안녕하세요. FE1팀의 프론트엔드 개발자 최기환입니다. 최근 몇 년간, 개발 생태계에서 가장 뜨거운 화두는 단연 AI입니다. 많은 팀이 AI를 업무에 도입하며 생산성 향상을 기대하지만, 막상 실무에서는 한 가지 공통된 문제를 마주하게 됩니다.
“AI가 개인의 생산성은 높였지만, 팀의 일관성과 품질은 오히려 저하되고 있다.”
AI, 생산성을 높였지만 일관성을 잃었다
팀원들이 하나둘 AI를 쓰기 시작했습니다. 생산성은 확실히 올랐습니다.
그런데 코드 리뷰에 문제가 드러났습니다.
같은 컴포넌트인데 누구는 스토리북을 5줄로, 누구는 50줄로 작성했습니다. 테스트 코드도 마찬가지였죠. AI가 만들어주는 결과물은 빨랐지만, 제각각이었습니다.
생산성은 올랐는데, 품질 관리는 더 어려워진 역설적인 상황이 되어버린거죠.
문서, 스토리북, 테스트 코드 같은 산출물은 각자의 스타일로 작성되고, 팀 전체의 결과물은 일관성을 잃게 되었습니다. 그때 깨달았습니다.
“AI를 잘 쓰는 법보다, AI를 잘 쓸 수 있는 환경이 필요하다.”
1. AI를 코드처럼 관리하기
문제를 해결하기 위한 출발점은 단순했습니다. AI를 “개인의 도구”로 두지 말고, “팀의 시스템”으로 관리하자는 것.
그래서 팀은 프롬프트를 코드처럼 관리하기 시작했습니다. 각자가 임의로 입력하는 대신, 프롬프트를 버전 관리하고, 하나의 팀 컨벤션으로 다루었습니다.
그 결과, AI를 다루는 숙련도와 관계없이 누구나 10분 만에 동일한 퀄리티의 스토리북을 작성할 수 있는 환경이 구축되었습니다.
이제 프롬프트는 단순한 지시문이 아니라 팀이 지켜야 할 일관성의 규칙, 즉 AI 시대의 코드 컨벤션이 되었습니다.
2. 팀 전체의 AI 역량 동기화하기 (with MCP)
AI의 응답 품질은 입력에 따라 크게 달라집니다. 하지만 매번 적절한 콘텍스트를 찾아 입력하는 것은 개발자에게 큰 부담이었습니다.
우리는 AI가 스스로 필요한 정보를 가져올 수 있는 환경, 즉 MCP(Model Context Protocol)에 주목했습니다.
팀에서는 MCP를 사용해 AI가 스스로 정보를 탐색할 수 있는 환경을 만들었습니다.
- 정확한 UI 구현 (Figma MCP): AI가 디자인 시스템을 정확히 이해하고 피그마 시안과 일치하는 UI를 구현할 수 있도록 했습니다.
- 방대한 코드베이스 탐색 (Serena MCP): 수만 줄의 코드 속에서 AI가 원하는 모듈이나 의존성을 헤매지 않고 효율적으로 찾을 수 있게 했습니다.
- 결과물 동작 검증 (Playwright MCP): AI가 자신이 구현한 코드의 최종 결과물이 브라우저에서 실제로 어떻게 동작하는지 직접 검증할 수 있도록 했습니다.
MCP와 관련된 정보를 빠르게 공유하며 문서화해 팀 모두의 AI는 단순히 답하는 도구가 아니라 상황을 이해하고 스스로 행동하는 도구가 되었습니다.
그리고 필요하다면 직접 MCP 서버를 개발하기도 합니다.
이 모든 과정은 AI를 잘 쓸 수 있는 환경을 넓히는 일이었습니다. 개인이 아닌 팀 단위로, AI가 스스로 문맥을 이해할 수 있는 시스템을 구축해 나간 것이죠.
3. 병목을 해결하는 두 가지 방식
팀에서는 높아진 생산성으로 크고 작은 병목들을 공략하기 시작했습니다. 이 접근 방식은 크게 두 가지 흐름이었습니다.
- 첫째는, 개발자가 마주친 불편함을 빠르게 실험하고 도구화하는 신속한 프로토타이핑입니다.
- 둘째는, AI 에이전트로 이전엔 시도할 수 없던 복잡한 업무를 해결하는 에이전틱 워크플로우 구축 입니다.
3.1. 빠르게 실험하고 검증하기
AI가 실무에서 빛을 발하는 순간은 프로토타이핑 단계입니다. 팀에서는 병목 지점을 발견하면 AI를 활용해 빠르게 실험하고, 도구화하는 방식을 택했습니다.
수 시간이 걸리던 온보딩을 프로젝트 스타터킷을 통해 분 단위로 단축하고
디버깅 도구를 개발해 유지보수를 효율화하며
피그마 플러그인으로 디자인 협업 병목 지점을 개선했습니다.
팀원들은 문제를 발견하면 즉시 AI를 활용해 작은 해결책을 프로토타입으로 만들어내고, 공유했습니다.
3.2. 팀을 위한 AI 시스템 만들기
AI 에이전트가 등장하면서 이전에는 할 수 없던 복잡한 반복 업무조차 자동화할 수 있게 되었습니다.
팀에서는 GUI 기반의 자동화 도구 활용 환경을 구축해 누구나 코드를 작성하지 않고도 시각적 인터페이스로 AI 워크플로를 만들 수 있게 했습니다. 대표적인 사례는 다음과 같습니다.
/ai, /graph, /mr 등 Gitlab 코멘트 기반의 AI 워크플로우 도입
코드 변경 시 Wiki 문서 자동 업데이트
FE 뉴스봇을 통한 매일 아침·저녁 FE 관련 테크 뉴스 브리핑
4. 병목은 AI에게, 개발자는 '본질'에
팀에서는 이렇게 AI 환경과 프로토타이핑으로 병목을 줄이고, 진짜 중요한 곳에 시간을 활용하기 시작했습니다. 바로 소프트웨어의 품질을 지키는 일이었죠.
테스트 코드는 더 이상 귀찮은 작업이 아니었습니다. AI가 유닛, 통합, E2E 테스트를 빠르게 작성해 주고, 시각적 회귀 테스트까지 자동화했습니다.
덕분에 팀은 2,000개의 테스트를 실험하고, 불필요한 1,400개를 정리하며 600개의 안정적인 테스트와 개선된 프롬프트 문서를 남길 수 있었습니다.
문서화도 마찬가지였습니다. AI는 “요약”과 “구조화”에 특화된 만큼, 10분 만에 이해하기 쉬운 기술 문서를 생성할 수 있었습니다.
이전에는 시간 부족으로 미뤄두었던 테스트와 문서를 적극적으로 작성하고 있습니다. 단순히 기능 구현에 그치지 않고, 소프트웨어의 품질을 체계적으로 높이는 개발 문화를 만들어가고 있습니다.
5. 정보 공유가 팀을 바꾸다
이렇게 AI 문화를 구축하며 한 가지 중요한 사실을 깨달았습니다. 아무리 좋은 도구와 시스템이 있어도, 팀 전체의 활용 수준을 높이기 위해서는 정보 공유가 활발해야 한다는 점입니다.
그래서 팀에서는 정보 공유를 위한 채널을 운영하며 서로가 읽은 글과 인사이트를 활발하게 공유합니다.
빌 게이츠는 이런 말을 남겼습니다.
“기업 IQ가 높다는 것은 똑똑한 사람이 많다는 뜻이 아니다. 얼마나 쉽게 정보가 공유되고, 서로의 아이디어를 잘 활용하느냐에 달려 있다.”
AI 덕분에 팀은 이제 지식을 “찾는 속도”보다 “공유하는 속도”가 더 빨라졌습니다. AI는 개인의 생산성을 높이는 데 그치지 않고, 팀 전체의 협업 수준을 한 단계 끌어올렸습니다.
환경이 문화를 만든다
AI는 도구입니다. 하지만 좋은 도구는 그 자체로 문화가 됩니다. FE1팀은 AI를 개인의 도구로 쓰는 대신, 모두가 잘 쓸 수 있는 환경을 만드는 데 집중했습니다. 그 과정에서 프롬프트는 팀의 컨벤션이 되었고, 자동화는 팀의 일상이 되었습니다.
우리는 “AI를 잘 쓰는 팀”이 아니라, “AI를 잘 쓸 수 있는 환경을 가진 팀”이 되었습니다.
앞으로도 FE1팀은 이 환경을 계속 확장해 나갈 것입니다. AI를 활용해 개발 과정의 병목 지점을 자동화하고,
문서와 테스트를 통해 품질을 체계적으로 높이는 문화를 발전시켜 나갈 예정입니다.
우리가 추구하는 목표는 단순한 효율이 아닙니다. AI를 통해 개발자가 반복 업무에서 벗어나 진짜 중요한 문제, 즉 소프트웨어의 본질적인 가치에 집중할 수 있는 환경을 만드는 것입니다.
AI가 코드를 대신 짜는 세상이 아니라 개발자가 더 깊이 사고할 수 있는 환경
그것이 FE1팀이 만들어가고 싶은 미래입니다.
함께 보면 좋은 아티클