AI 네이티브 기업 똑똑한개발자, 아웃소싱 사업 없앤다
한 IT 아웃소싱 전문 기업이 AI 네이티브 전환을 선언하며, 회사의 주력 사업 모델을 스스로 없애겠다는 담대한 계획을 발표한다. 이는 단순히 기술 도입을 넘어, 조직의 일하는 방식과 존재 이유를 근본적으로 재정의하는 과정이다. 이 회사는 모든 업무 단계를 AI 친화적으로 재편하고, AI 에이전시의 미래에 선제적으로 대비한다.
AI 네이티브 전환 선언과 아웃소싱의 종말
10년간 IT 아웃소싱 회사를 운영해온 똑똑한개발자(이하 똑개)의 서장원 대표는 최근 AI 네이티브 기업으로의 전면 전환을 선언했다. 서 대표는 이 전환을 통해 기존 아웃소싱 사업 전체를 없앨 것이라고 말한다. 이 변화는 몇몇 AI 생산성 도구를 도입하는 수준을 뛰어넘는다. 똑개는 회사의 모든 업무 단계를 AI 친화적으로 재구성하며, ‘AI 에이전시’라는 업 자체가 사라질 미래를 준비한다. 궁극적으로 똑빌더라는 자체 개발 시스템을 통해 아웃소싱 업무를 자체적으로 소화하고, 이 경험을 다른 조직에도 적용하겠다는 방향성을 지닌다.
‘똑빌더’의 탄생, AI 빌더로의 역할 통합
똑개는 조직 전체의 생산성을 높이려는 고민 끝에 내부 시스템인 똑빌더를 개발했다. 똑빌더는 과거 기획자, 디자이너, 프론트엔드 개발자, 백엔드 개발자로 나뉘던 직무를 ‘AI 빌더’ 또는 ‘AI 프로덕트 빌더’ 형태로 통합한다. 실리콘밸리에서는 이미 ‘AI 빌더’라는 새로운 직함이 부상하고 있다.
이러한 직무 통합은 팀원들에게 “내가 저 일까지 다 해야 하는가” 하는 반발을 불러왔고, 일부 팀원이 퇴사하는 상황으로 이어지기도 했다. 특히 PM(프로젝트 매니저) 팀이 사라지자, 그 역할을 AI 에이전트로 대체하는 아이디어가 나왔다. 이 AI 에이전트는 슬랙에서 내용을 수집하고 업무를 자동 생성한다. AI가 인간의 역할을 100% 대체하지는 못하며, 여전히 인간의 개입이 필요한 부분은 남아있다. 또한, DRI(Directly Responsible Individual) 개념을 도입하여 각 팀원이 업무의 시작부터 끝까지 직접 책임을 지고 완수하는 체계를 구축했다. 여기서 AI 빌더는 DRI의 실행을 돕는 레이어 역할을 한다.
직접 제품 개발의 중요성과 도전
똑개는 단순한 IT 아웃소싱을 넘어 ‘프로덕트 빌더’로서 자체 IT 제품을 만들겠다는 목표를 지닌다. 단순 웹사이트나 앱 제작을 넘어 비즈니스적으로 성공하는 IT 제품을 만드는 것이 주된 목표이다. 성공적인 IT 서비스를 만들려면 먼저 내부에서 성공을 경험해야 한다고 판단한다. B2B SaaS인 플러그는 이러한 내부 성공 사례 중 하나이다. 플러그는 이미 월별 손익분기점(BEP)을 넘긴 성공적인 내부 제품으로 평가된다.
현재 똑개는 아웃소싱 사업이 여전히 주된 매출원이다. 서 대표는 개인적으로 다양한 프로젝트를 맡는 아웃소싱 업무를 즐기기도 한다. 따라서 당장은 아웃소싱과 SaaS 사업을 병행한다. 투자 유치에는 어려움이 있다. 크몽과 M&A가 된 상태라 직접 투자를 받기 어렵다. 플러그의 마케팅 비용을 늘리면 성장 가능성이 크지만, 에이전시 사업의 특성상 ‘비전에 대한 투자’를 유치하기 어렵다는 점이 성장을 제약하는 주된 원인이다.
AI 기반 워크플로우 혁신, 똑빌더 시스템
똑빌더는 외부에 판매하는 서비스가 아니다. 이 시스템은 프로젝트 기획, 디자인, 개발, 고객 인수인계, 최종 산출물 자산화에 이르는 전 과정을 AI 친화적으로 바꾸는 ‘업무 대시보드’이다.
똑개는 클로드 같은 AI 모델을 적극 활용하여 팀 전체를 AI 기반으로 전환했다. 과거 스프린트 대시보드를 만들었지만 실제 사용되지 않았던 경험을 바탕으로, ‘아무리 좋은 기능이라도 사용자가 원하지 않으면 쓰이지 않는다’는 교훈을 얻었다. 이에 팀원들이 실제로 편리하게 사용할 수 있는 웹 기반의 자동화된 AI 워크플로우를 구축한다.
데이터 수집과 활용
- 회의록 기록: 회의록은 캐럿(Caret)과 같은 AI 회의록 도구로 녹음 및 기록한다. 이를 API로 연결하여 프로젝트별 데이터를 수집한다.
- 지식 기반 구축: 수집된 데이터는 AI 에이전트의 지식 기반으로 활용된다. 이는 프로젝트 이슈를 추론하거나 누락된 클라이언트 요청을 감지하는 보조 역할을 한다. 데이터는 매일 수집한다.
- 고객 만족도 예측: LLM은 수집된 커뮤니케이션 데이터를 분석하여 고객 만족도 하락 여부와 원인을 판단한다. 이를 팀에 알림으로 제공하여 관리자와 실무자가 놓치기 쉬운 만족도 이슈에 선제적으로 대처하도록 돕는다. PMI(프로젝트 관리 협회) 연구에 따르면 프로젝트 실패 원인의 29%가 커뮤니케이션 문제이다.
AI 기반 기획 단계
- 자료 수집: 채널이 생성되면 다음은 자료 수집 단계이다. 플러그의 영업 과정에서 발생하는 이메일 정보, 마크다운 파일, 기획서, RFP(제안요청서) 등을 데이터로 활용한다.
- 초안 생성 및 스킬 구현: 이 자료를 기반으로 AI가 초안을 생성한다. 똑개만의 고유한 프로세스와 노하우가 담긴 스킬(기능)로 이를 구현한다. 참고 자료를 선택하여 생성을 시도하면 PRD(Product Requirement Document) 초안 작성이 진행된다.
AI와 인간의 협업, 휴먼 인 더 루프
AI가 모든 것을 완전히 처리하지 않는다. 똑개는 중요한 단계마다 인간이 직접 확인하고 수정하는 휴먼 인 더 루프 방식을 강조한다.
- 기획서 완성: AI가 자료 수집 후 기획서 초안을 만들면, AI는 미결 사항을 질문 형태로 인간에게 물어본다. 예를 들어, “로그인 페이지가 필요한가”, “비회원도 방문 가능해야 하는가”, “마이페이지는 비회원이 들어올 수 없는가”와 같이 권한별, 페이지별 구성 등 상세 기획 내용을 AI가 다시 사람에게 질의하여 기획서의 완성도를 높인다. 약 30페이지 분량의 프로젝트 기획서라면, AI가 1차적으로 빌드하고 인간이 참여하여 퀄리티를 높이는 방식이다. 기획이 변하지 않는 상태에서는 프론트엔드와 백엔드 환경 세팅까지 개발 없이 가능하다.
- 최종 산출물: 상세 기획서와 IA(정보 아키텍처) 형태로 완성된다. 이는 페이지 구조를 시각적으로 보여주고, 각 페이지에 필요한 데이터 요건을 명시한다.
- 디자인 단계: 화면 구조를 기반으로 디자인 시스템 기준에 맞춰 AI가 디자인 마크다운 파일을 생성한다. 플러그 서비스는 Vibe Coding을 활용하며, AI가 설정한 룰에 맞춰 디자인 관련 파일이 나온다. 대시보드를 통해 업무 목적, 토큰 사용량, 비용 등을 추적한다.
- 빌드 단계: PRD가 확정되기 전, LLM이 PRD를 분석하여 다음 단계로 진행해도 괜찮은지 5가지 항목을 기준으로 비평을 수행한다. 이 단계를 거쳐 PRD가 최종 확정되면 Supabase, Git, Vercel 연동이 자동으로 진행된다.
- AI의 태스크 생성: AI는 ‘인간 태스크’와 ‘AI 실행’ 태스크를 구분하여 작업 목록을 만든다. Vercel 토큰 발급, Supabase 설정 등은 인간 태스크로 분류되고, 페이지나 API 생성은 AI가 직접 코드를 실행하여 처리한다. 이 실행은 실제 클로드 코드를 통해 이루어진다.
- 프로젝트가 한 번에 완벽하게 빌드되지는 않는다. 1차 빌드 후 로컬에서 실행하며 수정한다. 수정 사항은 태스크나 Vibe Coding 요청으로 AI에 반영되고, AI는 이를 다시 태스크로 반영하는 구조를 지닌다.
AX 전환의 현실과 도전
많은 기업이 AX(AI 트랜스포메이션)를 이야기하지만, 대부분은 몇몇 생산성 도구 도입 수준에 머무른다. 진정한 AX를 위해서는 먼저 조직 구성원이 ‘AI를 어디까지 사용하는가’부터 파악해야 한다. 챗GPT와 대화하는 수준인지, 클로드 코드를 다루는 수준인지 먼저 인지해야 한다. 그 후 전사적으로 클로드 코드든 제미나이(Gemini)든 일단 도입하는 등 구체적인 시도를 시작해야 한다.
DX 선행의 중요성
DX(디지털 트랜스포메이션)가 이루어지지 않은 상태에서 AX를 시도하는 것은 어렵다. 예를 들어, 영업 데이터를 통합된 엑셀로라도 관리해야 하는데 개개인의 개인 기록으로 관리한다면, 이는 DX가 되지 않은 상태이다. 이 경우 AI 도입 이전에 일하는 방식부터 바꿔야 한다. AI 도입은 ‘기술 도입’이 아닌 ‘환경 변화’로 보아야 한다. 업무 환경 전체의 리듬을 바꾸는 과정이다.
데이터 관리 조언
데이터는 많다고 좋은 것이 아니다. 정말 핵심적인 것만 보고, 궁극적인 의사결정은 사람이 한다. 모든 데이터를 AI에 넣어 과거의 의사결정까지 AI가 하게 만드는 것은 불가능하다. 조직에 맞는 중요한 지표 위주로 데이터를 저장하는 구조를 만들어야 한다.
복잡계 이론의 시선으로 보면
똑똑한개발자의 AI 네이티브 전환은 단순히 기술을 도입하는 행위를 넘어, 조직이라는 복잡계 시스템의 내부 구조와 동역학을 근본적으로 바꾸는 과정이다. 이는 마치 하나의 종(아웃소싱 에이전시)이 환경 변화(AI 시대)에 적응하기 위해 자신의 존재 방식을 바꾸는 진화와 같다. 초기 혼란과 일부 구성원의 이탈은 이러한 복잡계가 새로운 질서를 찾아가는 과도기적 현상이며, ‘휴먼 인 더 루프’ 방식은 시스템의 안정성을 유지하며 점진적인 적응을 유도하는 피드백 루프 역할을 한다.