영상 링크: Moving away from Agile: What’s Next – Martin Harrysson & Natasha Maniar, McKinsey & Company
채널명: AI Engineer
애자일 그 너머로: 소프트웨어 개발의 새로운 패러다임과 AI의 실질적 조직 변화 핵심 요약
- 영상 제목은 “애자일 그 너머로: 소프트웨어 개발의 새로운 패러다임과 AI의 실질적 조직 변화”임
- McKinsey의 Software X 부서의 Martin Harrysson과 Natasha Maniar가 발표자로, 대기업 위주로 소프트웨어 제품 및 AI 적용 혁신을 지원하는 경험을 공유함
- AI 도입 이후, 소프트웨어 개발 생산성은 일부 작업에선 획기적으로 향상되었으나, 전체 기업 수준에서는 대개 5~15%의 개선에 그치는 현상을 조사 결과로 제시
- 그 원인으로 “사람과 운영 모델(Operating Model)” 혁신 부진, 기존 애자일 모델에서 벗어나지 못한 팀 구조, 역할 배분, 협업 방식의 비효율성 등을 꼽음
- AI가 잘 적용되는 업무와 그렇지 않은 업무 간, 그리고 인력별 숙련도 편차로 인해 적절한 워크로드 분배가 복잡도가 높아지고 비효율이 발생
- 코드 생성은 자동화되나 리뷰 등 검증은 여전히 수동, 기술부채(Tech Debt) 및 복잡성 문제도 동반하여 병목 발생
- 성과가 뛰어난 기업은 ‘AI 네이티브 워크플로우’와 ‘AI 네이티브 역할’ 도입, 지속적 현장교육, 성과 측정, 인센티브 구조 개선에 적극 투자하고 있음
- 구체적으로, 팀 규모 축소(3
5인 소규모 pod 체제), 역할 통합·재정의, 지속적 계획 수립, 구체적 명세(Spec) 중심 개발 등으로 전환하여, 기존 대비 최대 56배 빠른 출시 및 품질 향상 달성 - 조직 전체의 변화·확산엔 “작고 많으나 유기적인 변화 관리”가 중요하며, 반복적 실험, 측정 시스템 구축, 현장 적응형 교육, 성과 기반 보상 등이 성공에 핵심
- 올바른 지표–생산성, 속도, 코드 품질, 기술부채 해소, 경제적 성과까지–를 측정하여 추적·보정할 필요성을 강조
세부 요약 - 주제별 정리
AI 도입이 소프트웨어 개발 방법론에 요구하는 패러다임 시프트가 발생하고 있음
- 20년 전 애자일(Agile) 방식 도입이 조직에 큰 변화를 이끌었던 것처럼, 지금은 AI가 새로운 소프트웨어 개발 패러다임 전환을 요구하고 있음
- AI 활용 이후, 개발자가 직접 코딩 등 반복 업무에 투자하던 시간이 현저히 줄고 있음(기존 수일~수시간 → 수분)
- 하지만 이러한 변화는 개인의 생산성에서 두드러지며, 조직 차원의 업무 시스템이나 협업 모델은 옛 방식을 답습하는 경향이 있음
- 실제 현장에서는 Kanban, 스탠드업, 2주 스프린트 등 전통적 애자일 구조에 여전히 머물러 있음
현존하는 AI 기반 도구의 생산성 효과와 병목의 실태가 구체적으로 드러남
- 300개 기업(주로 대기업) 대상 설문조사 결과, AI 도입 후 조직 전체 생산성 향상은 평균 5~15% 수준에 머무름
- 개별 사례, 전시회 등에서는 업무 혁신 사례들이 넘쳐나지만, 회사 전체 측면에선 AI 잠재력이 실현되지 못함
- 업무 자동화(ex: 코딩)로 인한 높은 산출량에도 불구, 코드 리뷰 등 후속 프로세스가 수동적 방식에 머무르거나, 팀원 간 협업·역할 구분의 변화가 느림
- 카네기멜론대 리서치 분석도 인용하며, 빠른 코드 생성이 오히려 기술부채와 복잡성 증대로 이어질 위험성 지적
AI 적용 효과가 불균등하게 나타나며, 이에 따라 일과 역할 배분의 복잡성이 높아짐
- AI·agent가 매우 효과적으로 적용되는 특정 작업과 그렇지 않은 업무 간 격차가 큼
- 팀 내에서도 AI 숙련도, 경험자의 차이로 워크로드 할당이 비효율적으로 이루어짐
- 이는 엔지니어링 매니저/팀 리더의 업무 배분 결정을 어렵게 하며, 협업 및 프로젝트 속도에 병목 유발
- 작업 할당, 코드 리뷰 프로세스 등 기존 애자일 모델의 한계가 여실히 드러남
모델 혁신의 구체적 방향은 팀 구조, 역할, 사이클, 워크플로우에서 제시됨
- McKinsey가 최근 협업한 기업에서는 팀 구조·사이클 단축·역할 재정립 등 AI 중심 운영 모델로 전환
- 효과적 사례: 팀을 8
10인 → 35인 pod로 축소, 역할을 통합하여 더 많은 pod 운영(동일 인력 수 기준) - 기능별 분업(프론트엔드, 백엔드, QA 등) 대신, full-stack fluency 및 agent orchestration을 겸비한 프로덕트 빌더 중심으로 전환
- 스프린트 기간도 축소 및 세분화, 명확한 명세(spec) 기반의 개발 구조 채택
’AI 네이티브 워크플로우’와 ‘AI 네이티브 역할’ 도입이 성과의 핵심 요인임
- 상위 퍼포머 기업군은 ‘AI 네이티브 워크플로우’ 보유 확률이 7배, ‘AI 네이티브 역할’ 도입이 6배 높았음
- ‘AI 네이티브 워크플로우’란 코드 리뷰, 생성 등 일부 단일 포인트 솔루션 넘어서 최소 4개 이상 SW개발 단계에 AI가 자연스럽게 통합된 상태를 의미
- 스토리 기반 → 명세 중심 개발로 전환, 기획자(PM)가 길고 복잡한 PRD 반복 대신 AI agent와 빠른 명세·프로토타입 제작·반복 시행
- ‘AI 네이티브 역할’은 기존의 QA/프론트/백엔드 등 역할 분리 대신, 소규모 pod 및 전방위(full-stack) 역량, agent 관리 등으로 역할 재정의
실질적인 모범 사례(기업 실험)의 워크플로우 혁신 방법과 성과가 구체적으로 소개됨
- 일정 수준 이상의 금융기업(client case)에서 워크플로우 혁신 실험:
- sprint 스토리 할당을 AI agent가 팀 velocity·이력 데이터 기반 자동화
- 보안/관측 기준 등 다양한 acceptance criteria 기반으로 AI와 Co-create·prototype 반복 시행, 다운스트림 재작업 감소
- 버그 픽스 전담 pod, 신규 개발 pod 등 구분, 백그라운드 agent가 크로스 레포 이슈 등 자동 분석해 디버깅 시간 절감
- 데이터 사이언티스트 등 외부 협업 대기 없이 PM이 실시간 유저 피드백 바탕으로 기능 우선순위 변동 및 백로그 가속
- 실험 결과: agent 활용 빈도 60배 이상 증가, code merge 51% 증가, 출시 속도 및 효율성 크게 개선됨
역할과 인재 모델 변화는 소규모 팀 확산·무격자화에서 핵심적으로 나타남
- 소규모 pod 운영 및 역할 통합은, 동일 인력 대비 더 많은 팀 운영 가능하게 해 규모의 효율성 획득
- 팀의 수가 늘어도 각 pod의 품질·생산성은 유지·향상됨이 측정됨
- 엔지니어는 기존 단순 코드작성자에서, 업무 분할 및 agent orchestration 전략가(오케스트레이터)로 거듭남
- PM의 역할도 실질적인 프로토타입 직접 작성, 데이터·테스트 반복 등으로 전환
조직 전체 수준의 변화 관리가 실질 성과 확산에 필수 조건임
- 수백~수천 명 단위의 대규모 조직 확대, 변화 관리(change management)는 “작고 많은 것들의 동시 적중(accumulative wins)”이 중요
- 변화 관리에는 커뮤니케이션, 인센티브·보상, 스킬 업그레이드 등 다수의 요인이 병렬적으로 통합되어야 함
- 잘못 적용시 도구 사용률은 늘어도 실질 효과 없음(사용률만 오르고 임팩트 미비 현상)
- 성공적 확산을 위해 초기 품셋 및 기대치 재설정, Bring Your Own Code(코드 실습) 워크숍, 신규 인증 체계 도입, 초기 현장 코치 지원 등이 핵심적 역할
실제 조직 내 변화관리 사례에서 측정-피드백 시스템 구축이 성공의 열쇠임
- 성과 추적 없이는 구체적 속도·생산성 개선 여부를 파악하기 어려우며, 하위 Performer 중 10%만이 생산성 측정
- 통합 측정 시스템에선 도구·교육·운영모델 투입, 산출물(생산성, 속도, 코드 품질), 개발자 NPS·직무만족, 코드 보안·복원력(Mean Time To Resolve 등), 경제적 성과(수익 목표 달성, 가격 차별화, 비용 절감 등)까지 다층적으로 추적
- 이러한 결과 분석은 신규 사업(그린필드/브라운필드) 재투자 의사결정, 지표 고도화 등에 기여
AI 시대의 새로운 소프트웨어 개발의 미래 방향성에 대한 조망 제공
- 향후 5년 예측은 어렵지만, 짧은 개발 사이클/소규모 pod/역할 통합/팀의 증식이라는 모델이 지속적 경쟁력을 제공할 것으로 전망
- “지금 당장 실험과 변화를 시작하라, 우리 여정은 본질적으로 인간적 변화임”이라는 메시지로 종결
- 발표 팀이 연구한 추가 자료는 링크된 McKinsey 리서치 아티클로 안내함