안녕하세요 MARK 입니다
첫 글을 발행하면서 여러분들이 궁금해 할 이야기를 전해드리려고합니다
시가 규모 약 250조원 아마존의 대항마로 불리우는 SHOPIFY의 부사장 겸 엔지니어 개발자로 활동하는 Farhan Thawar 의 런던 에서 열린LDX 인터뷰 내용입니다
지금은 챗지피티가 시장점유율이 높다는 것을 알수 있지만 챗지피티 이전에 GITHUB 의 COPILOT를 적극적으로 사용한 AI 업계의 선두주자로 생각할수 잇는 타르완의 AI에 대한 견해와 활용법에 대해 도움이 되시길 바랍니다
🎙️ LDX3 라이브 팟캐스트
Farhan:
우리는 엔지니어링에서 오랫동안 AI 도구들을 사용해 왔습니다. 저는 Shopify가 GitHub 외부에서 GitHub Copilot을 가장 먼저 쓴 회사였다고 믿습니다.
그 이유는 이렇습니다. GitHub의 CEO가 토마스 돔케(Thomas Dohmke)로 바뀐 날, 저는 바로 그에게 메일을 보냈습니다. “저희 Shopify 엔지니어 전원에게 GitHub Copilot을 배포하고 싶습니다.”
그때가 2021년이었죠. ChatGPT가 나오기 1년 전입니다. 그는 “아직 상업적 용도로는 제공하지 않는다”고 답했습니다. 저는 “그게 중요한 게 아닙니다. 상업적 여부는 상관없고, 하루라도 빨리 전 엔지니어가 쓸 수 있도록 배포해 달라”고 했습니다.
약 한 달 뒤 실제로 배포되었고, 무려 2년 동안 요금을 내지 않고 사용했습니다. 이유는 당시 과금 체계가 준비되지 않았기 때문이었고, 대신 Shopify는 많은 피드백을 제공하기로 했습니다.
그렇게 우리는 Copilot을 꽤 오랫동안 사용했습니다. 그리고 이후 Cursor라는 도구도 내부에 도입했습니다.
현재도 Cursor는 사용한 지 1년 정도밖에 되지 않은 아주 새로운 도구이지만, 재미있는 점은 엔지니어링 부서 외부 — 즉 재무, 영업, 고객지원 부서에서 오히려 더 빠르게 확산되고 있다는 겁니다.
Shopify의 AI 퍼스트 전환
기업이 AI에 ‘올인’하면 무슨 일이 벌어질까요? Shopify는 몇 년 전 실제로 그 선택을 했습니다.
오늘은 Shopify의 엔지니어링 총괄 파르한 타바르(Farhan Thawar) 와 함께 AI 전략과 그 결과에 대해 이야기 나누겠습니다.
이번 에피소드에서는
- Shopify가 AI 연구소(OpenAI, Anthropic 등)와 어떻게 협력하는지
- 파르한이 직접 Anthropic 엔지니어와 1시간 페어 프로그래밍을 한 이유
- Shopify가 1년에 1,000명의 인턴을 채용하려는 이유
- 인터뷰 프로세스에 AI를 어떻게 반영했는지
- AI 토큰 사용에 사실상 비용 제한을 두지 않는 이유
등을 다룹니다.
이 팟캐스트는 런던 LDX3 행사에서 공개 녹음으로 진행되었습니다.
Shopify 엔지니어링 리더의 역할
Q. 파르한, Shopify에서 당신의 역할은 정확히 뭔가요? “헤드 오브 엔지니어링”이라고 하지만, 실제로는 범위가 매우 넓다는 얘기를 들었습니다.
A. Shopify의 문화는 ‘우리는 수영 레인(Swim Lane) 회사가 아니다’라는 말로 설명할 수 있습니다. 즉, 사람들을 “너는 제품팀이니까 제품만 생각해”라거나 “너는 엔지니어니까 아키텍처만 고민해”라는 틀에 가두지 않습니다.
우리는 모두 호기심 많은 문제 해결자들입니다. 무언가 문제가 생기면, 누구든 그 문제를 해결하려고 나서야 합니다. 직무와 상관없이요.
예를 들어, 작년 Shopify 서밋(사내 7,000명 규모 행사)에서 와이파이가 전혀 작동하지 않았습니다. 저는 3일 내내 와이파이를 고치느라 바빴고, 사람들은 저를 “최고 와이파이 책임자(Chief Wi-Fi Officer)”라고 부르기 시작했죠.
올해는 직접 300개의 Ubiquiti AP, 800개의 스위치를 배포해서 문제를 근본적으로 해결했습니다. 결국 밈이 쏟아졌지만, 와이파이는 완벽하게 작동했습니다.
Q. 하지만 당신은 3,000명의 엔지니어를 이끄는 리더잖아요. 시간을 더 전략적인 곳에 써야 하는 게 아닌가요?
A. 많은 리더가 “똑똑한 사람을 채용해서, 그냥 맡겨라”라는 말을 합니다. 하지만 Shopify는 다릅니다. 우리는 “똑똑한 사람을 채용해서 함께(pair) 문제를 푼다”를 원칙으로 삼습니다.
즉, 단순히 위임하고 결과만 기다리는 게 아니라, 리더도 손을 맞잡고 문제 해결 과정에 참여합니다.
🔬 AI 연구소와 협업 (OpenAI · Anthropic · Google 등)
Q. Shopify는 AI 퍼스트로 전환했다고 들었습니다. 특히 AI 연구소와도 밀접하게 협업한다고요?
A. 맞습니다. 우리는 기본적으로 **“호기심 많은 문제 해결자”**입니다. 업계에 새로운 무언가가 나오면, 최대한 가까이 다가가 직접 배우려고 하죠.
- ChatGPT가 나오자, 바로 실험했습니다.
- Anthropic이 Cloud Code를 내놓자, 내부에 배포해봤습니다.
- Google Gemini, Cohere 같은 모델도 마찬가지입니다.
저는 실제로 Anthropic의 엔지니어와 1시간 동안 페어 프로그래밍을 했습니다. 그들이 Cloud Code를 내부에서 어떻게 쓰는지 배우고, Shopify에서의 활용 방식과 비교하며 함께 발전시켰죠.
이 과정은 단순히 “고객-공급자” 관계가 아닙니다. 우리는 같은 Slack 채널에서 나란히 코딩하는 동료처럼 일합니다. 제가 “이 기능을 이렇게 써봤다”고 공유하면, 그들은 “우리는 이렇게 쓴다”고 알려주고, 서로 배웁니다.
이런 식으로 우리는 OpenAI, Anthropic, Cohere 등 주요 AI 연구소와 나란히 걸어가고 있습니다.
🚨 Code Red — 7개월간의 기술부채 정리
Q. 최근 Shopify가 “Code Red”에 들어갔다고 들었습니다. 어떤 상황이었나요?
A. 내부에서 기술 부채(Tech Debt) 가 점점 심각해지는 신호를 감지했습니다. 겉으로는 잘 드러나지 않았지만, 시스템 안정성에 치명적인 영향을 줄 수 있었습니다.
- 소프트웨어 업데이트/새 버전 출시가 점점 느려짐
- 유지보수가 힘들어짐
- 예외 로그(exception) 폭증
- 심지어 세그폴트(segfault) 발생 (메모리 오류)
우리는 MySQL, Ruby 같은 핵심 스택에 직접 기여하는 회사입니다.
Shopify의 MySQL 규모는 Meta(페이스북) 다음으로 세계 2위일 정도죠. 그런데 이런 핵심 계층에서 오류 신호가 발생했기에, 그냥 넘어갈 수 없었습니다.
그래서 우리는 엔지니어링 인력의 30~50%를 투입해 무려 7개월 동안 신규 기능 개발을 멈추고 안정화에 집중했습니다.
목표는 명확했습니다
- 예외 로그 수 줄이기
- 세그폴트 0건 달성
- 시스템 내부 동작 100% 이해하기
- 서비스 신뢰도 99.99% (Four Nines) 확보
처음에는 3개월 정도면 끝날 줄 알았지만, 실제로는 7개월이나 걸렸습니다. 하지만 결국, 모든 지표가 안정화되었고 이제 다시 기능 개발을 재개할 수 있었습니다.
🤖 AI 코딩 툴 도입
Q. 이제 AI 이야기로 돌아가 보죠. Shopify는 AI 코딩 도구를 어떻게 사용했나요?
A. 우리는 오래전부터 AI 코딩 툴을 실험했습니다.
- GitHub Copilot → 2021년 전사 배포 (ChatGPT 나오기 1년 전)
- Cursor → 최근 도입, 이제 막 1년 사용
- Cloud Code (Anthropic) → 에이전트형 워크플로 실험
- Devin 같은 신생 툴도 시도
흥미로운 점은 Cursor의 확산이 엔지니어링 부서 바깥에서 훨씬 빨랐다는 겁니다. 재무팀, 세일즈팀, 고객지원팀이 Cursor를 활용해 Salesforce, Google Calendar, Gmail, Slack 같은 MCP 서버를 직접 구축했습니다.
즉, 비개발자도 이제는 AI를 통해 자신만의 소프트웨어를 만든다는 뜻입니다. 이건 과거 “홈페이지 빌더”나 “WYSIWYG 에디터”가 나오던 시절과 비슷한 흐름입니다.
📌 정리
- Shopify는 AI 연구소와 직접 페어 프로그래밍하며 선도적으로 활용
- “Code Red”로 7개월 동안 기술부채 제거 → 안정성 강화
- AI 코딩 툴은 엔지니어뿐 아니라 비개발 부서까지 확산 → 누구나 MCP 서버를 만들어 자기 업무 자동화
🧑💻 비개발자들의 AI 활용과 SaaS 논쟁
Q. 비엔지니어링 부서에서 Cursor 같은 AI 툴을 적극 활용한다고 하셨습니다. 비개발자가 직접 MCP 서버를 만들고 업무를 자동화하는 건, SaaS 생태계에 어떤 영향을 줄까요?
A. 지금은 일종의 과도기(middle zone) 라고 봅니다.
- 개별 직원이 ‘바이브 코딩(vibe coding)’ 을 통해 자신만의 툴을 만드는 건 가능
- 하지만 그 코드가 플랫폼·인프라 수준으로 확장되기는 아직 무리
즉, 프로토타입이나 개인화 툴은 충분히 가능하지만, 인터넷 인프라를 책임지는 소프트웨어를 만들려면 여전히 깊은 기술 이해가 필요합니다.
사람들이 “이제 SaaS의 종말이다”라고 말하지만, 저는 동의하지 않습니다. 오히려 앞으로 세상에는 10,000배 이상의 소프트웨어 수요가 있습니다.
AI 덕분에 이제 누구나 소프트웨어를 만들 수 있고, 이는 SaaS 시장을 줄이는 게 아니라 폭발적으로 확장시킬 겁니다.
비유하자면, 스마트폰 카메라와 비슷합니다. 이제 누구나 영상 제작자가 될 수 있지만, 동시에 헐리우드 같은 전문가 생태계도 건재합니다. AI도 마찬가지입니다.
“AI는 오히려 최고의 엔지니어를 더 강하게 만든다. 보통 엔지니어보다 훨씬 더.”
💰 AI 비용 정책 – “돈을 아끼지 않는다”
Q. 많은 CTO와 엔지니어링 리더가 AI 툴 비용 때문에 고민합니다. Copilot이나 Cursor를 엔지니어 전원에게 주는 게 부담스럽다고 하더군요. Shopify는 어떤 기준으로 비용을 봅니까?
A. 저희는 정반대 접근을 합니다. 만약 어떤 툴이 팀 생산성을 10%만 올려줘도? 저라면 한 달에 $1,000 이 아니라 $5,000이라도 지불할 겁니다.
많은 회사가 AI 툴에 돈을 아까워하는데, 그건 생산성 향상을 저평가하는 겁니다.
실제로 어떤 엔지니어는 한 달에 $10,000 어치 토큰을 쓰기도 합니다. 저는 오히려 그런 사람을 만나고 싶습니다.
- 정말 혁신적인 걸 하고 있을 수도 있고
- 아니면 정말 비효율적일 수도 있죠 어느 쪽이든 흥미로운 케이스니까요.
Shopify는 AI 사용량을 축하하는 문화가 있습니다. 토큰 사용량이 많은 사람은, 뭔가 대단한 걸 만들고 있다는 뜻일 수 있거든요.
👩🎓 인턴 1,000명 채용 전략
Q. 흥미로운 점은, AI 도입이 늘면서 많은 기업은 주니어 채용을 줄이고 있습니다. 그런데 Shopify는 오히려 인턴을 1,000명 채용한다고요?
A. 맞습니다. 우리는 작년에 학기당 25명 정도만 뽑았는데, 올해는 무려 350명 × 3학기 = 1,000명으로 확대했습니다.
그 이유는 간단합니다. 신세대는 이미 AI 반사 신경(Reflex) 을 갖추고 있습니다. LLM을 자연스럽게 도구처럼 쓰며 자라온 세대죠.
우리가 인턴을 뽑는 이유는 그들을 교육하기 위해서가 아닙니다. 우리가 그들에게서 배우기 위해서입니다.
실제로 이전에도 같은 일이 있었습니다.
- 모바일 세대 인턴 → 회사 전체에 모바일 감각 확산
- 지금은 AI 세대 인턴 → 회사 전체에 AI 감각 확산
“인턴은 우리의 비밀 무기입니다. 인턴에게서 배우는 게, 우리가 주는 것보다 많습니다.”
또 한 가지: Shopify는 원격 근무 회사지만, 인턴들은 일부러 사무실에 모이도록 했습니다. 젊은 세대는 서로 부대끼며 배우는 과정이 필요하다고 봤기 때문이죠.
🧑💼 리더십 & 인터뷰 프로세스
Shopify에서는 엔지니어링 디렉터 이상 채용에도 코딩 인터뷰를 필수로 합니다.
이유는 단순합니다: 리더도 기술로부터 도망치지 않고, 기술로 달려가야 한다는 문화 때문입니다. 코드를 매일 짜지 않아도, AI가 만든 코드를 보고 옳고 그름을 판단할 수 있어야 합니다.
실제로 후보자가 Copilot 같은 AI 도구를 사용하면, 리뷰어는 그 코드가 좋은지/나쁜지 평가하도록 요청합니다. 그 과정에서 단순히 “프롬프트만 돌리고 수정 안 하는 사람”은 걸러집니다.
즉, Shopify가 원하는 리더는 AI와 협력할 줄 알지만, 최종적으로 책임을 지고 코드를 이해할 줄 아는 사람입니다.
📌 요약
- 비개발자들도 AI로 SaaS를 만든다 → SaaS 종말이 아니라 확장
- AI 비용은 절대 아끼지 않는다 → $1,000도 너무 싸다
- 인턴 1,000명 채용 → AI 세대로부터 배우기
- 리더십 코딩 인터뷰 → 기술로부터 도망치지 않는 리더
🛠️ 내부 AI 인프라 — LLM Proxy & MCP
Q. Shopify가 내부적으로 LLM Proxy 와 MCP 를 구축했다고 들었습니다. 어떤 개념인가요?
A. 초기에 직원들이 ChatGPT, Claude, Gemini 같은 공개 모델을 직접 쓰기 시작했을 때, 우리는 곧 문제를 인식했습니다.
- 민감한 고객 데이터를 외부 모델에 넣을 수 없다.
- 심지어 직원 인사 평가 같은 내부 데이터도 마찬가지다.
그래서 Shopify는 사내 전용 LLM Proxy 를 만들었습니다.
- 오픈소스 LibreChat 기반
- 엔터프라이즈 API 만 사용하도록 제한 → 보안 강화
- 팀/개인별 토큰 사용량 집계
- 리더보드를 통해 토큰 사용량이 많은 사람을 축하
“누군가 한 달에 $1,000어치 토큰을 쓴다면, 아마 무언가 대단한 걸 만들고 있다는 뜻일 겁니다.”
MCP (Model Context Protocol) 도입
우리는 MCP Steering Committee 에도 참여하고 있습니다. 내부의 거의 모든 시스템 앞단에 MCP를 붙입니다.
예를 들어, Shopify 내부 위키 The Vault:
- 모든 프로젝트 문서, 내부 발표 자료, 회의록 저장
- “Shopify POS(Point of Sale)는 언제 출시됐지?”라고 물으면, → 2012년 해커톤 시작, 2013년 1분기 이사회 문서에서 언급된 이력까지 맥락 기반 답변 제공
이제 내부 문서 전체가 사내 전용 Perplexity 처럼 동작합니다.
새로운 시스템이 생길 때마다 MCP를 붙이고, LLM Proxy와 연동해 안전하게 사용할 수 있도록 했습니다.
📢 “AI 사용은 선택이 아니라 기본이다”
Farhan: 어느 날 Shopify CEO 토비(Tobi)가 보낸 메모가 외부에 유출되며 화제가 되었습니다. 내용은 간단합니다
“AI는 선택이 아니라 기본 도구다. 당신이 쓰든 안 쓰든, 우리는 AI를 쓴 것처럼 성과를 평가할 것이다.”
비유하자면, 엑셀/구글 시트와 같습니다. 누구나 종이에 손으로 계산할 수도 있지만, 조직은 당신이 엑셀을 쓸 수 있다는 전제를 두고 성과를 기대합니다.
이 선언은 특히 비개발 부서에 큰 변화를 일으켰습니다.
- 세일즈, 재무, 고객 성공, CS 부서까지 AI 도입 가속화
- 사내 인프라(LLM Proxy + MCP) 덕분에 보안 걱정 없이 활용 가능
🧰 내부 툴 & 프롬프트 라이브러리
Farhan: Shopify는 외부 툴(Jira, Linear 등)을 쓰지 않습니다. 대신 자체 프로젝트 관리 툴 GSD(Get Shit Done) 를 사용합니다.
- 팀 구성, 주간 업데이트, PR 리뷰, 메트릭 통합 관리
- 최근에는 AI가 자동으로 주간 리포트 작성 → Slack 대화, 최신 PR을 분석해 요약본 생성 → 담당자가 확인 후 “강조할 포인트”를 수정 가능
물론, 반자동화가 사람의 성찰(reflection)을 방해할 수 있기에 실험 중이며 필요하면 다시 되돌릴 준비도 되어 있습니다.
또, 사내에는 프롬프트 라이브러리도 있습니다.
- 동료가 잘 쓴 프롬프트를 저장 & 공유
- 그대로 가져와 자기 업무에 맞게 수정 가능
📌 요약
- LLM Proxy: 사내 전용 AI 게이트웨이 → 보안 & 토큰 관리
- MCP: 내부 시스템(위키, Salesforce 등)과 LLM 연결 → “사내 Perplexity” 완성
- AI 기본화 선언: AI 사용 여부는 선택 아님 → 성과는 ‘AI 썼다고 가정’하고 평가
- 내부 프롬프트 라이브러리 & AI 자동 리포트 → 전사적 AI 활용 촉진
💰 AI 비용 정책 – “아끼지 않는다”
Q. 많은 CTO나 엔지니어링 리더들이 Copilot, Cursor 같은 AI 도구 비용에 민감합니다. “엔지니어 한 명당 한 달 $30, $100, 많게는 $1,000 이상… 이게 정당한가?”라는 질문을 하죠.
하지만 Shopify는 전혀 다르게 봅니다.
Farhan: “만약 어떤 도구가 엔지니어 생산성을 단 10%만 올려줘도, $1,000은 터무니없이 싼 가격입니다. 사실 $5,000이라도 지불할 만합니다.”
심지어 한 엔지니어가 한 달에 $10,000 어치 토큰을 사용한 적도 있었습니다. 보통 기업이라면 비용 초과로 문제 삼았을 겁니다. 하지만 Shopify는 그 사람을 불러서 이렇게 말했습니다.
- “정말 혁신적인 걸 하고 있는 걸까?”
- “아니면 단순히 비효율적인 걸까?” 어느 쪽이든 학습할 가치가 있다는 입장입니다.
즉, Shopify는 AI 비용을 투자로 본다는 겁니다. AI를 켜두는 게 당연한 기능(Spell Check, Grammar Check)처럼, 토큰 사용량은 아끼는 항목이 아니라 성장 항목으로 다룹니다.
🧑💼 리더십 원칙 – “코딩 인터뷰는 필수”
Farhan: Shopify에서는 엔지니어링 디렉터 이상 모든 리더 채용 과정에서 코딩 인터뷰를 필수로 합니다.
이는 업계에서 다소 충격적인 기준이지만, 이유는 명확합니다.
Farhan: “최고의 리더는 기술로부터 도망치지 않는 사람들입니다. 단지 팀을 이끄는 게 더 나은 레버리지라서 관리자가 된 거지, 기술 자체에 대한 애정은 그대로 있어야 합니다.”
따라서 Shopify의 리더들은:
- 직접 AI 코딩 툴(Copilot 등)을 활용해 코드를 작성
- 하지만 AI가 생성한 코드가 좋은지/나쁜지 구분할 줄 알아야 함
- 단순히 프롬프트만 던지고 결과를 그대로 가져오는 태도는 탈락
즉, Shopify가 원하는 리더는 **“AI와 협력하되, 최종적으로 코드를 이해하고 책임지는 사람”**입니다.
👩🎓 인턴십 운영 – “우리가 더 많이 배운다”
Shopify는 현재 연간 1,000명 인턴을 채용합니다. 이는 전체 엔지니어의 약 10%에 해당하는 규모입니다.
Farhan: “사람들은 인턴십을 ‘미래 세대 교육’이라고 생각합니다. 하지만 우리는 반대입니다. 우리가 인턴에게서 더 많이 배웁니다.
이들은 AI 반사 신경(Reflex) 을 가진 세대입니다. 자연스럽게 LLM을 활용해 문제를 풀고, 우리가 생각하지 못한 사용법을 보여줍니다.
이들이 가져오는 문화적 충격은 어마어마합니다.”
또한 Shopify는 원격 근무 중심 회사이지만, 인턴만큼은 일부러 오피스로 불러 모아 협업하게 합니다. 젊은 세대는 서로 부대끼며 성장해야 한다는 철학 때문입니다.
그리고 Shopify의 입장은 단호합니다:
- 엔트리 레벨 엔지니어 채용은 인턴십을 통해서만
- 인턴은 모두 적정한 급여를 받으며, 정규직 전환 기회도 제공
“인턴십은 우리의 비밀 무기입니다. 교육이 아니라, 조직 전체가 배움을 얻는 장치입니다.”
📌 요약
- AI 비용: 아끼지 않는다. $1,000은 싸고, $5,000도 투자 가치 있다.
- 리더십: 디렉터 이상도 코딩 인터뷰 필수. → 리더도 AI 코드를 읽고 옳고 그름을 판단할 수 있어야 함.
- 인턴십: 1,000명 채용. → AI 세대로부터 배우기, 조직 문화 혁신 촉매제.
🛠️ 내부 툴 – GSD (Get Shit Done)
Shopify는 Jira, Linear 같은 외부 프로젝트 관리 툴을 쓰지 않습니다. 대신 자체 제작한 툴 GSD(Get Shit Done) 를 사용합니다.
이유는 단순합니다.
“도구를 만들면, 그 도구가 곧 우리를 만든다.”
우리는 Shopify만의 일하는 방식을 갖고 있기 때문에, 외부 툴을 쓰면 다른 회사의 일하는 방식에 맞춰야 합니다. 그래서 아예 우리만의 도구를 만든 겁니다.
GSD 기능:
- 어떤 프로젝트를 하고 있는지
- 팀 구성원은 누구인지
- 최근 주간 업데이트
- PR(코드 리뷰) 현황 → 기여자 & 활동 정도 표시
- 메트릭 추적
즉, Shopify에서 프로젝트는 GSD가 곧 중심 허브입니다.
🤖 AI 자동화 – 주간 리포트 작성
최근에는 GSD에 AI 자동 리포트 기능을 붙였습니다.
- Slack 대화와 PR 활동을 모니터링
- 그 주의 프로젝트 업데이트를 자동 생성
- 담당자는 이를 확인·수정 후 게시
이로써 엔지니어가 싫어하는 문서 작성·보고 업무를 크게 줄이는 것이 목표입니다.
물론 단점도 있습니다. 사람이 직접 작성하지 않으면 프로젝트에 대한 성찰(reflection)이 줄어들 수 있다는 점입니다. 그래서 Shopify는 항상 원칙을 강조합니다.
“AI가 작성해도, 최종 책임은 인간에게 있다.”
👨💻 엔지니어의 변화
과거: 엔지니어는 늘 “시간만 있으면 리팩터링하고 싶은데…”라는 불만이 있었습니다. 지금: 최고의 엔지니어들은 AI를 활용해 리팩터링, 기술부채 제거, 코드 가독성 개선을 하고 있습니다.
Claude Code, Codex 같은 AI 도구를 병렬로 돌리면서:
- 코드 리팩터링 → PR 리뷰
- 실패하면? → 그냥 삭제하고 다시 시도
즉, 이제 엔지니어들은 AI를 “개인 팀”처럼 활용할 수 있습니다. 혼자 일하지만, 마치 여러 명의 보조 엔지니어와 함께 일하는 느낌이죠.
👩💼 매니저의 변화
매니저와 디렉터 역시 AI + 데이터를 통해 팀을 관리합니다.
예:
- 팀원들의 포커스 타임 (코딩 vs 회의 시간 비율)
- AI 도구 활용률
- 팀원들이 어떤 GSD 프로젝트에 속해 있는지
이런 데이터 덕분에 매니저는 “누가 과부하 상태인지 / 새로운 프로젝트에 투입 가능한지”를 더 명확히 알 수 있습니다.
또 Shopify는 매니저를 외부에서 데려와도, 처음에는 반드시 IC(Individual Contributor, 실무 엔지니어) 역할을 맡게 합니다. → 실제 코딩 경험을 거친 뒤 관리자로 올라가야 한다는 철학 때문입니다.
📌 요약
- GSD 툴: Shopify 자체 제작, 모든 프로젝트 관리의 중심
- AI 자동화: 주간 리포트 → AI가 작성, 인간이 최종 확인
- 엔지니어 변화: AI 덕분에 리팩터링·기술부채 정리 기회 확보
- 매니저 변화: 팀 데이터(포커스 타임, AI 사용률)로 관리 → IC 경험 필수
👩💼 엔지니어링 리더 채용 – 코딩 인터뷰 + AI 활용
Farhan:
Shopify는 디렉터, VP 같은 엔지니어링 리더 채용 과정에서도 코딩 인터뷰를 필수로 합니다. 이는 업계에서 흔치 않은 방식이지만, Shopify의 철학은 분명합니다.
“최고의 리더는 기술로부터 도망치는 사람이 아닙니다. 단지 ‘팀을 이끌면 더 큰 레버리지가 된다’고 판단해 관리자가 된 사람일 뿐, 여전히 기술에 대한 애정과 감각을 유지해야 합니다.”
실제 코딩 인터뷰 방식:
- 후보자는 Copilot, Cursor 같은 AI 도구 사용 가능
- 인터뷰어는 AI가 뱉어낸 코드를 함께 보면서 질문
- “이 코드는 좋은가?”
- “어떤 문제가 있는가?”
- “이걸 더 낫게 바꾸려면 어떻게 해야 하는가?”
만약 후보자가 단순히 프롬프트만 바꾸며 AI 출력만 의존한다면, Shopify는 **“코드를 이해하지 못한다”**고 판단합니다. 즉, AI는 보조이지 대체가 아님을 분명히 하는 것입니다.
🧑💻 “AI 퍼스트” 문화 정착
Farhan:
Shopify가 **AI를 ‘선택이 아닌 기본’**으로 선언한 이후, 조직 내부에는 몇 가지 큰 변화가 일어났습니다.
- R&D 부서(엔지니어링, 프로덕트, 데이터, 디자인) → 원래도 실험적이어서 AI 도입 속도가 빨라졌습니다
- 비개발 부서(세일즈, 재무, CS, 고객지원 등) → CEO의 선언 이후, AI 사용률이 급격히 증가하였습니다 → LLM Proxy + MCP 덕분에 보안 문제도 해소되었습니다
- 성과 평가 방식 → “AI가 있는데도 안 쓰고 비효율적이면, 성과가 낮다”로 간주. → 즉, AI 사용은 개인의 선택이 아니라 기본 기대치가 됨.
📚 내부 학습 문화 – 프롬프트 공유 & 해커톤
Farhan:
Shopify는 AI 도입을 촉진하기 위해 롤모델링(role modeling) 과 사례 공유를 강조합니다.
- 사내 프롬프트 라이브러리 운영 → 동료가 쓴 효과적인 프롬프트를 저장·공유 → 다른 사람이 그대로 가져다 자기 업무에 맞게 수정
- AI 중심 해커톤 개최 → 엔지니어뿐 아니라 전사 직원들이 AI 활용 사례를 직접 실험 → “나는 최근 6주 동안 코드를 하나도 안 짰다. 전부 AI로 작성했다”라는 사례 등장 → 다만 100% 의존은 아니고, 필요한 부분은 직접 수정
Farhan:
“AI 도입을 성공시키는 최고의 방법은 롤모델링입니다. 리더가 직접 쓰고, 그 사례를 공유하면 자연스럽게 퍼져나갑니다.”
📌 요약
- 리더 채용: 코딩 인터뷰 필수 + AI 활용 능력 평가 → 코드 이해력 중시
- 조직 문화: “AI는 기본 도구” → 성과 평가도 그 전제를 깔고 진행
- 학습 확산: 프롬프트 라이브러리 + 해커톤 → 성공사례를 빠르게 공유
- 핵심 전략: 롤모델링 = 리더가 먼저 쓰고 보여주는 것
⚡ AI가 Shopify 엔지니어에게 준 실제 효과
Q. AI 도입 이후, Shopify의 엔지니어링은 어떻게 달라졌나요?
Farhan: 과거에는 많은 엔지니어들이 이렇게 말했습니다.
“기술 부채를 줄이고 싶지만, 여섯 달 정도 여유 시간이 필요하다.”
이제는 AI 덕분에 혼자서도 작은 팀처럼 일할 수 있습니다.
- Claude Code, Codex 같은 AI 리팩터링 툴을 병렬로 돌려 → 대규모 리팩터링, 기술 부채 정리 가능
- 엔지니어는 결과 PR을 리뷰하면서 효율적으로 관리
- 실패해도 부담 없음 → 그냥 삭제하고 다시 시도
즉, AI는 “잉여 시간”을 주는 게 아니라, 엔지니어가 항상 원했지만 못했던 일(리팩터링, 코드 품질 개선)을 가능케 했습니다.
그리고 가장 뛰어난 엔지니어일수록, AI를 활용해 자신만의 “개인 팀”을 꾸려 혁신을 주도하고 있습니다.
🧭 동료 CTO들에게 주는 조언
Q. “우리 회사도 Shopify처럼 AI 퍼스트 조직이 되고 싶다”는 리더들이 많습니다. 그들에게 어떤 조언을 하시겠습니까?
Farhan:
- 롤모델링(Role Modeling)이 핵심이다
- 내부 공유 문화 만들기
- 정답은 아무도 모른다
Farhan:
“Shopify는 아직도 실험 중입니다. 하지만 분명한 건, AI는 선택지가 아니라 기본 도구라는 겁니다.
AI를 조직에 제대로 뿌리내리려면,리더가 먼저 직접 쓰고,그 경험을 투명하게 공유하고,
조직이 AI를 기본으로 전제하도록 만들어야 합니다.”
shopify의 엔지니어로서 파르한은 이미 AI 시대의 선두적인 인물입니다 그만큼 ai와 saas 에 관한 그의 의견은 많은 인사이트를 제공해주면 앞으로의 행보가 기대됩니다
첫 뉴스레터라 부족합니다만
앞으로도 창업과 직업적 많은 인사이트들 제공해드리는 뉴스레터 되도록 하겠습니다
좋은 인사이트가 되셨다면 뉴스레터 구독 부탁드리겠습니다 이상 MARK였습니다
그럼 ADIOS!
의견을 남겨주세요