
이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
램프(Ramp)에서 지난 한 달 동안 올라온 코드 변경 요청(PR) 가운데 1,000건은 엔지니어가 아닌 사람이 제출했습니다. 전체 PR의 75%는 사내 코딩 에이전트가 만들었고요. 코딩만 놓고 보면 이미 충분히 빨라진 회사예요.
그런데 이 회사의 제품 책임자는 오히려 "이제 코딩은 병목이 아니다"라고 말합니다. 코드가 빨라지자 병목이 정의, 리뷰, 테스트, 조율 쪽으로 옮겨 갔다는 거죠. 요즘 'AI로 개발 속도를 올렸다'는 이야기는 흔한데, 그다음에 어디가 막히는지까지 말하는 사람은 드뭅니다.
제프 찰스(Geoff Charles)는 기업용 법인카드·지출 관리 회사 램프의 CPO(최고제품책임자)입니다. 2026년 9월 10일 샌프란시스코에서 열린 '레니 앤 프렌즈 서밋(Lenny and Friends Summit)'에서, 램프가 고객의 불만을 찾는 순간부터 제품을 내놓기까지 각 단계의 병목을 AI 에이전트로 하나씩 걷어 낸 과정을 공개했어요. 레니 팟캐스트 채널에 올라온 이 발표를 질문과 답으로 옮겼습니다.
작은 팀이 그대로 가져다 쓸 수 있는 구조 위주로 정리했어요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
드라이버는 경기의 15%일 뿐입니다
Q. 발표를 자동차 경주 이야기로 시작하셨어요.
램프는 속도로 알려진 회사예요. 저도 속도를 정말 좋아해요. 얼마나 좋아하냐면, 르망(Le Mans) 레이스에 참가 신청을 한 적도 있어요. 농담이고요, 정확히는 '24시간 레몬(24 Hours of LeMons)'이에요. 500달러(약 70만 원)짜리 차를 사서 24시간 동안 달리는 경주예요.
안타깝게도 제 차는 완주하지 못했어요. 크게 박았거든요. 저는 괜찮았는데 차는 아니었죠. 이 사고는 전적으로 운전한 제 잘못이었어요.
그런데 진짜 프로 레이싱에서는 드라이버가 문제인 경우가 드물어요. 드라이버가 경기 결과에 미치는 영향은 15% 정도밖에 안 되거든요. 진짜 영향은 드라이버와 차, 차와 팀 사이의 상호작용에서 나와요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
다르게 말하면, 이기는 건 더 빨리 운전하는 문제가 아니에요. 세계 최고의 드라이버도 시스템이 허락하는 만큼만 달릴 수 있어요. 경주에서 이기는 건 운전을 둘러싼 병목을 없애는 일이에요. 오늘 제가 하고 싶은 말은 이게 전부예요.
Q. 병목을 없앤다는 게 구체적으로 어떤 모습인가요?
피트 스톱을 예로 들어 볼게요. 1950년대에는 타이어를 가는 데 67초가 걸렸어요. 지금은 1.8초예요.
67초가 어떻게 1.8초가 됐을까요? 정비사에게 37배 더 열심히 일하라고 해서가 아니에요. 리더분들은 무슨 말인지 아실 거예요. 병목을 찾아서 없애는 걸 반복한 거예요. 기능을 전문화하고, 더 좋은 기술을 쓰고, 더 많이 연습했죠.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
F1은 이걸 집요하게 해요. 차 한 대에 부품이 1만 6천 개쯤 들어가는데, 다음 해까지 그대로 가는 건 10%뿐이에요. 매년 90%가 바뀌는 거죠. 여러분 코드의 90%가 매년 바뀐다고 생각해 보세요. 그게 지금의 기준이에요.
Q. 그 이야기를 제품 개발에 가져오면요?
우리도 경주 중이에요. 속도와 실행이 전부예요. 경주차의 시계는 차가 타이어를 갈러 들어올 때 시작해서 떠날 때 멈추잖아요. 우리 시계는 고객이 불편을 느낄 때 시작해서, 그걸 해결하는 제품이 고객 손에 들어갈 때 멈춰요.
여기서 중요한 건, AI가 병목을 없애는 게 아니라 옮긴다는 거예요. 이기는 팀은 다음 병목을 더 빨리 찾아서 없애고 또 다음으로 넘어가는 팀이에요.
제품 개발 주기는 다들 아시죠. 문제를 찾고, 정의하고, 만드는 데 오래 걸리고, 그다음 개선해요. 엔지니어들은 이미 많은 일을 자동화했고, 코딩은 훨씬 쉬워졌어요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
그래서 팁을 하나 드리면, 엔지니어처럼 게을러지세요. 병목이 이제 우리 쪽으로 넘어왔거든요. 정의할 것도, 협업할 것도, 조율할 것도, 출시하고 테스트하고 배포할 것도 더 많아졌어요. 우리도 우리 공장에 투자해야 해요. 병목을 얼마나 빨리 찾고 그 주위로 공장을 다시 설계하느냐가 경주의 결과를 정해요.
고객 불만을 매일 아침 팟캐스트로 듣습니다
Q. 첫 단계는 문제를 찾는 거죠.
네, 고객의 불편을 찾는 단계예요. 문제는 그 불편이 여기저기 흩어져 있다는 거예요. 영업 통화 녹음 도구 공(Gong), 고객 지원 도구 젠데스크(Zendesk), 화면 기록 도구 로그로켓(LogRocket), 설문, 그리고 임원에게 온 아주 화난 이메일까지요. 사일로도 많고 의견도 많아요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
그래서 첫 병목은 소음 속에서 신호를 걸러 내는 거예요. LLM이 좋긴 한데, 100만 토큰짜리 컨텍스트 윈도우(한 번에 읽을 수 있는 분량)도 램프의 공 통화 기록의 0.5%가 안 돼요. 한 번에 다 넣을 수가 없는 거죠.
Q. 그래서 어디서부터 시작하셨어요?
작게 시작했어요. 슬랙에 '헤이트 채널'을 만들었어요. 고객들이 한 온갖 '사랑스러운' 말을 매일 올려 주는 채널이에요. 네, 전부 실제 인용이에요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
그게 금방 감당이 안 되더라고요. 네, 알아요. 자랑스럽진 않아요. 완벽한 사람은 없잖아요.
그래서 처음부터 다시 설계했어요. 제대로 된 고객 인사이트 에이전트를 만들었어요. 회사의 모든 데이터 출처에서 가져오고, 전통적인 ETL(데이터를 뽑아 정리해 옮기는 작업)과 파이프라인을 쓰고, 벡터 검색을 쓰고, 같은 맥락끼리 묶어요. 우리 제품과 팀, 기능을 이해하고, 회사 누구나 쓸 수 있어요.
Q. 만든 다음엔 어떻게 퍼뜨렸나요?
이게 돌아가고 나서 스스로 물었어요. 이걸 어떻게 최대한 많은 사람 손에 쥐여 줄까. 또 실험했죠. 질문할 수 있는 슬랙 에이전트도 만들고, 로그인해서 읽는 HTML 대시보드도 만들었어요.
제가 제일 좋아하는 건 팟캐스트예요. 헤이트 팟캐스트요. 하루를 시작하기에 딱 좋아요. 고객 100명이 제품이 망가진 온갖 이유를 두고 나한테 소리 지르는 걸 듣는 거죠.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
개념은 단순해요. 사람들이 이 데이터에 최대한 빨리 닿게 하는 거예요. 고객과 이야기하지 말라는 뜻이 아니에요. 데이터를 추적할 수 있으니, 정확히 어떤 고객과 이야기해야 하는지 알게 된다는 뜻이에요.
Q. 무엇에 집중할지 정하면 다음은 정의 단계죠.
개념을 어떻게 범위가 잡힌 아이디어로 바꾸느냐의 문제예요. 그래서 AI에 물어봤죠. 그런데 AI들은 다 비슷해요. "무엇을 만들고 싶으세요?"라고 물어요.
그러면 멍하니 쳐다보게 돼요. 엄청나게 똑똑한 존재가 나한테 뭘 만들고 싶냐고 묻는데, 그게 정말 최선의 질문일까요? 그게 정말 최선의 출발점일까요?

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
AI를 정말 쓸모 있게 만들려면 우리 시스템에 연결해야 해요. 그래서 '글래스(Glass)'라는 자체 AI 에이전트를 만들고, 일에 필요한 맥락을 전부 줬어요.
Q. 글래스는 어디까지 알고 있나요?
모든 시스템에 연결돼 있어요. 데이터 웨어하우스 스노우플레이크(Snowflake)로 데이터를 이해하고, 사용자 리서치를 이해해서 고객이 원하는 '해야 할 일(job to be done)'을 정확히 짚어요. 정성 데이터와 정량 데이터를 둘 다 갖고 구체적으로 말할 수 있는 거죠.
제품 전략도 알고, 우리가 스펙을 어떻게 쓰는지도 알고, 코드베이스도 알아요. 그래서 PM이 엔지니어를 붙잡고 "이거 되나요? 뭐가 깨질까요? 제가 놓친 게 뭐죠?" 하고 물을 필요가 없어요. AI에 물으면 돼요. 이제 AI가 테크 리드인 셈이에요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
마지막으로 프로토타입까지 만들 수 있어요. 제품 원칙과 디자인 시스템, 코드베이스를 이해하니까, 실제 제품 안에서 돌아가는 프로토타입을 정의하고 만들 수 있어요.
Q. 엔지니어 입장에선 그 프로토타입이 반가울까요?
솔직히, 엔지니어들은 그중 어느 하나만 따로 받고 싶어 하지 않아요. 프로토타입만 주면 쓸모없고, 긴 스펙 문서만 줘도 쓸모없어요.
엔지니어가 원하는 건 세 가지의 조합이에요. 이게 진짜 문제라고 설득하는 정성·정량 데이터, 자기 코딩 에이전트에 그대로 넣을 수 있는 요구 사항, 그리고 영감을 받을 수 있는 프로토타입이요. 그게 새로운 계약이에요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
PR의 75%는 에이전트가 짭니다
Q. 아까 만들기는 더 이상 병목이 아니라고 하셨는데요.
사실 그보다는 조금 복잡해요. 병목 하나에 집중하면 다음 병목이 나타나요. 첫 병목은 코딩이었어요. 이제 코딩 에이전트는 누구나 하나씩 갖고 있어야 해요.
저희는 '인스펙트(Inspect)'라는 자체 코딩 에이전트를 만들었어요. 직접 만든 이유는 탄탄한 하네스(에이전트를 감싸 실행을 관리하는 틀)를 원했고, 에이전트가 우리 코드베이스를 정말로 이해하길 바랐기 때문이에요.
슬랙 안에서 돌아가고, 환경이 다 갖춰져 있어서 5초 안에 뜨고, 배포 미리보기로 실제 제품을 돌려줘요. PM이 만들어지는 코드를 직접 써 보고 만져 볼 수 있는 거죠.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
이제 램프에선 누구나 코딩을 해요. 인스펙트 세션이 100만 개가 넘고, PR의 75%를 인스펙트가 만들어요. 지난 한 달 동안 그중 1,000건은 엔지니어가 아닌 사람이 올렸어요.
다만 팁이 하나 있어요. 코딩 에이전트는 아키텍처와 코드베이스가 탄탄할 때 제일 잘 돌아가요.
Q. 코드가 쏟아지면 이번엔 리뷰가 막히겠네요.
맞아요. 엔지니어들이 끝도 없이 코드를 뒤지고 있었어요. 그래서 '리뷰 버디(Review Buddy)'를 만들었어요. 코드베이스와 품질 기준, 보안 이슈를 다 알고, 불러야 할 사람 리뷰어를 찾아서 연결해요.
재밌는 건 그 코드를 만들게 한 프롬프트까지 맥락으로 이해한다는 거예요. 그래서 애초에 AI를 어떻게 썼는지까지 점검할 수 있어요. 리뷰와 협업이 눈에 보이는 맥락 위에서 이뤄지는 거죠.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
지금은 PR의 93%를 리뷰 버디가 자동으로 처리해요. 가장 실력 있는 엔지니어들은 정말 중요한 7%에만 시간을 써요. 제대로 만들고 있는지, 위험은 없는지 따져 봐야 하는 PR이요.
Q. 테스트는요?
PM분들은 아실 거예요. QA 환경을 띄우고, 테스트 데이터를 이리저리 바꾸고, 화면을 하나하나 눌러 보고, 엔지니어가 내가 정말 원했던 그 기능을 빼먹진 않았는지 확인하잖아요. 그걸 자동화했어요.
'테스토(Testo)'라는 브라우저 기반 QA 에이전트예요. 실제 운영 데이터를 바탕으로 제품을 100가지 조합으로 띄우고, 사용자처럼 제품 안을 돌아다녀요. "청구서 하나 결제해 봐" 같은 지시를 주면 이리저리 눌러 보고 피드백을 줘요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
버그나 막히는 문제 같은 치명적인 피드백도 주고, 솔직히 꽤 사려 깊은 디자인 피드백도 줘요. 헷갈리는 부분, 디자인 시스템이나 디자인 언어에서 벗어난 부분 같은 거요. 그게 다시 개발 주기로 들어가요.
테스토는 지난 30일 동안 버그 425개를 잡았어요. 고객보다 우리가 먼저 잡는 게 나은 버그들이고, 그대로 고치는 루프로 다시 보내요.
모든 질문은 API입니다
Q. 이렇게 많이 내보내면 사내 조율이 어려워질 것 같은데요.
그게 다음 단계예요. 일이 너무 빨리 움직이고 내보내는 것도 너무 많아지면, 다음 병목은 사람의 주의력이에요. 다들 겪어 보셨죠. PM이 알림에 파묻히는 거요. 그러면 우리 일이 조율이 돼 버려요.
프로세스가 너무 많으면 만드는 사람들이 느려지고, 너무 적으면 다들 헷갈려요. 그래서 사람의 주의력이 병목이 되는 거예요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
해법은 이거예요. 모든 질문은 API다. 그리고 시스템을 설계하는 거죠. 저희는 '가젯(Gadget)'을 만들었어요. 질문의 의도를 이해하고, 그걸 공식 기록과 연결해요. 노션(Notion)에 있는 로드맵과 스펙, 고객 통화 기록, 슬랙, 리니어(Linear)의 티켓 같은 것들이요.
원칙은 단순해요. 에이전트에게 힘을 실어 주려면 에이전트가 조직을 읽을 수 있어야 해요. 조직이 에이전트에게 읽히는 상태여야 한다는 거예요.
Q. 예를 들어 주신다면요?
"이 프로젝트 어떻게 되고 있어요? 이번 출시 일정대로 가나요?" 같은 질문이요. 에이전트가 처리해요. 전체 그림을 알고, 다음 단계 담당자가 누군지 알고, 근거를 붙여 답해요.
거기서 끝이 아니에요. 에이전트가 로드맵을 업데이트하고, 진행 상황을 공유하고, 마감을 넘긴 사람에게 알림을 보내요. 규모를 키우는 재밌는 방법이 많아요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
영업팀 질문도 있어요. 이 기능이 뭐예요, 어떻게 팔아요, 브라질에서도 돼요, 어떤 경우에 써요, 가격은요. 가젯이 다 알고 있고, 모르면 맞는 사람에게 넘겨요.
한 걸음 더 가면 출시예요. 가젯은 제품을 아니까 헬프 센터 문서도 쓰고, 블로그 글과 고객 이메일도 같이 써요. 한 곳에서 시작해 보세요. 얼마나 멀리 퍼지는지 보게 될 거예요. 지금은 PM에게 오는 질문의 85%를 AI가 완전히 답하고, 못 한 것도 답이 달리면 다시 시스템에 들어가요.
Q. 그럼 이제 다 된 건가요?
제품도 많이 나가고, 모두가 알고 있고, 조율도 잘되고, 완벽하죠. 그런데 그건 시작일 뿐이에요. 제품은 계속 개선해야 하고, 루프는 다시 시작돼요.
PM들은 원래 작고 즉각적인 일에 끌려요. 확신이 있고, 쉽고, 눈에 잘 띄고, 도파민이 도는 일이요. "오, 하나 해결했다" 하는 거요. 저는 그게 큰 실수라고 봐요. 작은 일에만 매달리면 야심 있는 일을 할 수 없어요. 작은 루프에서는 자동화로 빠져나와야 해요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
그래서 그렇게 했어요. 작은 일 대부분은 AI가 루프 전체를 돌려요. 맞는 팀에 넘기고, 리니어의 백로그와 맞춰 보고, 중복을 걸러 내고, 몇 번 나왔는지 세고, 순위를 매기고, 계획을 세워요.
슬랙으로 사람에게 "이거 진행해도 될까요? 코딩 준비됐어요"라고 한 번 묻고, 코드를 쓰고, 테스트와 CI/CD(자동 빌드·배포 파이프라인)를 거쳐요. 출시하면 지식 베이스까지 업데이트해요. 사람은 루프에 겨우 걸쳐 있는 정도예요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
이런 작은 루프가 수천 개 돌아가니까 큰일에 집중할 수 있어요. 이 자율 루프 덕분에 고객, 영업, CX팀, 우리 스스로 찾아낸 UX 문제의 60%가 24시간 안에 고쳐져요.
제약은 받아들이고, 병목은 받아들이지 마세요
Q. 빨라졌다는 건 어떻게 알 수 있나요?
이쯤 되면 세 가지가 궁금하실 거예요. 첫째, 품질을 지키면서 빨라지고 있다는 걸 어떻게 아느냐. 제품 속도는 경주로의 랩 타임처럼 재기 어렵잖아요. 어떤 건 쉽게 숫자로 안 잡혀요.
1974년 니키 라우다(Niki Lauda)가 페라리 차로 한 바퀴를 돌고 엔초 페라리에게 말했어요. "이 차는 형편없어요. 달리는 것도, 핸들링도, 브레이크도 엉망이에요." 그러고는 차에서 내려 엔지니어에게 가서 고쳤죠. 램프 문화도 이것과 크게 다르지 않아요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
빠른 게 어떤 건지 아는 드라이버를 뽑아서, 책임을 맡기고, 여러분에게 도전하게 두면 알 수 있어요. 어떤 리더에게는 어려운 일이겠지만, 대단한 속도가 뭔지 아는 사람에게 도전받아야 해요.
Q. 예산이 넉넉하지 않은 회사는 어떻게 하죠?
두 번째 질문이죠. 엔지니어든 토큰이든 자원은 한정돼 있는데, 제약이 없는 회사와 어떻게 경쟁하느냐.
2006년의 아우디(Audi)는 차가 느렸어요. 그래서 스스로 물었대요. 누구보다 빨리 달릴 수 없다면 어떻게 이길까. 답은 연비였어요. 덜 멈추고, 트랙에 더 오래 있는 거죠. 그리고 르망에서 3년 연속 우승했어요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
제약은 세계 최고가 될 수 있는 한 가지 차원을 고르게 만들어요. 제약은 받아들이되, 병목은 받아들이지 마세요. 정말 잘하는 한 가지, 회사를 10배 키울 수 있다고 생각하는 병목 하나를 찾아서 거기서 시작하세요.
Q. 루프가 PM 없이도 돌면, PM이라는 직업은 어떻게 되나요?
오늘 많이 나온 이야기죠. 먼저, 저는 엔지니어가 끌고 갈 수 있는 일에서 PM이 빠지는 게 아주 좋다고 생각해요. 레버리지가 엄청나게 커지니까 겁낼 일이 아니에요. 다만 우리 일은 세 갈래로 바뀔 거예요.
첫째는 기술 트랙이에요. 저희가 아직 한참 덜 투자하고 있다고 보는 쪽이에요. 공장을 짓는 PM이에요. 조직의 병목을 찾아서 걸림돌을 없애는 기술 PM이죠. 고객에게 나갈 제품이 아니라, 고객용 제품을 만드는 걸 돕는 제품, 혹은 AI가 그걸 만들게 돕는 제품을 내보내요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
둘째는 테이스트 메이커(taste maker, 좋은 제품의 기준을 쥐는 사람)예요. 가장 중요한 역할이라고 할 수도 있고, 주목도 제일 많이 받죠. 드라이버예요. 결국 누군가는 핸들을 잡고, AI가 못 하는 일을 하면서 좋은 제품과 좋은 감각의 기준을 지켜야 해요.
셋째는 GM(사업 총괄)이에요. PM의 역할은 제품 조직을 넘어 마케팅, 영업, 그로스, 운영 조직까지 넓어질 거예요. PM이 GM이 돼서 실제 사업 성과를 책임지고 기능 전체를 이끌게 될 거예요.
Q. 마지막으로, 오늘 이야기를 한마디로 정리하면요?
세 가지예요. 속도는 코딩을 더 빨리 하는 게 아니라 만드는 과정의 병목을 찾아 없애는 거예요. 병목은 누구에게나 반드시 있고, 하나를 없애면 다음 것이 나타나요. 그걸 최대한 빨리 넘어가는 게 우리 일이에요.
그리고 제품 리더는 내놓는 제품에 조금 덜 집착하고, 제품을 더 빨리 만들게 해 주는 공장에 조금 더 집착해야 해요.
오늘 저희가 만든 걸 많이 보여 드렸는데요, 그렇게 한 이유가 있어요. 여기서 보신 건 전부 이미 낡은 거예요. F1처럼 팀들은 서로를 베껴요. 저희를 베껴 주세요. 오늘 본 것들을 넘어서 주시면 좋겠어요. 여기 계신 분들 중엔 이미 더 멀리 간 분도 있을 거고요. 결국 중요한 건 다음 시즌이에요.
엔초 페라리는 이렇게 말했어요. "가장 좋은 페라리는 다음에 만들 페라리다." 여러분이 만들 가장 좋은 제품도 다음에 내놓을 제품이에요. 그건 공장에서, 오늘 여러분이 짓는 소프트웨어 공장에서 시작돼요.
저희를 베껴 주세요. 저희도 여러분을 베낄 수 있으면 좋겠어요.

이미지 출처 : Youtube 'The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)', by Lenny's Podcast
원본 영상: The limiting factor—how to design an AI software factory for speed | Geoff Charles (Ramp CPO)
의견을 남겨주세요