AX 혁신 성과 시상식과 바이브 코딩:변화하는 일의 방식과 전문가의 미래

 

새로 만들고 있는 번역가를 위한 단어앱. 맨바닥에서 헤매면서 만들었던 앱이다.

 

AX 혁신 성과 시상식에서 본 현장의 변화 

고질적인 인터넷 품질 개선을 위한 문제 장비 자동 리포팅 시스템을 Power BI로 개발한 것이 우수 과제로 선정되어 에어팟4도 받고 AX 혁신 성과 시상식에 다녀올 수 있었다. 시상식에서 다른 팀들의 발표와 MS Korea에서 공유해주는 타사의 사례를 통해 사내외 관점에서 AX가 현업에서 어떻게 구현되고 있는지 생생하게 파악할 수 있었다.

사내에서는 무선 품질 예측 ML 모델과 실제 무선 품질을 함께 시각화하여 품질 상승에 기여한 과제가 있었고, 사외에서는 SAP에서 오토메이트로 자료를 추출하고 SQL로 전처리하여 파워앱스로 인사 시스템을 구현한 사례, Azure AI Builder로 주차장 위성 사진을 분석하도록 API를 연결해 파워앱스로 물류 관리 시스템을 구현한 사례 등 다양한 발표가 이어졌다. 기존 사내 시스템을 Azure로 마이그레이션하거나, 사내 DW에서 데이터를 추출해 MS Power Platform에서 사내 툴처럼 활용하는 방식들이 눈에 띄었다.

가장 놀라웠던 점은 이런 AX가 개발 부서가 아닌 '현장'에서 이뤄지고 있다는 점이었다. 2023년 입사 초기에 네트워크 엔지니어 업무를 배우며 광케이블 포설, 광패치 개선, 노후 장비 조사 등 현장 업무를 주로 할 때만 해도, 네트워크 부서는 네트워크 업무를 하고, 개발 부서에서 시각화 대시보드나 사내 프로그램을 개발하는 것이 일반적이었다. 그런데 올해부터는 현장 부서에서도 대시보드를 만들고 데이터를 추출하며 관리하는 업무가 주어졌다. AX 도입과 함께 업무 전반에 개발자스러운 과정들이 추가되고 있는 것이다.

이는 마치 애자일 방법론과 비슷하다. 자동차를 만들 계획이라면, 일단 '바퀴 달린 탈것'이라는 핵심 가치를 가장 빠르게 구현하는 거죠. 2주간의 스프린트를 통해 웨건을 만들고, 리뷰를 통해 동력원의 필요성을 인식하여 자전거를 만들고, 점진적으로 자동차로 나아가는 방식이다. AX를 도입한 업무도 마찬가지로, 일단 쉐어포인트와 엑셀로 업무 공유 체계를 만든 후 점점 요구사항과 불편한 점을 개선해나가고 있다.

업무 방식이 이렇게 변화하게 되면, 기존의 전문성 지표였던 오류 해결 경험이나 장비 운용 경험이 아닌, '어떤 프로젝트를 만들었고 어떤 구조를 만들어냈는지'가 새로운 전문성의 지표가 될 것 같다. 앞으로는 모든 사람이 일종의 PM(Project Manager)이 되지 않을까. 

 

바이브 코딩 경험

연초에 웹/앱 개발과 인프라 기반의 운용 및 TR 경험 만들기에 도전하며 Flutter를 새로 배웠지만, To-Do 앱 하나 만들다가 빌드 단계에서 포기했던 경험이 있다. 그런데 '바이브 코딩'이라는 새로운 개발 형태를 접하고 다시 도전하게 되었고, 일주일 만에 만다라트 앱을 MVP(Minimum Viable Product) 형태로 안드로이드/아이폰 빌드까지 해낼 수 있었다.

 

만다라트앱

 

맨바닥에서 만들어보기도 하고, AI에게 통째로 만들어달라고 해보기도 하고, 프로토타입으로 만들어보기도 했는데, 가장 완성도와 성공 가능성이 높은 방법론은 다음과 같았다. Lovable에서 MVP를 충분히 구현한 다음, Lovable에서 만든 코드를 GitHub에 올리고, 이 레포지토리를 로컬로 가져와 Flutter로 리팩토링하는 방식이다. 이때 Lovable에서 앱의 핵심 기능, DB, UI 구성(개발 요구서)에 대한 문서를 먼저 만든다. 그 다음 이 문서를 Flutter 버전에 맞게 수정한다. Flutter 버전으로 수정한 개발 요구서를 마크다운 문서로 저장하여 리포지토리에 넣고, Claude Code 같은 AI에게 이 문서를 참조하여 프로젝트를 Flutter 프로젝트로 리팩토링해달라고 명령하는 플로우다. 

바이브 코딩을 시도하면서 가장 어려웠던 점은 '내가 어디에서 길을 헤매고 있는지를 모른다'는 것이었다. 이를 벗어나게 해준 것이 바로 '문서화'였다. DB-UI-Front/Back으로 이어지는 구현 방식에 따라 각각 요구사항을 정의하고 문서를 만들고, 문서마다 진행 상황을 체크하도록 하는 것이 프로젝트가 제 의도대로 흘러가게 해주었다. (저 또한 제 의도를 100% 명확하게 하지 못하기에 AI에게 계속 문서를 작성하게 하고 어떤 것을 원했는지를 명확하게 할 수 있었다.) 애자일 방법과 문서화를 동시에 적용시키는 방식이 지금까지의 방법 중 가장 유용했다.

새로운 전문가

AX 성과 시상식도 다녀오고 바이브 코딩도 직접 해보니, 앞으로는 '일하는 방식'과 '전문가가 되는 방식'이 크게 변화하겠다는 것을 느꼈다. 이제는 단순히 주어진 업무를 수행하는 것을 넘어, 'AI를 활용하여 새로운 가치를 창출하는 전문가'가 되어야 한다. 이를 위해 많은 실행 경험과 실패를 극복하는 자신만의 방법론을 꾸준히 쌓아가야 할 것이고 내년부터는 KPI가 될지도 모른다. AI는 설명서가 없다. 옛날에는 도구마다 설명서가 있었고, 그 도구를 잘 활용하는 기준은 설명서를 얼마나 잘 따르는지였다. 하지만 AI는 설명서가 없으며, 내부 로직 또한 블랙박스이다. 다행히도 나의 MBTI에서 가장 확실한 것이 N이라는 점이다. 교과서대로 가지 않고 딴길로 새느라, 정해진 족보만 보고 집중하는 사람들보다 평가가 박했는데, AI라는 도구는 나에게 잘 맞는 것 같다. 새로운 전문가의 길을 계속 파봐야지.