AI 시대, 협업의 진짜 병목은 코드가 아니었다
기술 발전은 늘 우리가 상상치 못한 곳에서 우리 작업의 본질을 뒤흔든다. 챗GPT 같은 거대언어모델(LLM) 기반의 코딩 에이전트가 등장하면서 소프트웨어 개발의 생산성 논쟁이 뜨겁다. 많은 이들이 코딩 속도가 폭발적으로 늘어나면 전체 소프트웨어 개발 주기가 획기적으로 단축될 것이라 기대한다. 하지만 현장에서 부딪혀 본 우리 동료들은 직감적으로 안다. 늘 문제는 다른 곳에서 터진다는 사실을.
코딩은 더 이상 병목이 아니다
코딩 에이전트의 등장은 개인의 코딩 속도를 이전과 비교할 수 없을 만큼 가속화한다. 한 개발자가 1년 넘게 미뤄두었던 구조화 생성 알고리즘 실험의 첫 버전을 챗GPT의 전신인 Codex에 30분 설명하자 몇 시간 만에 작동하는 결과물이 나왔다. 이는 코딩 에이전트가 단순히 코드를 생성하는 것을 넘어, 복잡한 문제 해결의 실마리를 빠르게 찾아 구현하는 능력을 지녔음을 방증한다.
코드를 작성하는 개인의 생산성은 극적으로 향상되었다. 이 변화는 마치 과거의 수동적인 문서 작성이 워드프로세서의 등장으로 속도가 붙은 것과 같다. 이처럼 개인이 코드를 쓰는 방식은 이미 크게 변하고 있다. 하지만 이러한 개별 생산성 향상이 곧 소프트웨어 산업 전체의 속도 증가로 직결되지는 않는다. 본질적으로 소프트웨어 개발은 여러 사람이 협업하여 시스템이 무엇을 해야 할지 논의하고 합의한 결과물을 코드로 옮기는 과정이다. 즉, 코드는 더 어려운 협업 과정의 잔여물에 불과하다.
진짜 병목: 명세와 관리
코딩 에이전트가 코딩 자체를 담당하는 팀에서는 뜻밖의 새로운 병목 현상이 발생한다. 이제 속도를 늦추는 요소는 코드를 쓰는 능력이 아니라, 에이전트가 즉시 실행할 수 있을 만큼 정밀한 명세를 만드는 일이다. 로드맵, 인수 기준, 심지어 “우리가 실제로 원하는 것”조차 테스트 스위트, 티켓, 설계 문서와 같은 형태로 명확하게 작성되어야 한다.
기능은 과거보다 훨씬 빠르게 구현된다. 그러나 엔지니어는 더 이상 다른 엔지니어를 기다리지 않는다. 대신 다음에 올바르게 작성된 명세를 기다리는 상황에 직면한다. 병목은 이제 코드를 쓰는 사람에게서 어떤 코드가 존재해야 하는지 결정하는 사람에게로 이동한 것이다. 이는 곧 관리의 문제로 귀결된다. 교육 현장에서 AI가 수업 자료 생성을 빠르게 돕는다면, 이제 교사의 핵심 역량은 명확한 수업 목표와 평가 기준, 그리고 AI에게 줄 정교한 지시어를 설계하는 능력으로 전환된다는 뜻이다.
싸진 코드는 더 많은 합의를 요구한다
코드 작성 비용이 낮아지면, 우리는 같은 노력을 이전에는 할 가치가 없다고 생각했던 결과에 쏟아붓게 된다. 3개월 전이라면 “시간 낭비”로 여겨졌을 프로토타입이 오후 한나절 만에 뚝딱 만들어지고, 명확한 수요가 없던 내부 도구가 생성되었다가 이내 잊히는 일도 비일비재하다.
사용자가 흡수할 수 있는 기능의 속도는 팀이 10개를 출시하든 50개를 출시하든 대체로 그대로이다. 스티브 잡스가 1997년에 말했듯이, “집중은 거절하는 것“이다. 애플은 그해 제품군의 약 70%를 정리하며 무엇을 만들지 않을지에 대한 규율을 강하게 적용했다. 에이전트가 있으면 새 기능을 출시하는 감각이 더 쉬워지므로, 무엇을 만들지뿐 아니라 무엇을 만들지 않을지 정하는 규율은 역설적으로 더 어려워진다. 교육 현장에서 AI를 활용해 수많은 학습 자료를 손쉽게 만들 수 있지만, 학습자에게 불필요하거나 산만한 자료는 오히려 집중을 방해한다. AI 시대의 리더십은 ‘무엇을 만들 수 있는가’를 넘어 ‘무엇을 만들지 말아야 하는가’에 대한 명확한 기준을 제시하는 데 있다.
맥락이 핵심 자원이 된다
협상과 합의는 조직 안의 공유 맥락 위에서 작동한다. 이 맥락은 무엇을 만들고 있는지, 왜 중요한지, 무엇을 시도했고 누가 무엇을 결정했는지, 무엇이 핵심이고 무엇이 남은 흔적인지를 포괄한다. 팀의 구성원들은 같은 공간에서 일하고, 같은 챗 애플리케이션 채널을 읽으며, 새벽 2시에 같은 장애를 디버깅하면서 이러한 맥락을 자연스럽게 쌓는다. 이 맥락의 대부분은 문서화되지 않으며, 시니어 엔지니어가 코드 리뷰에서 “이건 마이그레이션을 깨뜨릴 것”이라고 말할 때도 문서 없는 맥락을 활용한다.
코딩 에이전트는 이런 식의 삼투압 현상(osmosis)을 통해 맥락을 얻지 못한다. 방 안에 있거나 계획 대화를 반쯤 듣거나 지난 장애의 기억을 지닌 채 맥락을 얻을 수 없는 것이다. 프롬프트, 파일 트리, 도구, 명시적 지시 안에 넣지 못한 맥락은 에이전트가 안정적으로 지니지 않는다. 맥락이 없으면 에이전트는 조금 잘못된 질문에 대해 그럴듯한 답을 만들어낸다. 이는 정확하지만 유용하지 않은 결과를 낳는다. 교육 분야의 교사 공동체에서 비공식적 경험과 노하우가 전달되듯, 인간만이 공유하는 암묵지는 여전히 대체 불가능한 자원이다.
AI가 맥락을 생산하는 루프
사람이 쉽게 소비할 수 있는 맥락을 명시적으로 만드는 일은 사람들이 좋아하지 않는 작업이다. 하지만 에이전트는 코드 리뷰 댓글, 닫힌 이슈, 커밋 메시지, 오래된 설계 문서, 슬랙 아카이브를 빠짐없이 읽고, 아무도 문서화하지 않았던 패턴을 추출하는 데 강점을 지닌다.
실제로 코드베이스, 이슈, PR, 스레드를 크롤링해 암묵적 결정, 관례, “왜 이렇게 했는지”를 지식베이스로 만드는 에이전트를 구축하는 시도가 진행 중이다. 이 지식베이스는 단순히 “이 모듈이 존재한다”가 아니라, “마이그레이션이 기존 동작을 보존해야 해서 이 모듈이 이상하다”거나 “이 벤치마크는 이전 최적화가 분포를 조용히 바꿨기 때문에 중요하다” 같은 깊이 있는 맥락을 담는다. 다른 에이전트는 코드베이스에서 행동해야 할 때 이 지식베이스를 활용한다.
결국, 사람이 비공식적으로 수행하던 맥락의 삼투 현상이 에이전트와 사람 모두 읽을 수 있는 형태로 외부화된다. 맥락을 소비하는 에이전트에는 맥락을 생산하는 에이전트가 필요하며, 이 루프가 돌아가면 조직은 스스로 만들지 않았을 문서화된 기반을 갖게 된다. 다만 이 루프가 만드는 것은 언제나 부분적인 그림이다. 철학자 마이클 폴라니(Michael Polanyi)가 말했듯, “우리는 말할 수 있는 것보다 더 많이 알고” 있으며, 어떤 핵심 맥락은 말로 적힌 적이 없기 때문에 존재하고, 적는 순간 그 본질이 달라질 수 있다. 인간이 직접 만나 쌓는 맥락의 층은 문서화된 부산물만으로 완전히 복원될 수 없다. 결과물은 완전한 복원이 아니라 유용한 출발점에 가깝고, 그것이 누적 효과를 내기에 충분한지는 아직 실험적인 질문으로 남는다.
새로운 해자는 기술보다 조직에 있다
다음 10년의 승자는 반드시 최고의 모델이나 최고의 에이전트 인프라를 가진 회사가 아닐 가능성이 크다. 오히려 50명, 200명, 2,000명으로 커지면서도 줄어드는 결정 집합에 정렬된 채 1인당 더 많은 산출을 내는 회사일 가능성이 크다. 이런 회사는 에이전트가 오기 전부터 가장 어려운 문제가 일관성이라는 점을 알고 있었던 조직이다. 이는 문화와 관리의 문제이며, 언제나 그래왔다.
| 표 | 이전 세대 도구의 약속과 실제 | |
|---|---|---|
| 약속 | 더 나은 도구로 조직 조정 문제 해결 | |
| 실제 | 이미 존재하던 조직적 일관성을 증폭하는 역할 |
IDE, 버전 관리, CI/CD, 마이크로서비스, 데브옵스(DevOps) 같은 이전 세대 도구는 더 나은 도구로 조정을 해결하겠다고 약속했지만, 실제로는 이미 존재하던 조직적 일관성을 증폭하는 역할을 했다. 작은 팀은 일관성을 거의 공짜로 얻기 때문에 증폭 효과가 대체로 긍정적이다. 에이전트를 강하게 지지하는 목소리가 작은 팀에서 많이 나오는 이유도 그들의 맥락에서는 대부분 옳기 때문이다.
하지만 일정 규모를 넘으면 일관성은 만들어지고 유지되어야 하며, 증폭 효과는 양방향으로 날카로워진다. 좋은 조직은 더 좋아지고, 나쁜 조직은 더 빠르게 망가지는 방향으로 움직인다. 에이전트는 이전 도구들보다 훨씬 큰 증폭기이다. 개인이 코드를 더 빨리 쓰게 하는 수단으로는 과대평가되고, 조직이 아는 것을 외부화하게 만드는 수단으로는 과소평가된다. 이 변화가 교육 현장에 정착되려면, 교사들이 함께 새로운 AI 도구를 실험하고 그 효과를 성찰하며 학습 공동체(PLC)를 통해 집단 지성을 형성하는 구조가 먼저다.
당신의 조직 문화는 에이전트와 공명하는가
에이전트는 개인의 생각 확장처럼 느껴질 수 있고, 그 감각은 강력하다. 그러나 더 어려운 과제는 에이전트를 회사 문화의 확장으로 만드는 일이다. 이를 위해서는 글쓰기 문화, 자신이 여전히 맥락 병목인 지점을 식별할 만큼 사려 깊은 관리, 그리고 일관성을 유지해야 할 실제 산출물로 다루는 사람이 필요하다. 새로워진 점은 이런 문화적, 관리적 기반 중 일부를 이제 기술적으로 구축할 수 있다는 사실이다. 맥락을 읽고 추출하는 루프는 그 한 형태이며, 앞으로 다른 형태도 계속 등장할 것이다.
AI는 결국 조직의 가치와 문화를 투사하는 거울이다. 투명한 공유, 명확한 의사소통, 그리고 지속적인 개선을 추구하는 문화가 없다면 AI는 오히려 혼란과 비효율을 증폭시키는 도구가 될 수 있다.
오늘 당장, 당신의 팀(학급, 교과 협의회)에서 가장 중요한 결정 하나를 두고 ‘왜 그렇게 결정했는지’를 명확하게 문서화하는 짧은 시간을 가져보라. 이는 AI 시대 협업과 지식 관리의 첫걸음이다.