AI 시대의 프로젝트 운영은 어떻게 달라져야 할까?
애자일 원리를 AI 활용에 적용하기
구글 검색 선호 매체로 추가일반적으로 프로젝트를 시작할 때 우리는 무엇을 만들지, 언제 끝낼지, 비용이 얼마나 들어갈지를 정합니다. 그런데 실제 현장에서 일을 시작하면 그 약속을 지키기가 생각보다 어려운 것이 현실입니다.
요구사항을 충실히 구현했는데 사용자가 불편해하고, 중간에 경쟁 서비스가 등장하며, 간단해 보였던 기능이 기존 시스템과 충돌하기도 하죠. 계획대로 개발했다는 사실만으로 프로젝트의 성공을 설명하기 어려운 이유이기도 합니다.
이때 필요한 것은 작업을 정의하고, 검증하고, 다음 결정을 내리는 방식의 변화입니다. 고객사의 요청이 어떤 사용자 문제를 해결하려는 것인지 확인하고, AI가 만든 대안을 작은 단위로 검증하는 능력이 필요하죠.
하지만 이런 구조와 역량은 바로 갖춰지는 것은 아닙니다. 이번 글에선 업력 28년의 디자인 전문 에이전시 이모션글로벌이 AI 활용을 프로젝트의 공동 운영 규칙으로 연결하는 ‘AI 네이티브 애자일(AI-Native Agile)’을 제안하고, 가상의 상품 검색 개선 사례를 통해 적용 방향을 살펴보겠습니다.
달라지는 AI 챗봇 트렌드, 지금 필요한 UX 설계는?
AI 챗봇을 위한 사용자 신뢰 설계 UX
프로젝트의 불확실성에 따라 달라지는 방법론
프로젝트 방법론은 일을 나누고 일정을 관리하는 절차이면서, 무엇을 먼저 확인하고 어떤 근거로 결정을 바꿀지에 관한 약속입니다. 크게 요구사항과 일정을 먼저 구체화하는 ‘예측형 접근’ 작은 결과물을 반복하며 방향을 조정하는 ‘적응형 접근’ 두 방식을 결합한 ‘혼합형 접근’이 있습니다.
먼저, 예측형 접근 방법론의 대표적인 ‘폭포수(Waterfall)’ 방식은 요구사항 분석, 설계, 구현, 검증을 단계적으로 진행합니다. 무엇을 만들지 먼저 합의하고 단계별 결과를 확인하므로 예산과 일정, 책임을 설명하기 쉽습니다. 요구가 안정적이고 변경 비용이 큰 상황에서는 유용하지만, 사용자가 원하는 것을 처음부터 충분히 알기 어려운 프로젝트에서는 한계가 드러납니다.
예를 들어 고객사가 “검색 필터를 추가해 달라”고 요청한 상황을 생각해 보았을 때, 이 검색 화면을 원한다고 했더라도 문제는 원하는 상품을 쉽게 찾지 못한다는 것일 수 있습니다. 검색 기능을 추가하는 것이 최선인지, 상품 분류나 화면 구성을 바꿔야 하는지는 사용해 보기 전까지 알기 어렵습니다. 마지막 검증 단계에서 확인한다면 이미 많은 시간과 비용을 쓴 뒤입니다.
적응형 접근 방법론의 대표격인 ‘애자일(Agile)’ 방식은 작은 결과물을 일찍 보여 주고, 사용자와 이해관계자의 반응을 바탕으로 다음 작업의 방향을 결정하는 방식입니다. 애자일 선언과 원칙은 고객 가치의 조기 전달, 변화하는 요구의 수용, 지속적인 개선을 강조합니다. 계획을 없애는 것이 아니라 실행을 통해 배운 내용으로 계획을 수정하는 것입니다.
서비스 운영에서는 납기와 승인 절차를 지키면서도 사용자의 불편을 계속 개선해야 합니다. 따라서 이모션글로벌의 프로젝트에 적용할 때도 계약과 출시 승인은 단계별로 관리하고, 그 안에서 화면과 기능을 작게 검증하는 방식을 고려할 수 있습니다. 방법론의 선택은 프로젝트의 불확실성과 운영 조건에 따라 달라져야 합니다.
AI 시대에는 생성과 검증을 함께 설계해야
특히 오늘날 AI 시대의 인공지능은 실무자의 요구사항 정리, 화면 시안, 코드, 테스트 사례와 문서 초안 작성을 도울 수 있습니다. 대안을 준비하는 부담이 줄면 하나의 해법을 일찍 확정하기보다 여러 가능성을 비교할 여지가 생기죠. 그러나 생성 속도만 높아지고 검토와 통합 속도가 그대로라면 대기 중인 작업과 재작업이 늘어날 수 있습니다.
이 문제는 팀의 운영 방식과도 연결됩니다. AI에 목표와 제약, 참고 자료를 충분히 전달했는지, 결과를 확인할 기준이 있는지, 검토할 사람이 감당할 수 있는 크기로 일을 나눴는지가 중요합니다. AI가 스스로 “문제없다”고 평가한 결과만으로는 승인하기 어렵습니다. 실제 요구사항과 테스트, 사람의 검토를 통해 확인해야 합니다.
실제 구글 클라우드에서 운영하는 소프트웨어 전송 및 운영 성능 연구 프로그램 DORA의 2025년 연구는 전 세계 기술 종사자 약 5000명의 설문과 정성 자료를 바탕으로 AI 도입과 소프트웨어 전달 처리량 및 제품 성과 사이의 긍정적 관계를 보고하면서, 전달 불안정성의 증가도 관찰했습니다. DORA는 AI가 조직의 기존 강점과 약점을 증폭한다고 해석했는데요.
이런 환경에선 작게 실행하고 결과를 확인하는 애자일의 원리가 유효한 것입니다. 애자일을 실천하는 대표적인 프레임워크인 스크럼(Scrum)은 투명성, 검사, 적응을 강조하는데요. AI로 대안을 더 쉽게 만들 수 있을수록 무엇을 선택하고 무엇을 멈출지 판단하는 과정이 중요해집니다. DORA의 AI Capabilities Model도 작은 작업 단위와 명확한 AI 활용 방침을 효과를 높이는 역량으로 제시하고 있습니다.
AI, 프로젝트의 공동 운영 규칙으로 연결해야
이런 애자일 원리를 어떻게 활용할 수 있을까요? 애자일의 원리를 AI 활용에 적용하려면 단순히 AI 도구를 도입하는 것을 넘어, 작업 준비부터 검증과 성과 평가까지 팀이 함께 따를 운영 규칙이 필요합니다. 이를 위해 다음 네 가지를 팀 차원에서 정해야 합니다.
1) 작업 시작 전에 맥락과 데이터 범위를 정하기
해결할 문제, 제약 조건, 참고 자료를 정리하고 AI에 제공할 수 있는 데이터와 사용할 도구를 확인합니다.
2) 초안을 만들기 전에 검증 기준과 책임자를 정하기
어떤 상태를 통과로 볼지 합의하고, 업무 적합성과 기술 품질을 누가 확인하며 최종 승인은 누가 할지 명확히 합니다.
3 검토 역량에 맞춰 작업 크기와 생성량을 조절하기
검토가 밀리면 새 초안을 더 쌓기 전에 진행 중인 작업을 마무리합니다. 변경 범위를 줄여 이해와 테스트가 가능한 단위로 전달합니다.
4) 사용자 결과와 운영 품질로 효과를 판단하기
생성된 코드나 문서의 양보다 사용자의 문제 해결 여부, 오류와 재작업, 검토 부담, AI 사용료를 포함한 비용을 함께 살펴봅니다.
이처럼 AI 시대의 애자일은 기존 원리를 대체하는 것이 아니라, AI의 특성에 맞게 실행 방식을 조정하는 데 초점을 둡니다. 고객의 피드백을 빠르게 반영하고 실제 결과를 바탕으로 방향을 조정하되, AI가 만들어내는 결과물을 팀이 충분히 이해하고 검증할 수 있도록 작업 범위와 운영 방식을 함께 관리해야 합니다.
가상의 예시에 적용해 보기
그렇다면 실제 프로젝트에서 이런 애자일 원리는 어떻게 적용할 수 있을까요? 방법론에 대한 숙지만큼이나 중요한 것은 실전을 대비한 연습입니다. 다음은 운영 방식을 설명하기 위한 가상의 적용 예시인데요. 고객사가 검색 필터 추가를 요청했을 때, 팀은 바로 구현에 들어가기 전에 최종 사용자가 상품을 찾기 어려운 이유를 확인합니다.
1) 요청과 사용자 문제를 구분한다.
고객사 담당자와는 사업 목표, 작업 범위, 일정, 승인 조건을 합의합니다. 최종 사용자에겐 실제 탐색 과정을 확인하고, 허용된 이용 기록을 함께 분석합니다. 고객사의 승인과 사용자의 사용성 검증은 목적이 다르므로 둘 다 필요합니다. AI로 의견을 분류할 때도 담당자가 원문과 대조해 누락과 오해를 확인합니다.
2) 대안을 작게 만들고 확인한다.
팀은 AI의 도움으로 필터 개선과 검색 결과 정렬 등 대안의 시안을 준비합니다. 기획 담당자는 문제와 우선순위를 정리하고, 디자인 담당자는 사용 흐름을 검토합니다. 고객사에는 범위와 사업 적합성을 확인받고, 최종 사용자에게 같은 탐색 과제를 수행하게 해 어느 대안이 문제 해결에 도움이 되는지 살펴봅니다. 확인된 내용을 바탕으로 작은 변경부터 구현합니다.
3) 검증과 승인을 작업 안에 포함한다.
작업 전에는 “선택한 필터가 검색 결과에 정확히 반영되는가”, “결과가 없을 때 다음 행동을 안내하는가”처럼 수용 기준을 정합니다. 통합 전에는 테스트와 사람의 변경 검토를 진행하고, 출시 전에는 기존 기능의 정상 동작과 문제가 생겼을 때 되돌릴 수 있는지를 확인합니다. 개발 담당자는 AI가 만든 코드까지 이해하고 유지보수할 책임을 집니다. 품질 검증은 구현 결과와 별도로 정한 기준과 실패 사례를 바탕으로 수행합니다.
AI의 실행 권한은 작업 위험에 맞게 제한합니다. 반복 업무에 사용하는 AI 모델이나 공통 지시문을 변경할 때는 대표 작업과 기존 실패 사례로 결과 품질을 다시 확인합니다. 스크럼을 활용하는 팀도 검증을 스프린트 마지막에 몰아두지 않고 작업 중에 수행해야 합니다.
4) 성과를 확인하고 다음 변경을 결정한다.
이 예시에서는 검색 성공률을 “정해진 탐색 과제에서 목표 상품을 찾은 사용자 비율”로 정의할 수 있습니다. 변경 전후에 같은 기준으로 측정하고, 가능하면 유사한 사용자 집단을 비교해 다른 변화의 영향을 줄입니다. 오류와 재작업, 검토 시간, AI 사용료를 포함한 비용도 함께 기록합니다. 중단이나 확대 기준은 실험 전에 합의하고, 품질이 악화되면 확대를 멈춰 원인을 확인합니다.
문제 정의 → AI를 활용한 대안 작성 → 사람의 검증 → 사용자 확인 → 다음 결정
이 흐름에서 AI는 대안을 준비하고 정보를 정리하는 일을 돕습니다. 사람은 해결할 문제와 우선순위를 선택하고, 결과의 적합성을 판단하며, 출시 여부를 책임집니다.
다음 프로젝트에서 시작할 작은 변화
물론 처음부터 모든 절차를 바꿀 필요는 없습니다. 다음 진행할 프로젝트에서 요구사항 정리, 화면 시안 작성, 테스트 사례 탐색 중 반복되는 업무 하나를 골라 적용해 볼 수도 있죠. 시작 전에 AI에 맡길 범위와 허용 데이터, 결과를 검토할 담당자와 통과 기준을 정해 두는 것이 출발점입니다.
그리고 적용 후에는 초안 작성 시간만 비교하지 말고 검토와 재작업을 포함한 전체 시간을 확인해야 합니다. 사용자에게 도움이 되었는지, 기존 품질을 유지했는지 함께 살펴보고, 효과가 확인된 규칙을 다음 작업에 반영합니다. 검토 부담이 커졌다면 작업 단위나 AI에 제공하는 맥락부터 조정할 수 있습니다.
납기와 품질, 고객사의 승인 조건은 AI를 활용하더라도 중요한 판단 기준입니다. 그 조건 안에서 불확실한 가정을 일찍 확인하고, 검증된 결과를 안정적으로 전달하는 방향으로 운영을 발전시켜야 합니다. 이모션글로벌이 제안하는 AI 네이티브 애자일은 이를 위한 하나의 실무 제안입니다.
👉원문 링크: AI 시대의 프로젝트 운영은 어떻게 달라져야 할까?
초안 짜는 AI 옆에서 기획자가 해야 할 일
문서 만드는 기획자에서 판 짜는 디렉터로
뉴스콘텐츠는 저작권법 제7조 규정된 단서조항을 제외한 저작물로서 저작권법의 보호대상입니다. 본 기사를 개인블로그 및 홈페이지, 카페 등에 게재(링크)를 원하시는 분은 반드시 기사의 출처(로고)를 붙여주시기 바랍니다. 영리를 목적으로 하지 않더라도 출처 없이 본 기사를 재편집해 올린 해당 미디어에 대해서는 합법적인 절차(지적재산권법)에 따라 그 책임을 묻게 되며, 이에 따른 불이익은 책임지지 않습니다.
- 에디터이모션글로벌 (jihyun.ahn@emotion.co.kr)
