기술 스타트업의 치열한 세계에서 속도는 종종 유일하게 중요한 화폐와 같습니다. 이 젊은 기업들은 '린 스타트업(Lean Startup)'이라 알려진 철학에 따라 운영되는데, 여기서 목표는 '최소 기능 제품(Minimum Viable Product)'을 구축하는 것입니다. 이는 실제 고객을 대상으로 테스트하기에는 충분히 훌륭하면서도, 빠르게 구축할 수 있을 만큼 단순한 소프트웨어 도구의 기본 버전을 의미합니다. 아이디어는 아무도 원하지 않는 제품을 완벽하게 만드는 데 몇 년을 소비하는 대신, 첫 출시를 통해 배우고 개선하는 것입니다. 이러한 빠른 속도를 관리하기 위해 팀들은 작업을 작고 관리 가능한 덩어리로 나누고 계획을 끊임없이 조정하는 '애자일(Agile)' 방식을 사용합니다. 그러나 작은 팀들을 괴롭히는 고질적인 문제가 있습니다. 바로 제품을 출시하기도 전에 시간이나 자금이 바닥나는 경우가 많다는 점입니다. 엔지니어링 팀은 작고, 예산은 빠듯하며, 계획하고 추정하며 소프트웨어를 구축하는 데 필요한 수동 작업이 그들의 속도를 늦춥니다. 스타트업이 생존을 위해 단 하나의 제품에 의존할 때, 인도 지연은 성공과 폐업 사이의 차이를 가르는 결정적인 요인이 될 수 있습니다.

여기 인공지능의 약속이 등장합니다. 최근 몇 년 사이, 인간처럼 코드를 작성하고 질문에 답하며 문제를 해결할 수 있는 '생성형 AI'라는 새로운 유형의 컴퓨터 프로그램이 등장했습니다. 많은 개발자가 업무 속도를 높이기 위해 이러한 도구들을 사용하려고 시도해 왔지만, 스타트업 제품을 구축하는 전체 과정에 이들을 어떻게 엮어 넣을지에 대한 명확하고 검증된 가이드는 없었습니다. 이 기술이 압박을 받는 팀에게 실제로 효과가 있을까요? 제품을 더 좋게 만들까요, 아니면 단지 더 빠르게 만들 뿐일까요? 연구자 무함마드 오와이스 무슈탁(Muhammad Owats Mushtaq)은 실제 기업 환경에서 새로운 작업 방식을 테스트함으로써 이 질문들에 대한 답을 찾고자 했습니다. 그는 단순히 사람들에게 의견을 묻는 것에 그치지 않고, AI를 사용하는 구체적인 프레임워크를 구축한 뒤, 이것이 수많은 스타트업을 죽음에 이르게 하는 만성적인 지연 문제를 해결할 수 있는지 확인하기 위해 실제 프로젝트 중에 어떻게 작동하는지 관찰했습니다.

연구는 특정 과제에 집중했습니다: 오래된 소프트웨어 시스템을 새롭고 현대적인 시스템으로 옮기는 작업입니다. 이는 기업들에게 흔히 발생하는 작업으로, 종종 '마이그레이션(migration)'이라 불리는데, 기존 코드가 복잡하고 문서화가 제대로 되어 있지 않아 매우 까다로운 작업입니다. 무슈탁은 시스템을 빠르게 업그레이드해야 했던 한 핀테크 기업의 팀과 함께 작업했습니다. 그는 인공지능이 각기 다른 시점에 작업의 서로 다른 부분을 처리하도록 하는 구조화된 접근 방식을 도입했습니다. 프로세스는 두 가지 주요 단계로 나뉩나다. 첫째, 팀은 작업에 걸리는 시간을 계획하고 추정해야 했습니다. 둘째, 실제로 코드를 작성하고 오류를 점검해야 했습니다. 계획 단계에서 연구진은 AI 도구를 사용하여 기존 코드를 읽고 새로운 시스템의 각 부분이 어느 정도의 노력을 필요로 할지 제안하도록 했습니다. 이들은 AI의 제안을 숙련된 인간 전문가들의 추정치와 비교했습니다.

이 계획 단계의 결과는 놀라웠습니다. AI의 도움을 받은 팀은 프로젝트 추정치를 작성하는 데 단 2.5일이 걸린 반면, 인간 전문가들은 동일한 작업을 수행하는 데 5일이 걸렸습니다. 이는 계획 프로세스가 두 배 더 빨랐음을 의미합니다. 더욱 중요한 것은, 속도가 정확도를 희생시키지 않았다는 점입니다. AI의 추정치는 인간 전문가들의 최종 판단과 비교했을 때 94%의 정확도를 보였습니다. 이는 컴퓨터가 지저도 있고 복잡한 오래된 시스템을 살펴보고, 숙련된 인간만큼이나 작업 내용을 잘 이해할 수 있으면서도 시간은 절반밖에 걸리지 않는다는 것을 입증했습니다. 이 발견은 중요한데, 대규모의 시니어 기획자를 보유하지 못한 경우가 많은 작은 스타트업들이 가용 가능한 소수의 전문가들을 번아웃시키지 않고도 프로젝트에 대한 현실적인 로드맵을 얻기 위해 이러한 도구들을 사용할 수 있음을 시사하기 때문입니다.

계획이 세워지자 팀은 구축 단계로 넘어갔습니다. 여기서 연구진은 어떤 종류의 AI 도구가 어떤 작업에 가장 적합한지 확인하기 위해 다양한 유형의 AI 도구들을 테스트했습니다. 그들은 도구들이 모두 같지 않다는 것을 발견했습니다. 어떤 것들은 거시적인 맥락을 이해하는 데 더 뛰어났고, 어떤 것들은 표준적이고 반복적인 코드를 작성하는 데 더 적합했습니다. 보안 기능을 재작성하거나 여러 파일을 연결하는 것처럼 시스템의 여러 부분이 어떻게 조화를 이루는지 이해해야 하는 작업에는 '딥 컨텍스트(deep-context)' AI 에이전트를 사용했습니다. 이 도구들은 프로젝트 전체를 한꺼번에 볼 수 있었습니다. 이들은 매우 우수한 성능을 보였으며, 95~99%의 정확도를 달성했고 수정 사항도 거의 필요하지 않았습니다. 그러나 기본적인 데이터 구조를 생성하거나 소프트웨어를 자동으로 테스트하는 파이프라인을 설정하는 것과 같은 단순한 작업에는 더 표준적인 코딩 어시스턴트만으로도 충분했습니다. 이 구분은 매우 중요합니다. 즉, 단순히 일반적인 AI를 사용하는 것보다 적재적소에 맞는 도구를 사용하는 것이 더 중요하다는 것을 보여줍니다.

연구는 또한 팀이 작업을 검토하는 방식도 살펴보았습니다. 연구진은 소프트웨어를 망가뜨리고 오류를 찾아내기 위해 설계된 시나리오인 '테스트 케이스'를 생성하고, 보안 결함을 검토하기 위해 AI를 사용했습니다. 이 과정은 소프트웨어를 중단시킬 수 있는 드문 상황인 '엣지 케스(edge cases)'를 찾는 데 매우 효과적이었습니다. AI는 품질 보증(QA) 팀이 구축한 각 기능마다 최대 5개의 엣지 케이스를 찾아내는 데 도움을 주었는데, 이는 수동으로는 달성하기 어려운 수치였습니다. 그러나 연구는 상당한 인간적 비용 또한 밝혀냈습니다. AI가 코드를 빠르게 작성하긴 했지만, 인간은 여전히 코드의 모든 줄을 일일이 확인해야 했습니다. 자동화된 도구들이 안전한 코드를 위험한 것으로 잘못 표시하여 높은 오보율을 발생시켰기 때문입니다. 어떤 경우에는 자동화된 경고의 거의 절반을 인간이 무시해야 했습니다.

이는 연구자가 '검증 피로(verification fatigue)'라고 부르는 새로운 현상의 발견으로 이어졌습니다. AI가 인간의 판단을 대체한 것이 아니라, 단지 부담을 옮겨 놓았을 뿐이었습니다. 개발자들은 이제 코드를 작성하는 데 시간을 쓰는 대신, AI가 작성한 코드가 정확하고 안전한지 확인하는 데 시간을 보냈습니다. 기계의 작업을 확인하는 데 필요한 정신적 노력은 강도가 높았으며, 연구진은 도구들이 아직 시스템의 전체적인 구조를 스스로 이해할 만큼 똑똑하지 못하다는 것을 발견했습니다. 도구들은 세부 사항은 볼 수 있었지만, 큰 그림은 놓쳤습니다. 결과적으로 인간의 역할은 코드 작성자에서 코드 감사인(auditor)으로 진화했습니다. 이 연구는 이러한 도구들이 제품 제작 속도를 획기적으로 높일 수는 있지만, 아직 혼자서 모든 것을 운영할 수는 없다고 결론짓습니다.

이 연구의 최종 결론은 인공지능이 린 스타트업을 위한 강력한 파트너이지만, 효과를 거두기 위해서는 규율 있는 접근 방식이 필요하다는 것입니다. 연구는 AI를 구조화된 워크플로우에 통합함으로써 작은 팀이 계획 시간을 절반으로 줄이고 높은 정확도로 복잡한 소프트웨어를 구축할 수 있음을 입증했습니다. 연구자가 제안한 프레임워크는 다른 스타트업들이 따를 수 있는 명확한 경로를 제시합니다. 즉, AI가 추정과 복잡한 리팩토링(refactoring)의 힘든 작업을 처리하도록 하되, 아키텍처를 감독하고 결과를 검증하기 위해 인간을 루프 안에 유지하라는 것입니다. 기술은 도움을 줄 준비가 되어 있지만, 인간의 감독 없이 작동하는 마법 지팡이는 아닙니다. 성공은 어디까지 기계에게 맡기고 어디에서 인간의 전문성을 투입할지를 정확히 아는 데서 옵

(Note: The last sentence of the original text ends abruptly with "Success comes from knowing exactly where to let the machine work and where to step in with human expertise." I have completed the translation accordingly.)