분기당 평균 8배 많은 코드를 배포하는 Anthropic의 엔지니어들
사람이 8배 늘어난 것도, 근무 시간이 8배 길어진 것도 아닙니다. Claude Code가 개발 과정에 깊숙이 들어오면서 한 사람이 처리할 수 있는 일의 범위가 크게 넓어진 결과입니다.
8배라는 숫자만 보면 놀라운 생산성 이야기처럼 보입니다. 하지만 Lenny Rachitsky와의 인터뷰에서 Claude Code와 Cowork 팀을 이끄는 Fiona Fung이 더 오래 이야기한 것은 코드의 양이 아니었습니다.
- 속도가 이렇게 빨라진 팀은 어떻게 계획해야 하는가.
- 동시에 진행되는 작업을 관리자는 어떻게 파악해야 하는가.
- 자율성과 책임은 어떻게 균형을 맞출 것인가.
- AI와 더 많은 일을 처리하게 된 뒤에도 팀은 어떻게 함께 배울 것인가.
코드 작성이 병목이 아니게 되자, 그동안 잘 보이지 않던 조직 운영의 문제가 드러나기 시작했습니다. AI는 속도뿐 아니라 계획 주기, 관리자 역할, 성과 기준, 협업 방식까지 바꾸고 있었습니다.
예전에는 좋은 아이디어도 기술적 난이도나 시간 때문에 미뤄졌습니다. 지금은 작은 결과물부터 빠르게 만들어 보고, 며칠 안에 가능성을 확인한 뒤 방향을 바꿀 수 있습니다. 기획자와 디자이너도 AI로 직접 시제품을 만들며, 익숙하지 않은 분야도 시도할 수 있게 됐습니다.
Fiona Fung은 이를 한 사람이 할 수 있는 일의 범위가 크게 넓어진 변화라고 설명합니다. 예전에는 “우리가 만들 수 있을까”가 먼저였다면, 이제는 “무엇을 만들 것인가”가 더 중요해졌습니다. 가능성이 넓어진 만큼, 무엇에 집중할지 정하는 일이 더 어려워졌습니다. AI는 생산의 한계를 낮췄고, 병목은 실행이 아니라 선택으로 이동했습니다.
계획의 유효기간이 짧아졌습니다
Fiona Fung은 Claude Code 팀에 합류한 뒤 6개월 로드맵을 만들었습니다. 하지만 석 달쯤 지나자 팀은 그 문서를 거의 보지 않게 됐습니다. 계획이 틀린 것이 아니라, 현실이 빠르게 바뀌었기 때문입니다. 새 모델이 등장했고, 불가능하던 일이 가능해졌으며, 사용자 행동도 예상과 달랐습니다. Anthropic 팀은 결국 6개월 로드맵 대신 JIT Planning으로 전환했습니다.
한 달 동안 집중할 목표를 정하고, 매주 점검합니다.
- 지금도 이 일이 가장 중요한가
- 새롭게 알게 된 사실은 무엇인가
- 더 이상 필요 없는 일은 없는가
- 이제 가능해진 일은 무엇인가
큰 방향은 유지하되 실행은 짧게 조정합니다. 계획을 짧게 세우는 것은 방향을 흐리는 것이 아니라 현실과의 거리를 줄입니다. AI 시대의 계획은 미래를 맞히는 문서가 아니라, 변화를 반영하는 도구에 가깝습니다.
자동화보다 먼저 없애도 되는 일을 찾아야 합니다
이번 인터뷰에서 인상적인 점은 불필요한 프로세스를 누구나 없앨 수 있다는 점이었습니다. 조직은 일을 추가하는 데 익숙하지만, 없애는 데는 조심스럽습니다. 하지만 상황이 바뀌었는데 절차만 남아 있으면 자동화가 오히려 일을 늘립니다. 보고서는 자동 생성되는데 회의에서 다시 설명하고, 실시간 상태를 보면서도 같은 보고를 반복합니다.
이럴 때 필요한 것은 더 많은 자동화가 아니라 질문입니다.
- 이 일이 지금도 필요한가.
- 목적을 달성하고 있는가.
- 자동화할 것인가, 없앨 것인가.
AI를 잘 쓰는 조직은 도구를 많이 쓰는 조직이 아니라, 필요 없는 방식을 과감히 없애는 조직입니다.
자율성에는 책임이 따릅니다
Claude Code 팀은 높은 자율성을 중요하게 생각합니다. 문제를 발견한 사람이 직접 해결하고, 기획자도 시제품을 만들며, 엔지니어도 사용자 경험을 고민합니다.
하지만 자율성은 자유가 아니라 책임입니다. 무엇을 시도했고, 어떤 가설이었으며, 결과가 어땠는지 설명할 수 있어야 합니다.
Fiona Fung은 “새로운 실수를 하라”고 말합니다. 실수가 없다면 충분히 빠르게 움직이지 않는 것일 수 있기 때문입니다.
단, 같은 실수를 반복해서는 안 됩니다. 무엇을 배웠고 다음에 무엇을 바꿀지 남아야 합니다. AI로 속도가 빨라질수록 모든 과정을 관리자가 확인하기는 어렵습니다. 대신 각자가 자신의 선택과 결과를 설명할 수 있어야 합니다. 자율성은 승인 없는 상태가 아니라, 결과까지 책임지는 방식입니다.
관리자는 결과보다 전체 흐름을 이해해야 합니다
Anthropic에서는 관리자가 처음부터 관리만 하지 않습니다. 실무를 경험하며 제품과 팀의 방식을 이해합니다. Fiona Fung도 Claude Code를 직접 사용하고 수정 사항을 배포합니다. 더 많은 코드를 만들기 위해서가 아니라, 변화의 흐름을 놓치지 않기 위해서입니다.
AI 도구는 빠르게 바뀌고, 어제의 한계가 오늘은 사라질 수 있습니다. 현장을 모르면 결과만 보게 됩니다. 반대로 직접 사용하는 관리자는 반복되는 문제와 단절된 흐름을 발견할 수 있습니다.
고객 피드백 수집도 AI 루틴으로 바뀌었습니다. AI가 문제를 정리하고 수정안까지 제안하면, 관리자는 무엇을 먼저 해결할지 결정합니다. 관리자의 역할은 줄어든 것이 아니라, 더 중요한 결정을 맡게 된 셈입니다.
결과물이 늘어날수록 맥락 관리가 중요해집니다
AI를 도입하면 코드 양, 토큰, 에이전트 수 등 많은 지표가 생깁니다. 하지만 이런 숫자는 성과처럼 보이기 쉽습니다. 코드를 많이 만들어도 사용되지 않을 수 있고, 초안이 많아도 결정을 못 할 수 있습니다. Fiona Fung은 움직임을 진전으로 착각하지 말라고 말합니다. 중요한 것은 사용량이 아니라 실제 변화입니다. 에이전트가 많아질수록 맥락 관리 비용도 커집니다. 많은 작업을 동시에 실행할 수 있어도, 사람이 모두 이해할 수는 없습니다.
AI는 시작 비용을 낮추지만, 전체 흐름을 이해하고 다음 단계로 연결하는 데 드는 비용까지 없애주지는 않습니다. 좋은 시스템은 에이전트를 많이 돌리는 것이 아니라, 지금 필요한 정보만 보여주는 시스템입니다.
AI와 함께 일할수록 사람과의 협업이 더 중요해집니다
AI와 함께 일하는 시간이 늘면서 예상치 못한 변화도 생겼습니다. 점점 고립되는 느낌이 들기 시작했습니다. 예전에는 문제를 해결하려면 다른 사람과 협업해야 했고, 그 과정에서 자연스럽게 배웠습니다. 이제는 각자가 AI와 더 많은 일을 해결할 수 있습니다. 효율은 높아졌지만 서로의 방식을 배우는 기회는 줄었습니다.
Anthropic 팀은 이를 보완하기 위해 페어 프로그래밍과 해커톤을 유지합니다. 같은 도구를 써도 방식은 다르기 때문에, 서로를 지켜보는 것만으로도 배울 수 있습니다. AI가 생산성을 높여도 팀의 학습이 저절로 이루어지지는 않습니다. 함께 배우는 시간은 의도적으로 만들어야 합니다. AI는 일부 일을 대신할 수 있지만, 함께 고민하고 서로의 생각을 나누는 역할까지 대신하지는 못합니다.
SkillNau가 줄여야 할 것은 제작 시간이 아닙니다
이 인터뷰를 보며 SkillNau의 디자인 제작 시스템을 다시 생각해 보게 됐습니다.
우리는 쉽게 생성 속도에 집중합니다. 몇 분 만에 초안이 나왔는지, 한 번에 몇 장을 만들었는지 같은 지표들입니다.
물론 속도는 중요합니다. 하지만 결과물이 빨리 나온다고 해서 프로젝트 전체가 빨라지는 것은 아닙니다.
선택지가 많아도 고객이 무엇을 골라야 할지 모르면 결정은 늦어집니다. 초안이 빨리 나와도 프로젝트의 목적을 다시 설명해야 한다면 시간은 줄지 않습니다. 자료가 정리돼 있어도 중요한 근거가 빠졌다면 원문을 다시 확인해야 합니다.
SkillNau가 줄여야 할 것은 단순한 제작 시간이 아니라 프로젝트 전체에서 발생하는 마찰입니다.
- 고객의 목적을 이해하는 시간
- 자료의 방향을 정하는 시간
- 잘못된 방향을 발견하고 수정하는 시간
- 피드백을 반영하는 시간
- 프로젝트의 맥락을 다시 설명하는 시간
따라서 핵심 지표도 달라져야 합니다.
프로젝트가 최종 산출물에 도달하는 데 얼마나 걸렸는가, 고객이 선택지의 차이를 이해하고 방향을 결정하는 데 얼마나 걸렸는가, 수정과 반복 설명은 몇 번 발생했는가, 디자이너는 반복 작업보다 판단과 개선에 더 많은 시간을 쓰고 있는가, 이전 작업에서 만든 기준이 다음 작업에도 활용되고 있는가.
계획도 짧게 가져가야 합니다.
6개월 뒤의 완성형 시스템을 한 번에 설계하기보다, 한 달 단위로 중요한 가설을 검증해야 합니다. 직접 사용하면서 병목을 찾고, 불필요한 절차를 없애고, 효과가 있었던 방식을 다음 작업에 남겨야 합니다.
AI 시스템은 처음부터 완성되는 것이 아닙니다. 실제 프로젝트에 적용하고 계속 수정하는 과정에서 운영 시스템으로 발전합니다.
AI Creates. Humans Elevate.
AI는 초안과 자료 정리, 반복 작업을 담당합니다. 사람은 방향을 정하고, 결과를 판단하고, 다음 프로젝트가 더 나은 방식으로 진행되도록 시스템을 개선합니다. 목표는 더 많은 결과물을 만드는 것이 아닙니다. 같은 시간 안에 더 중요한 문제를 해결하는 것입니다.
새로운 자동화 전에 현재 업무를 점검해 보세요
□ 한 달 동안 다시 보지 않은 문서는 없는가?
□ 목적 없이 유지되는 회의는 없는가?
□ 자동화하는 것보다 없애는 편이 나은 업무는 없는가?
□ 한 달 내 검증할 문제가 명확한가?
□ 실제 결과보다 AI 사용량만 보고 있지는 않은가?
□ 자율성과 책임이 함께 작동하고 있는가?
□ AI 작업으로 컨텍스트 전환이 늘고 있지는 않은가?
□ 작업 방식을 공유할 시간이 있는가?
□ 프로젝트 기준이 다음 작업에 남는가?
이번 달에는 자동화를 추가하기보다 불필요한 프로세스 하나를 없애보세요.
AI로 더 많이 만드는 것보다
달라진 속도에 맞게 일하는 방식을 바꾸는 것이 먼저입니다.
SkillNau | AI Creates. Humans Elevate.
의견을 남겨주세요