AI를 활용하면서 달라진 업무 방식과 사례들

최근 AI를 활용해 업무를 진행하면서, 단순히 개발 속도가 빨라지는 것을 넘어 일하는 방식 자체가 달라지고 있다는 생각이 들었습니다.

과거에는 구현에 많은 시간과 리소스가 필요했다면, 이제는 AI 덕분에 구현 비용이 크게 낮아지면서 이전에는 시도하기 어려웠던 일들도 쉽게 도전할 수 있게 되었습니다.

제가 직접 경험했거나 주변 동료들의 사례를 통해 느낀 변화들을 공유해 보려고 합니다.

1. 신규 기능 제안 및 도입

개발자가 직접 기능을 제안하고 구현하기까지

예전에는 개발 속도가 병목이었다면, 이제는 개발 속도가 더 이상 가장 큰 병목이 아닌 경우가 많아졌습니다.

물론 회사나 팀마다 상황은 다르겠지만, 오히려 기획이나 디자인이 병목이 되고 개발 리소스에는 여유가 생기는 상황도 나타나고 있습니다.

기존에는 기획자가 정의한 요구사항을 검토하고, 디자이너가 설계한 화면을 코드로 구현하는 것이 개발자의 주된 역할이었습니다.

하지만 이제는 개발자가 직접 서비스에 필요한 기능을 고민하고, 아이디어를 제안하며, 구현까지 주도하는 방향으로 업무 영역을 넓혀갈 수 있겠다는 생각이 들었습니다.

이런 고민을 하던 중, 서비스에 도입해 볼 만한 기능으로 안드로이드 원탭 로그인과 모바일 앱 위젯을 제안했습니다.

① 안드로이드 원탭 로그인

원탭 로그인은 사용자가 특정 화면에 진입했을 때 Google 로그인 시트를 자동으로 노출해, 한 번의 탭으로 로그인이나 회원가입을 진행할 수 있도록 하는 기능입니다.

기존에도 로그인 및 회원가입 페이지가 있었지만, 원탭 로그인을 도입하면 사용자가 어떤 소셜 로그인 수단을 선택할지 고민할 필요가 줄어들고 로그인까지 필요한 탭 횟수도 줄일 수 있습니다. 이러한 변화가 회원가입 전환율을 높이는 데 도움이 될 수 있다고 생각했습니다.

다만 원탭 로그인은 단순히 SDK 하나를 추가하는 수준의 작업은 아닙니다. SDK 검토부터 기존 로그인·회원가입 구조 파악, 인증 플로우 연동까지 필요하기 때문에 영향 범위가 넓고 구현 공수도 적지 않은 기능입니다.

과거였다면 별도의 기획 과제로 선정되고 개발 리소스가 확보되어야 시도할 수 있었겠지만, LLM을 활용하면서 이러한 구현 비용이 크게 낮아졌습니다.

이제는 개발자가 서비스에 도움이 될 만한 기능을 직접 발굴하고, 기술 검토부터 프로토타이핑과 구현까지 주도할 수 있는 환경이 만들어졌다고 느꼈습니다.

② 모바일 앱 위젯

위젯은 오래전부터 OS에서 제공해 온 기능이지만, 저희 서비스에는 아직 도입되지 않은 기능이었습니다.

사실 위젯의 사용률이 아주 높을 것이라고 기대하지는 않았습니다. 과거에도 개발 공수 대비 기대 효과가 크지 않다는 이유로 도입이 기각된 적이 있었습니다.

하지만 AI로 구현 비용이 낮아지면서 다시 시도해 볼 만한 기능이 되었다고 생각했습니다.

위젯을 사용하는 유저가 소수이더라도, 그 사용자들에게는 서비스 접근성을 높이고 재방문을 유도하는 기능이 될 수 있기 때문입니다.

그래서 위젯 도입을 제안하면서 실제 동작하는 프로토타입까지 빠르게 구현해 공유했습니다.

팀에서도 긍정적으로 검토해 주셨고, 디자이너의 도움을 받아 실제 서비스 도입을 진행하게 되었습니다.

항상 정해진 기능을 구현하는 입장이었다가, 직접 아이디어를 제안하고 그 기능이 서비스에 도입되는 과정을 경험하니 새로운 재미와 보람을 느낄 수 있었습니다.

2. 업무 생산성 향상

사람이 몇 시간씩 하던 일을 AI로 자동화하기

이번 사례는 제가 직접 진행한 작업은 아니고, 함께 일하는 동료가 만든 사례입니다.

저희 서비스에는 라이브 방송 기능이 있는데, 운영 담당자분들이 방송 내용을 직접 모니터링해야 하는 업무가 있었습니다.

실시간으로 방송을 지켜보거나 몇 시간 분량의 녹화 영상을 다시 확인해야 했고, 경우에 따라서는 새벽까지 방송을 모니터링해야 하기도 했습니다.

그런데 동료가 AI를 활용해 이 과정을 자동화하는 도구를 만들었습니다.

라이브 스트리밍이 종료되면 서버에 저장된 녹화 영상을 텍스트로 변환하고, LLM이 해당 내용을 분석하도록 구성한 것입니다.

그 결과, 기존에는 사람이 몇 시간 동안 영상을 확인해야 했던 업무를 약 10분 만에 처리할 수 있게 되었습니다.

단순히 반복 작업을 조금 더 빠르게 만든 것이 아니라, 사람이 영상 전체를 직접 확인해야 했던 기존 업무 방식을 바꿔버린 셈입니다.

옆에서 이 과정을 지켜보면서, AI가 개발 생산성 향상을 넘어 다른 직군의 반복적인 업무까지 개선할 수 있다는 점이 인상적이었습니다.

3. 모바일 앱 개발 및 QA 환경 개선

모바일 앱을 개발하다 보면 코드 작성 외에도 여러 병목을 만나게 됩니다.

서버 API가 아직 준비되지 않았거나, 테스트에 필요한 데이터가 부족하거나, 특정 기능을 테스트하기 위해 여러 대의 기기를 준비해야 하는 경우가 대표적입니다.

AI를 활용하면서 이런 제약들도 상당 부분 줄일 수 있었습니다.

① Fake DataSource를 활용한 개발 및 QA

서버 API와 연동해야 하는 기능을 개발할 때, 서버 개발 일정이 늦어지면 클라이언트 개발에도 영향을 주는 경우가 많습니다.

기존에는 UI 레이어를 먼저 개발하고, API가 준비될 때까지 기다렸다가 데이터 레이어를 구현하고 연동하는 방식으로 진행하기도 했습니다.

물론 이전에도 Mock 데이터를 활용해 서버 없이 개발하거나 테스트하는 방법은 있었습니다. 하지만 테스트 데이터를 생성하고 이를 제공하는 데이터소스를 별도로 구현하는 데도 어느 정도 공수가 필요하기 때문에, 적극적으로 활용하지 않는 경우도 많았을 것 같습니다.

LLM을 활용하면서 이런 작업의 부담이 크게 줄었습니다.

서버 API가 준비되지 않았더라도, 클라이언트 로컬에서 테스트 데이터를 생성하고 제공하는 Fake DataSource를 빠르게 구현할 수 있게 되었습니다.

LLM을 활용하면 정상적인 데이터뿐만 아니라 다양한 엣지 케이스를 도출하고, 이에 필요한 테스트 데이터와 로직까지 손쉽게 생성할 수 있습니다.

덕분에 서버 API 개발을 기다리지 않고도 클라이언트의 데이터 레이어와 화면 동작을 미리 구현하고 검증할 수 있게 되었습니다.

이렇게 구성한 Fake DataSource는 기능 QA나 디자인 QA에서도 유용하게 활용할 수 있습니다.

개발 서버에는 테스트 데이터가 충분하지 않아 특정 상태를 재현하기 어려운 경우가 많습니다. 예를 들어 데이터가 없는 상태, 항목이 비정상적으로 많은 상태, 특정 필드가 누락된 상태 등을 테스트하려면 별도의 데이터 준비 작업이 필요합니다.

하지만 Fake DataSource를 활용하면 서버 데이터를 직접 수정하지 않고도 원하는 상태를 로컬에서 손쉽게 재현할 수 있습니다.

개발 단계뿐만 아니라 QA 과정에서도 테스트 환경을 준비하는 시간을 줄이고, 다양한 시나리오를 더 빠르게 검증할 수 있게 된 것입니다.

② 라이브봇을 활용한 테스트 환경 구축

라이브 서비스를 개발하다 보면 스마트폰 한 대만으로는 테스트하기 어려운 경우가 많습니다.

기본적인 방송 시청과 송출만 테스트하더라도 시청용과 송출용 기기가 각각 필요하고, 합방이나 게스트 방송까지 테스트하려면 3~4대의 기기가 필요한 상황도 생깁니다.

단순히 기능을 테스트하려는 것뿐인데 여러 대의 기기를 준비하고, 방송을 생성하고, 각 기기에서 접속하는 과정 자체가 상당히 번거롭습니다.

이런 문제를 해결하기 위해 AI를 활용한 라이브봇 테스트 환경을 구축했습니다.

라이브봇이 자동으로 여러 개의 방송을 생성하고 송출할 수 있으며, 가상의 시청자도 설정할 수 있도록 구성했습니다. 또한 LLM을 통해 방송을 제어할 수 있는 환경도 마련했습니다.

덕분에 여러 대의 스마트폰을 직접 조작하지 않아도, 스마트폰 한 대만으로 다양한 라이브 방송 시나리오를 보다 손쉽게 테스트할 수 있게 되었습니다.

단순히 테스트를 자동화하는 것을 넘어, 테스트 환경을 준비하는 데 들어가는 반복적인 작업과 번거로움을 크게 줄일 수 있었습니다.

마무리하며

AI를 활용하면서 가장 크게 느낀 변화는 단순히 코드를 더 빠르게 작성할 수 있게 되었다는 점이 아닙니다.

과거에는 비용이나 리소스 문제로 시도하기 어려웠던 일들을, 이제는 훨씬 가볍게 시도할 수 있게 되었다는 점입니다.

그만큼 개발자가 직접 해결할 수 있는 문제의 범위도 넓어지고 있다고 느낍니다.

앞으로는 주어진 기능을 잘 구현하는 것을 넘어, 서비스와 조직 전체에서 개선할 수 있는 부분을 적극적으로 찾아보고 해결하는 개발자가 되어보고 싶습니다.