Braze CTO Jon Hyman이 말하는 AI 우선 엔지니어링 조직으로의 전환

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

Braze는 최근 3개월 만에 엔지니어링 워크플로를 AI 중심으로 완전히 재편하며 커밋된 코드의 60% 이상을 AI가 생성하는 성과를 거두었다. 초기에는 단순 코드 완성을 넘어 Claude Code와 같은 에이전트 도구를 도입하여 MCP 서버 구축 일정을 6주 단축하는 등 실질적인 생산성 향상을 확인했다. 하지만 대규모 추론 비용 발생과 '바이브 코딩'의 한계 등 운영상의 새로운 과제에 직면해 있으며, 이를 해결하기 위해 에이전트 전담 인프라 팀 구축을 계획 중이다. 결론적으로 AI는 엔지니어 인력을 대체하는 것이 아니라 더 많은 로드맵을 빠르게 실행할 수 있게 하는 수요 유발 도구로 작용하고 있다.

배경

SDLC(소프트웨어 개발 생명주기)에 대한 이해, LLM 추론 비용 및 토큰 개념, AI 에이전트 및 MCP 프로토콜에 대한 기초 지식

대상 독자

AI 도입을 고민하는 엔지니어링 리더 및 CTO

의미 / 영향

이 아티클은 AI가 개발자의 일자리를 뺏는 것이 아니라 오히려 더 많은 소프트웨어 수요를 창출하고 개발 속도를 높인다는 점을 강조합니다. 특히 대규모 조직에서 AI 에이전트를 도입할 때 기술적 문제보다 비용 관리와 표준화된 인프라 구축이 더 큰 도전 과제가 될 것임을 시사합니다.

섹션별 상세

단순 코드 완성을 넘어 자율적인 에이전트 기반 개발로 전환하며 조직의 생산성 임계점을 돌파했다. 초기에는 GitHub Copilot 수준의 보조 도구를 사용했으나 Claude Code 도입 이후 AI가 스스로 문제를 해결하는 senior 수준의 역량을 보여주기 시작했다. MCP 서버 구축 프로젝트에서 AI를 전면 활용해 일정을 6주 앞당긴 사례가 조직 전체의 인식을 바꾸는 결정적 계기가 됐다. 현재는 버그 리포트 발생 시 AI가 자동으로 PR을 생성하는 수준의 자동화를 지향하고 있다.

AI 모델의 품질 향상이 회의적인 엔지니어들을 설득하는 가장 강력한 동력이 됐다. 초기 모델의 낮은 정확도로 인해 AI 사용을 꺼리던 엔지니어들이 Opus 4.5와 같은 고성능 모델의 결과물을 직접 확인하며 자발적으로 도입하기 시작했다. 리더십의 강요보다는 실제 업무 시간을 단축해준다는 실익이 증명되면서 팀 내에 AI 활용 문화가 빠르게 확산됐다. 현재는 주간 단위로 AI 활용 통계를 모니터링하며 조직의 변화를 측정하고 있다.

대규모 조직에서 AI 에이전트를 상시 가동할 때 발생하는 막대한 추론 비용이 새로운 운영 병목으로 부상했다. 특정 엔지니어의 경우 하루에만 150달러 이상의 토큰 비용을 지출하는 사례가 발견되어 예산 계획에 충격을 주었다. 무분별한 고성능 모델 사용보다는 작업의 난이도에 맞는 적절한 모델을 선택하는 '추론 효율성' 최적화가 필수적인 과제가 됐다. 향후에는 엔지니어별 비용 대비 생산성 지표를 정의하여 관리할 예정이다.

AI가 생성한 코드의 품질을 유지하고 기술 부채를 방지하기 위해 엔지니어링 표준의 명문화가 더욱 중요해졌다. AI가 생성한 코드가 조직의 프런트엔드 테스트 규격이나 아키텍처 패턴을 따르지 않는 '스파게티 스킬' 문제가 발생하고 있다. 이를 해결하기 위해 에이전트가 학습할 수 있는 표준 가이드라인을 작성하고 에이전트 전담 인프라를 구축하는 팀이 필요해졌다. 2026년에는 CI/CD 파이프라인처럼 에이전트 워크플로를 관리하는 표준화된 팀이 등장할 것으로 전망한다.

언급된 리소스

문서Jon Hyman LinkedIn