장 겸 책임자
최고의 최신 모델을 직원들이 진정으로 활용하도록 장려하기 위해, Shopify는 다음 세 가지 전략을 시행하고 있다.
전략 1: 법무팀이 기본적으로 '승인'하도록 유도
변화는 최고 경영진부터 시작된다. 법무팀을 포함한 고위 경영진 전체가 AI 채택이 회사의 최우선 과제라는 점에 합의해야 한다. 최고층의 일관성은 보안, 개인정보보호 등의 핵심 이슈에 대해 '어떻게 가능하게 할 것인가'를 출발점으로 삼아야 한다는 의미이다. Thawar는 "만약 당신이 '동의'를 기본값으로 설정하지 않는다면, 사실상 '거부'를 기본값으로 한 셈"이라고 말했다. "규칙이 모호하면 결국 불가능한 것으로 간주되며, 대부분의 기업이 바로 이렇게 운영됩니다."
2021년 말 Thawar가 GitHub Copilot 도입을 결정했을 때, 법무팀과의 소통은 매우 직접적이었다. "제 첫 마디는 '이 프로젝트를 진행할 준비가 되었으니, 어떻게 하면 완벽하게 안전하게 할 수 있을지 알려주세요'였습니다."라고 Thawar는 말했다. "그들은 '방법을 찾아보겠습니다'라고 답했고, 어떠한 반대 의견도 없었습니다."
이러한 태도는 다른 주요 기술 기업 CTO들의 경험과 극명한 대조를 이룬다. 동료 CTO들이 모인 왓츠앱 그룹에서 Thawar는 종종 법무팀의 장애로 인한 불만을 듣곤 한다.
그 그룹에서 누군가 항상 저에게 묻습니다. '여러분의 총고문(GC)이 우리 GC와 대화할 수 있을까요?' 저희는 그런 저항을 경험한 적이 없습니다.
Farhan Thawar 파르한 타와르 Shopify 엔지니어링 부사장 겸 책임자
전략 2: AI 도구 예산 '상한선 없음'
AI의 전면적 보급을 위해서는 비용 문제가 피할 수 없다. Cursor가 회사 내에서 광범위하게 사용되면서 일부는 비용이 통제 불능 상태가 될까 우려했다. 그러나 이것은 Thawar의 본래 의도와 정반대였다. 그는 가치를 창출하는 도구라면 누구나 망설임 없이 사용할 수 있기를 원했다.
Thawar는 내부 순위표를 통해 Cursor 토큰에 가장 많은 비용을 지불한 사람을 확인한다. "우리는 금액 한도를 두지 않습니다. 누군가 스크립트로 순위를 조작하길 바라지는 않지만, 이 지표는 가치를 측정하는 훌륭한 방법입니다. 우리는 직원들이 AI 또는 최신 모델을 사용할 때 어떤 부담도 느끼지 않기를 바랍니다."라고 Thawar는 말했다. "저는 AI를 활용해 중요한 작업을 완료하여 토큰 소비량 순위 상위 10위 안에 든 사람들을 알고 있으며, 그들은 이를 자랑스럽게 여깁니다." 최근 Shopify의 최고기술책임자(CTO)인 Mikhail Parakhin도 이 순위에 이름을 올렸다.
"저는 많은 CTO, CEO들과 대화하면서 하나의 우려스러운 추세를 발견했습니다. 그들은 토큰 비용에 너무 집착한다는 것입니다,"라고 Thawar는 말했다. "그들은 계산합니다. '엔지니어들이 Cursor, Windsurf, GitHub Copilot 같은 도구를 사용하면 월 1,000~10,000달러 정도 더 들 텐데, 감당할 수 있을까?' 그래서 예산을 줄이려 합니다."
이러한 사고방식은 AI 보급 목표와 정면으로 충돌한다.
"엔지니어가 대규모 언어모델(LLM) 사용으로 월 1,000달러를 더 지출하지만 효율성이 10% 향상되었다면, 이 투자는 너무나 매력적입니다. 어떤 기업이라도 이런 '저렴한' 효율성 향상에 열광할 것입니다." (Thawar는 심지어 "엔지니어가 월 10,000달러를 써서 가치를 창출한다면 반드시 저에게 개인 메시지를 보내 달라. 제가 배우고 싶다"고 말하기도 했다.)
전략 3: 통합된 AI 접속 포털과 MCPs
직원들이 쉽게 최신 AI 도구를 사용하고 구축할 수 있도록 하기 위해, Shopify는 모든 자원을 하나의 플랫폼에 통합했다. 즉, 회사 내부의 LLM 에이전트이다. 이 에이전트는 통합된 접속 포털로서, 다양한 모델과의 원활한 상호작용과 전환을 가능하게 한다. 실제 운영 환경에서는 이 에이전트가 확장성, 추적, 장애 전환 등의 중요한 기능을 수행한다.
직원들은 이 LLM을 이용해 자신만의 워크플로우를 구성할 수 있으며, 다양한 모델을 자유롭게 선택하고 언제나 최신 버전을 즉시 사용할 수 있다. 플랫폼 내에는 풍부한 MCPs 컬렉션이 내장되어 있으며, 사용자는 에이전트나 Cursor 등의 도구에 요청만 하면 바로 호출할 수 있다. 동료들이 만들어 공유한 에이전트 라이브러리도 존재하여 누구나 활용할 수 있다. 이 모든 것은 일원화된 AI 작업 공간으로, 직원들의 모든 요구를 충족시킨다.
"MCP 서버는 회사 내 모든 내부 도구를 연결하는 중요한 인프라 계층입니다. 저희의 철학은 '모든 것이 MCP가 될 수 있다'는 것입니다,"라고 Thawar는 말했다. "회사 내부의 모든 데이터를, 그것이 어떤 도구에 저장되어 있든 간에, MCP를 통해 누구나 쉽게 접근하고 호출할 수 있게 하여, 직원들이 자신의 워크플로우를 구성할 수 있도록 하고 있습니다."
02 AI 기반 워크플로우 사례
MCP, Cursor, 채팅이라는 인프라가 갖춰진 덕분에 기술자뿐만 아니라 비기술직 직원들도 업무 효율성이 크게 향상되었다. 다음은 개발 부서 외부에서 나온 몇 가지 눈에 띄는 사례들이다.
사례 1: 잠재 고객 영업 리드 개발 방식을 바꾼 웹사이트 감사 도구
Shopify의 영업 프로세스에서 웹사이트 성능 벤치마킹 분석은 중요한 단계이다. 잠재 고객들에게 자사의 웹사이트 속도가 업계 최고임을 입증하기 위해 영업 담당자는 먼저 해당 고객의 웹사이트를 감사 분석하여 Shopify의 우위를 데이터로 보여줘야 한다. 과거에는 이 작업이 전적으로 수작업에 의존하여 시간과 노력을 많이 소비했다.
최근, 기술 배경이 없는 한 영업 담당자가 Cursor를 이용해 자동으로 상세한 웹사이트 성능 비교 보고서를 생성하는 도구를 개발했다. 이 도구는 잠재 고객 웹사이트의 데이터를 수집하여 Shopify의 기준과 비교할 수 있을 뿐 아니라, 내부 문서를 호출해 영업 커뮤니케이션에 정확한 대응 문구를 제공하기도 한다.
Shopify의 최고수익책임자(CRO) Bobby Morrison은 이러한 사고방식과 업무 방식을 칭찬했다. "우리의 최고 영업 전문가들은 시장 분석, 기회 탐색부터 사업자 전략 수립 및 솔루션 설계에 이르기까지 모든 업무를 재정의하고 있습니다. 가장 성공한 사람들은 모두 'AI 유창성'을 갖추고 있으며, 직관적으로 AI 도구와 협업하고 AI의 속도로 진화합니다. AI는 그들에게 별개의 도구가 아니라 일하는 방식 그 자체입니다."
Shopify는 AI가 가져오는 진정한 기회가 바로 전체 영업 모델을 다시 생각하게 만든다는 점에 있다고 본다. "예를 들어, 추가 판매 상황에서 영업 담당자는 고객과 통화하면서도 에이전트가 몇 초 안에 과거에는 오랜 시간이 걸렸던 데이터를 조회할 수 있습니다. 이처럼 과거에는 희소 자원이었던 영업 데이터가 이제는 손쉽게 접근 가능해졌습니다."라고 Thawar는 설명했다.
"이것이 영업 방법에 어떤 영향을 미칠까요? 더 자신감 있고 설득력 있게 주장을 펼칠 수 있게 되며, 고객 조직 내 새로운 의사소통 경로를 개척할 수 있습니다. 심지어 낯선 고객에게 전화를 거는 방식조차 완전히 바뀔 수도 있습니다."
사례 2: 영업 엔지니어의 '오늘 할 일' 홈 페이지
한 영업 엔지니어는 자신이 가장 자주 사용하는 GSuite Drive, Slack, Salesforce 등의 도구에 대한 MCP를 Cursor로 만든 개인 대시보드에 통합했다. 이 대시보드는 모든 도구의 실시간 정보를 기반으로 그에게 작업 우선순위를 지능적으로 정렬해 준다.
과거에는 그는 여러 애플리케이션 사이를 왔다갔다 해야 했다. 이제는 매일 대시보드를 열어 "오늘 무엇을 해야 하나?"라고 물으면 된다. 시스템은 Salesforce에 성사될 가능성이 높은 거래가 있음을 감지하고, 해당 고객의 중요한 이메일을 아직 회신하지 않았음을 확인하면 즉시 우선 처리를 권고한다. Thawar는 "그는 이제 거의 개별 도구를 열지 않습니다. Cursor가 그의 업무 홈 페이지가 되었죠. 이메일 로그인조차 필요 없게 되었는데, 정말 놀랍습니다."라고 말했다.
이는 Shopify가 AI 인프라 투자로부터 기대하는 바로 그 성과이며, 인프라 구축으로 유명한 기업답게 자연스러운 결과이다. "우리는 격리된 기능을 개발하는 데 몇 주를 투자하기보다는, 재사용 가능한 인프라를 구축하는 데 더 많은 시간을 투자하는 것을 우선시합니다. 예를 들어, LLM 에이전트와 MCP 서버를 구축한 목적은 모두가 반복적으로 활용할 수 있는 시스템을 만들기 위함입니다. 누군가 Slack용 MCP를 만들면 회사 전체 직원이 즉시 사용할 수 있게 됩니다."라고 Thawar는 말했다.
워크플로우 사례 3: RFP 에이전트로 수주율 향상
대기업 고객에게 제품을 판매하는 기업들에게 프로젝트 제안서(RFP) 작성은 일상적인 일이다. 각각의 RFP는 수백 개의 질문을 포함하며, 대량의 맞춤형 정보와 회사 배경 지식, 그리고 부서 간 협업이 필요하다.
이 문제를 해결하기 위해 Shopify의 수익 도구 팀은 여러 RFP 질문을 한 번에 답변할 수 있는 에이전트를 개발했다. 이 에이전트는 LibreChat(Shopify는 그 핵심 기여자 중 하나) 기반으로, 공개 문서, 헬프센터, 사례 연구 등 내부 지식 베이스를 호출하여 내용이 풍부하고 근거가 명확한 답변을 자동 생성함으로써 솔루션 엔지니어의 생산성을 크게 해방시켰다.
질문에 답변할 때 에이전트는 각 답변에 대해 '신뢰도 점수'를 제공하여 정보가 충분한지 여부를 나타낸다. 또한 과거 성공한 RFP 답변 사례에서 학습하여 새로운 성공 사례를 지식 베이스에 저장함으로써 미래 응답 품질을 지속적으로 최적화한다.
03 AI가 사고 과정을 숨기기보다 더 많이 '드러내도록' 하기
많은 사람들이 AI에 지나치게 의존하면 '두뇌가 녹슬게 되고', 업무 자체와 소외될까 걱정한다. 그러나 반직관적인 사실은, 적절히 사용한다면 오히려 AI가 더 많은 세부 정보를 제공하여 인간이 더 깊이 개입할 수 있게 된다는 점이다.
"대부분의 사람들은 이상적인 사용자 경험은 질문을 하고 AI가 답을 주는 것이며, 그 사이의 '혼란스러운' 과정은 최대한 줄여야 한다고 생각합니다,"라고 Thawar는 말했다. "하지만 누군가 특정 기술을 능숙하게 익히도록 돕는 것이 목표라면, 오히려 이러한 과정의 세부사항을 보여주는 것이 더 효과적입니다."
전략: 사람에게 '컨텍스트 엔지니어링' 적용
Shopify는 AI 활용을 효과적으로 이끌기 위한 핵심이 프롬프트 최적화를 넘어서, '컨텍스트 엔지니어링(context engineering)' 개념을 직원들에게 체계적으로 적용하는 데 있다고 인식한다.
예를 들어, Shopify에서는 프로젝트 책임자가 매주 프로젝트 진행 상황 보고서를 제출해야 하므로, 회사의 프로젝트 관리 시스템은 정보의 고속도로 역할을 한다. 이제 AI 에이전트가 프로젝트 관련 GitHub 풀 리퀘스트, 문서, 댓글, Slack 채널 정보 등을 자동으로 수집하여 주간 보고서 초안을 작성한다.
매주 금요일, 프로젝트 책임자는 AI가 생성한 이 보고서를 받지만, 함께 다음과 같은 도전적인 추가 질문들이 제공된다. 예를 들어 "이번 주에 구체적으로 어떤 일을 완료하셨나요?"와 같은 것이다. 이는 책임자가 AI 요약을 비판적으로 검토하고 최적화하도록 유도한다. 실제와 다른 부분을 발견하고 잠재적 리스크를 노출시키도록 유도하는 것이다. 왜냐하면 자신의 업무 성과가 정확히 이해되기를 원하기 때문이다.
"담당자의 피드백을 바탕으로 AI는 새로운 보고서를 생성합니다. 우리는 최종본과 초안의 차이를 비교하며, AI는 이러한 수정 내용을 학습하여 계속 진화합니다,"라고 Thawar는 말했다. 과거에는 주간 보고서 작성을 위해 정보 수집에 많은 시간이 소요되었지만, 이제 프로젝트 책임자는 인간이 가장 잘하고 가장 해야 할 일에 집중할 수 있다. 즉 비판적 사고와 도전을 통해 업무 성과를 더 좋게 만드는 것이다.
AI가 생성한 주간 보고서 초안 중 절반이 수정 없이 바로 통과되는 것을 발견했습니다. 이 보고서들의 품질이 매우 높은데, 그 이유 중 일부는 AI가 접근 가능한 모든 관련 정보를 통합했기 때문입니다.
Farhan Thawar 파르한 타와르 Shopify 엔지니어링 부사장 겸 책임자
워크플로우: 코드를 '디스'하는 Roast 프레임워크
Shopify는 세계에서 가장 규모가 큰 Ruby on Rails 애플리케이션 중 하나를 운영하고 있다. 수많은 엔지니어들이 효율적으로 협업하며 거대한 단일 코드베이스를 유지보수하는 것은 항상 도전 과제였다. 특히 Ruby처럼 '설정보다 규약(convention over configuration)'을 중시하고 개발자의 자유로운 발휘를 장려하는 언어 환경에서는 더욱 그렇다.
Shopify의 엔지니어들은 AI가 코드 규약 유지, 단위 테스트 통일, 코드 업데이트 규칙 준수를 위한 강력한 도구가 될 수 있음을 발견했다. 하지만 AI 자체는 신뢰할 수 없으며, 명확한 구조화된 가이드와 결정론적 도구 및 원칙과 결합되어야 한다.
따라서 Shopify는 Roast라는 오픈소스 AI 오케스트레이션 프레임워크를 개발했다. 이 이름은 내부에서 동일한 이름의 AI 도구에서 유래했는데, 기존 코드와 단위 테스트를 '디스(roast)'하는 방식으로 건설적인 비판과 개선 제안을 제공한다. Roast는 모든 작업을 단일 프롬프트로 처리하려는 것이 아니라, 작고 정밀하며 성공률이 높은 일련의 작은 단계들로 구성된 피드백 루프를 설계하고 실행할 수 있도록 한다.
-
Roast는 워크플로우를 여러 단계로 분해하며, 각 단계에서 AI의 추론 과정을 명확히 보여준다.
-
이러한 단계들이 전체 대화 이력을 구성하여, 엔지니어가 AI의 의사결정 논리를 추적하기 쉽게 한다.
-
핵심인 CodeAgent(클로드 코드 기반)는 자신의 각 단계별 조치와 그 이유를 요약한다.
-
테스트 평가 등의 작업을 수행할 때, Roast는 최종 결과를 제시하기 전에 '왜'와 '어떻게'에 대한 상세한 피드백을 제공한다.
"결정론적 도구와 AI 도구를 결합하면 서로 정보를 보완하고 격차를 메울 수 있습니다,"라고 Roast 개발에 참여한 Shopify 직원 개발자 Samuel Schmidt는 말했다. Roast는 에이전트 사용을 단순화하고 협업하는 엔지니어에게 작업 전 과정을 보여줌으로써, 복잡한 프로세스를 반복 가능하고 확장 가능한 방식으로 실행하기 쉽게 만든다.
이 도구는 이미 Shopify 내부에서 많은 기술적 난제를 해결했다. 예를 들어 수천 개의 테스트 파일을 분석하고 일반적인 문제를 자동으로 수정함으로써 코드의 테스트 커버리지를 전반적으로 향상시켰다. 이러한 문제 해결 과정에서 팀은 AI를 활용해 복잡한 엔지니어링 작업을 보다 신뢰성 있게 수행하는 새로운 패러다임을 개척했으며, 이는 현재 많은 팀이 직면한 도전 과제이기도 하다. 따라서 Shopify는 Roast를 오픈소스로 공개하여, 전 세계 커뮤니티와 함께 AI 보조 작업 실행의 미래를 형성해 나가기로 결정했다.
04 제품 개발에서 '초심자 마인드셋' 구축하기
Shopify는 단지 초심자의 수를 늘리는 것에 그치지 않고, 프로토타이핑을 강조하는 제품 개발 프로세스를 변화시킴으로써 스스로를 초심자 입장에 두는 실천을 하고 있다. 이것이야말로 병목을 돌파하고 해결책을 찾는 진정한 핵심이라고 그들은 믿는다.
전략: 더 많은 주니어 인재 채용
인재 전략 면에서 Shopify는 'AI가 인력을 대체할 것이다'는 단순한 표면적 이해에 머물지 않고, 새로운 원칙을 수립했다. "당신이 AI를 활용해 탁월한 가치를 창출할 수 있다면, 회사는 그를 지원하기 위해 더 많은 자원을 투입할 것이다." 여기서 말하는 자원에는 새로운 인력도 포함된다.
일반적인 견해는 AI가 주니어 직무를 파괴할 것이며, 공학 전공 졸업생들은 '직장 생활의 종말'을 걱정하며 졸업과 동시에 실업을 걱정한다는 것이다. 그러나 Shopify는 정반대로 더 많은 인턴을 채용했다. 그들은 바로 이런 젊은이들이 가장 창의적인 방식으로 AI를 사용하는 집단이며, 본래부터 초심자 마인드셋을 가지고 있다는 것을 발견했기 때문이다.
25명의 엔지니어링 인턴을 성공적으로 도입한 후, Lütke는 Thawar에게 이 프로그램이 최대한 얼마나 확장될 수 있는지 물었다. "처음 저는 기존 인프라 하에서 75명까지 지원 가능하다고 답했습니다. 하지만 이후 그 말을 철회하고, 답을 1,000명으로 수정했습니다,"라고 Thawar는 말했다.
Thawar는 풍부한 인턴십 프로그램 운영 경험을 가지고 있다. 그는 인턴들이 팀에 활력, 열정, 추진력을 가져다준다는 것을 잘 알고 있다. 그리고 LLM 이후의 시대에는 그들이 새로운 기술을 더 추가했다. 즉, 그들은 본능적으로 'AI 반인반마'이다. "그들은 항상 새로운 도구와 단축 경로에 호기심을 느낍니다. 저는 그들이 '게으르게' 행동하기를 바랍니다. 최신 도구를 사용하길 바랍니다,"라고 그는 말했다. "모바일 인터넷 시대에도 저는 이를 목격했습니다. 당시 저는 많은 인턴을 채용했는데, 그들이 '모바일 네이티브'이기 때문이었습니다."
전략: 더 많은 프로토타이핑으로 최적 경로 탐색
현재 더 많은 프로토타이핑이 Shopify의 제품 개발 프로세스에서 핵심적인 위치를 차지하고 있다. 구체적으로 말하면, 회사는 프로토타이핑 시도와 최종 구현 사이의 비율을 높이는 데 주력하고 있다. 이는 Shopify의 핵심 원칙인 '제품 개발 그린 레인(green lane)'을 실천하는 것이다. 즉, 복잡한 문제를 해결하는 유일한 방법은 끊임없이 시도하는 것이다. Lütke는 Thawar에게 말했다. "한 문제에는 무수히 많은 나쁜 해결책과 약 1만 가지 정도 괜찮은 해결책이 있습니다. 당신의 임무는 그 1만 가지 중에서 최고의 해법을 찾는 것입니다. 방금 보여준 것은 단지 처음으로 동작하는 방법인데, 왜 거기서 멈추셨나요?"
Thawar는 덧붙였다. "여러분 앞에는 수백 개의 변수와 계층이 있는 문제를 두고 있습니다. 다양한 경로를 탐색해야 합니다. 이러한 경로들은 외형상 유사한 최종 제품으로 이어질지도 모르지만, 그 뒤에 숨겨진 타협과 선택은 천차만별일 수 있습니다."
예를 들어, Shopify 내부의 AI 채팅 도구는 프로토타입에서 비롯되었다. 고급 엔지니어 Matt Burnett은 초기에 단순히 내부 LLM 접근을 개선하기 위해 오픈소스 도구로 실험을 시작했다. 그는 초기 버전에서 반복적으로 개선하며 데이터 손실 및 확장성 문제를 해결했으며, 동료들에게 조기에 사용하게 함으로써 아키텍처의 결함을 노출시켰다. 결국 이 도구는 널리 채택되어 전담 엔지니어링 팀이 운영을 담당하게 될 정도가 되었다.
AI 사용 정도를 성과와 밀접하게 '연결'
조직 전체의 엔지니어링 효율성의 다양한 측면을 측정하기 위해 Thawar는 엔지니어링 활동 대시보드를 사용한다. 이 대시보드는 누가 페어 프로그래밍을 하고 있는지, 누가 면접에 참여했는지, 앞서 언급한 Copilot 사용 여부 등을 추적한다.
Shopify의 수년간의 데이터에 따르면, 페어 프로그래밍은 학습 속도를 현저히 향상시킨다. 이 대시보드를 활용해 회사는 페어 프로그래밍 시간과 성과 평가 결과 간의 관계를 분석했다. 그 결과, 엔지니어의 페어 프로그래밍 시간이 길수록 그들의 영향력이 크고, 짧을수록 작다는 것이 밝혀졌다.
이제 이 대시보드는 Cursor, Claude Code, LLM 에이전트 등 AI 도구 사용 여부도 추적하기 시작했다. 초기 분석에 따르면, 이러한 도구를 사용하는 직원들의 영향력도 양의 상관관계를 보이고 있다. 이를 통해 진정으로 가치를 창출하는 도구를 식별하고, 개인 성과와의 연관성을 파악할 수 있다.
Shopify는 이미 AI 관련 항목을 360도 평가 체계에 포함시켰다. 매니저와 동료들은 서로의 'AI 네이티브' 또는 'AI 반사적' 행동을 평가해야 한다. 회사는 몇 년간 데이터를 축적한 후, AI 사용과 개인 영향력 간의 관계를 더 심층적으로 분석할 계획이다.
Thawar 자신도 페어 프로그래밍을 통해 AI 사용 방법을 직접 시범한다. "저는 한 엔지니어와 페어 프로그래밍을 하는데, 한편으로는 그가 문제를 해결하는 방식을 관찰하기 위함이며, 다른 한편으로는 제 철학을 전파하기 위함입니다. 저는 항상 ChatGPT 탭을 열어두고, 실무에서 어떻게 순간순간 AI와 협업하는지를 보여줍니다."
05 효율성 향상은 업무 프로세스를 재구성한다
프로 운동 팀의 훈련이나 미쉐린 스타 레스토랑 주방 운영의 모든 동작을 정밀하게 분석한다면, 그들의 운동 효율이 약 80% 정도에 이른다는 것을 알 수 있다. 반면 기업을 살펴보면, 운영 효율은 많아야 20% 수준일 수 있다.
"기업에는 우리가 아직 최적의 작업 방식을 발견하지 못했기 때문에 어마어마한 낭비가 존재합니다."라고 Thawar는 지적했다. "기존 프로세스를 가속화하는 것은 AI의 명백한 가치입니다. 하지만 더 깊고 잘 알려지지 않은 가치는, 당신의 프로세스를 완전히 다른 순서로, 완전히 다른 가정 아래서 실행해야 한다는 점을 갑자기 깨닫게 해준다는 것입니다. 그 '깨달음'의 순간이 오면, 수많은 중복 작업을 건너뛸 수 있거나 전체 프로세스를 재구성할 수 있습니다."
다시 웹사이트 감사 도구를 생각해보자. Thawar는 이것이 어떻게 영업 프로세스를 완전히 바꿀 수 있는지 고민한다. "웹사이트 감사 보고서 제작 비용이 거의 무시할 수 없게 되면, 누가, 언제 이 데이터를 제시할지에 대한 영업 프로세스 자체를 바꿀 수 있습니다. 예를 들어, 고객이 철저히 선별되기 전보다 훨씬 더 빠른 시점에 이를 도입할 수 있습니다. 이렇게 되면 영업개발대표(SDR)가 접촉하는 고객 유형조차 바뀔 수 있습니다."라고 그는 말했다. "결국 이는 완전히 새로운 영업 프로세스를 낳게 될 것입니다. 그리고 이 모든 것을 가능하게 하는 유일한 요인은, 우리가 웹사이트 감사 보고서를 극도로 낮은 비용으로 생성할 수 있다는 점입니다."
그는 높이 평가되지만 모방하기 극도로 어려운 '토요타 생산 시스템'을 예로 든다. AI는 아마도 이러한 상황을 바꾸고 있을지도 모른다. "AI는 우리의 기본 가정을 근본적으로 변화시킵니다. 복잡한 조합 문제를 가진 생산 라인에서 AI를 사용해 효율을 1,000배 향상시킬 수 있습니다. 이것이야말로 진정한 마법입니다. 우리가 추구하는 것은 바로 이러한 '프로세스의 힘'을 발견하는 것입니다."
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
