3개월 전, 쇼피파이 공동 창립자이자 CEO인 토비 뤼트케는 "All in AI"라는 전사적 공약을 발표하며 서한을 발표했습니다 . 뤼트케는 "AI 기술의 효과적인 활용은 모든 쇼피파이 직원에게 기본적으로 기대되는 사항입니다."라고 말했습니다. 이러한 접근 방식은 이후 Box, Fiverr, 심지어 캐나다 총리를 포함한 수많은 기업에서 채택되었습니다.
3개월이 지난 지금, Shopify 내부에서는 실제로 어떤 변화가 있었을까요? 단순히 리더의 "열정적인 슬로건"에 불과할까요, 아니면 회사 내에서 "AI"가 실제로 효과적으로 활용되고 있을까요?
AI 구현으로 어떤 워크플로가 바뀌었나요?
First Round Review에서는 Shopify의 부사장인 Thawar와 인터뷰를 진행하여, AI 도입을 위한 회사의 구체적인 전략과 이를 통해 달성한 실제 개선 사항, 그리고 세 가지 "반직관적인" 통찰력에 대해 알아보았습니다.
모든 직원이 차별 없이 AI를 사용할 수 있으며, 비용 상한도 없습니다.
AI가 생각과 결과를 숨기는 대신 더 많이 보여주도록 하세요.
초보자와 졸업생에게 매우 유용하며, 특히 AI 활용에 유용합니다.
Shopify는 전략적 지침부터 기술 구현까지 기업에서 AI를 구현하는 방법에 대한 좋은 사례를 보여주었다고 할 수 있습니다.
창립자 박은 1차 심사를 바탕으로 논문을 편집하고 가공했습니다.
원문 기사: https://www.firstround.com/ai/shopify
01 모든 직원이 AI를 '평등하게' 활용
많은 기업이 AI를 홍보할 때 모든 직원에게 가장 기본적인 도구만 제공하고, 더 강력한 모델과 애플리케이션은 기술팀에 제공하는 경향이 있습니다. Shopify는 정반대입니다. 모든 직원이 회사에서 도입한 모든 도구와 모델을 사용할 수 있도록 허용합니다.
이 전략의 논리는 높은 가치의 혁신적 응용 프로그램은 회사 내 어느 곳에서나 나올 수 있으며, 어떤 것이 궁극적으로 돋보이고 리소스 투자가 가장 가치 있는 사용 사례가 될지 예측할 수 없다는 것입니다.
작년에 커서 라이선스 1,500개를 구매했지만, 수요가 공급을 초과한다는 것을 금방 깨닫고 1,500개를 더 구매해야 했습니다. 가장 빠르게 성장하는 사용자 기반은 엔지니어링 분야가 아니라 고객 지원 및 매출 분야입니다.
Shopify의 부사장 겸 엔지니어링 책임자인 Farhan Thawar
Shopify는 직원들이 최고의 최신 모델을 실제로 사용하도록 장려하기 위해 다음 세 가지 전략을 채택했습니다.
전략 1: 법무팀이 기본적으로 승인을 내리도록 하세요
변화는 최고위층에서 시작됩니다. 법무팀을 포함한 모든 고위 경영진은 AI 도입이 회사의 최우선 과제라는 데 동의해야 합니다. 이러한 최고위층의 의견 일치는 모든 구성원이 보안 및 개인정보 보호 대면 핵심 문제를 어떻게 해결할지 우선순위를 정해야 한다는 것을 의미합니다. Thawar는 "'예'를 기본 원칙으로 삼지 않으면 사실상 '아니오'가 되는 셈입니다."라고 지적합니다. "규칙이 모호하면 사실상 '아니오'가 되는데, 대부분의 회사가 그렇습니다."
Thawar가 2021년 말 GitHub Copilot 도입을 결정했을 때, 법무팀과의 소통은 직설적이었습니다. Thawar는 "제 첫 질문은 '이 프로젝트를 진행하려고 하는데, 모든 것이 완벽하게 보장될 수 있도록 어떻게 해야 할까요?'였습니다."라고 말했습니다. "법무팀은 '방법을 찾아보겠습니다.'라고 답했고, 아무런 이의도 없었습니다."
이러한 태도는 다른 선도적인 기술 기업의 CTO들이 경험하는 것과는 극명하게 대조됩니다. Thawar는 동료들과 WhatsApp 그룹에서 법무팀이 직면한 수많은 어려움에 대해 불평하는 것을 자주 듣습니다.
그룹 내 사람들은 항상 저에게 이렇게 묻습니다. "귀사의 총괄 법률 고문(GC)이 우리 GC와 대화할 수 있나요?" 우리는 그들이 겪는 저항을 경험한 적이 없습니다.
Shopify의 부사장 겸 엔지니어링 책임자인 Farhan Thawar
전략 2: AI 도구에 대한 무제한 예산
AI의 광범위한 도입에 있어 비용은 피할 수 없는 문제입니다. 커서가 회사 내에서 널리 사용되면서 일부에서는 비용 급증을 우려하기 시작했습니다. 이는 타와르의 원래 의도와는 정반대였습니다. 그는 커서가 가치를 창출하는 한 모두가 주저 없이 사용하기를 바랐습니다.
Thawar는 Cursor 토큰에 가장 많은 추가 비용을 지불하는 사람을 파악하기 위해 내부 순위표를 운영하고 있습니다. "우리는 제한을 두지 않습니다. 사람들이 스크립트를 사용하여 목록을 조작하는 것을 원하지 않지만, 이는 가치를 보여주는 매우 좋은 지표입니다. 직원들이 AI나 최신 모델 사용에 대해 우려하는 것을 원하지 않습니다."라고 Thawar는 말합니다. "AI 관련 중요한 작업을 수행했기 때문에 토큰 지출 상위 10위 안에 드는 것을 자랑스러워하는 사람들을 알고 있습니다." Shopify의 CTO인 미하일 파라킨도 최근 그중 한 명으로 선정되었습니다.
"제가 많은 CTO와 CEO들과 이야기를 나눌 때 우려되는 점 중 하나는 토큰 비용에 지나치게 집착한다는 것입니다."라고 Thawar는 말했습니다. "그들은 'Cursor, Windsurf, GitHub Copilot 같은 도구를 사용하는 엔지니어 한 명당 매달 1,000달러에서 10,000달러까지 추가로 지불할 여유가 있을까?'라고 생각합니다. 그래서 예산을 삭감합니다."
이런 사고방식은 AI를 촉진하는 목표와 상반됩니다.
"엔지니어들이 대규모 언어 모델(LLM)을 사용하여 매달 1,000달러를 추가로 지출하고도 효율성이 10% 향상된다면, 이는 매우 좋은 투자입니다. 어떤 회사든 이처럼 '저렴한' 효율성 향상에 열광할 것입니다." (타와르는 엔지니어들이 매달 1만 달러를 투자하여 가치를 창출할 수 있다면, 꼭 개인 메시지를 보내달라고 부탁했습니다. 자신의 경험을 통해 배우고 싶어 하기 때문입니다.)
전략 3: 통합 AI 포털 및 MCP
Shopify는 직원들이 최신 AI 도구를 쉽게 사용하고 구축할 수 있도록 모든 리소스를 회사 내부 LLM 에이전트라는 하나의 플랫폼에 통합했습니다. 이 에이전트는 통합된 진입점 역할을 하여 사용자가 다양한 모델과 원활하게 상호 작용하고 전환할 수 있도록 지원합니다. 운영 환경에서는 확장, 추적, 장애 조치와 같은 중요한 기능도 수행합니다.
직원들은 이 LLM을 사용하여 자신만의 워크플로를 구축하고, 다양한 모델을 자유롭게 선택하며, 항상 최신 버전을 처음부터 사용할 수 있습니다. 이 플랫폼에는 풍부한 MCP가 내장되어 있으며, 사용자는 Agent나 Cursor와 같은 도구에 요청하기만 하면 MCP를 호출할 수 있습니다. 동료들이 누구나 사용할 수 있도록 만든 Agent 라이브러리도 있습니다. 이 플랫폼은 직원들의 모든 요구를 충족하는 원스톱 AI 워크스테이션입니다.
"MCP 서버는 회사 내 모든 내부 도구를 연결하는 중요한 인프라 계층입니다. 우리의 철학은 '모든 것을 위한 MCP'입니다."라고 Thawar는 말했습니다. "어떤 도구에 저장되어 있든 MCP를 통해 회사의 모든 데이터에 접근할 수 있도록 하여 직원들이 언제든지 접근하고 자신만의 워크플로를 구축할 수 있도록 합니다."
02 AI 기반 워크플로우 사례
MCP, 커서, 채팅 인프라를 통해 기술 인력과 업무 인력 모두의 업무 효율성이 크게 향상되었습니다. R&D 부서 외부에서 성공적으로 활용된 몇 가지 사례를 소개합니다.
사례 1: 잠재 고객 리드를 생성하는 방식을 바꾸는 웹사이트 감사 도구
웹사이트 성능 벤치마킹은 Shopify 판매 프로세스의 핵심입니다. 업계 최고 수준의 웹사이트 속도를 잠재 고객에게 입증하기 위해 영업 담당자는 먼저 잠재 고객의 웹사이트를 감사 분석하여 데이터를 바탕으로 Shopify의 장점을 입증해야 합니다. 과거에는 이 과정이 전적으로 수동적이고 시간이 많이 소요되었습니다.
최근, 기술적인 지식이 없는 한 영업 담당자가 Cursor를 사용하여 자세한 웹사이트 성능 비교 보고서를 자동으로 생성하는 도구를 개발했습니다. 이 도구는 잠재 고객 웹사이트에서 데이터를 수집하여 Shopify 벤치마크와 비교하고, 심지어 내부 문서까지 활용하여 정확한 영업 전략을 제시합니다.
쇼피파이의 최고 매출 책임자(CRO)인 바비 모리슨은 이러한 사고방식과 업무 스타일을 칭찬했습니다. "저희 최고의 업무 개발자들은 시장 분석 및 기회 발굴부터 판매자를 위한 전략 개발 및 솔루션 구축에 이르기까지 업무의 모든 측면을 혁신하고 있습니다. 그중에서도 가장 성공적인 개발자들은 AI에 능숙합니다. 이들은 AI 도구와 직관적으로 협업하고 AI의 속도로 발전합니다. 그들에게 AI는 단순한 기능이 아니라 업무 방식입니다."
Shopify는 AI가 제공하는 진정한 기회는 전체 판매 모델을 재고할 수 있는 능력에 있다고 생각합니다. "예를 들어, 업셀링 상황에서 영업 담당자는 고객과 통화하는 동안 이전에는 대량 시간이 걸렸던 데이터를 몇 초 만에 불러올 수 있습니다. 이러한 유형의 판매 데이터는 한때 부족했던 자원이었지만, 이제는 쉽게 활용할 수 있습니다."라고 Thawar는 설명했습니다.
"이것이 당신의 영업 방식에 어떤 영향을 미칠까요? 관점 더욱 자신감 있고 강력하게 제시할 수 있게 되어 고객사 내에서 새로운 소통 채널을 확보할 수 있을 것입니다. 심지어 콜드 콜링 방식에도 혁명을 일으킬 수 있습니다."
사례 2: 영업 엔지니어의 할 일 홈페이지
한 영업 엔지니어가 자주 사용하는 도구(예: GSuite Drive, Slack, Salesforce)의 MCP를 Cursor를 기반으로 구축된 개인 대시보드에 통합했습니다. 이 대시보드는 모든 도구의 실시간 정보를 기반으로 작업의 우선순위를 지능적으로 지정할 수 있습니다.
예전에는 이 앱들을 번갈아가며 사용해야 했습니다. 하지만 이제는 매일 대시보드를 열고 "오늘 뭘 해야 할까요?"라고 묻기만 하면 됩니다. 시스템은 Salesforce에서 진행 중인 거래나 답장하지 않은 고객의 중요한 이메일을 발견하면 즉시 우선순위를 정하라고 알려줍니다. "이제는 그런 개별 도구들을 거의 열지 않아요."라고 Thawar는 말합니다. "Cursor가 그의 업무 홈페이지가 됐죠. 이메일에 로그인조차 하지 않아요. 정말 놀랍죠."
이는 Shopify가 AI 인프라 투자를 통해 기대하는 바로 그 수익이며, 인프라로 유명한 회사로서 자연스러운 발전입니다. Thawar는 "우리는 내부 AI 인프라 개발을 최우선으로 생각합니다. AI 인프라는 우리 DNA의 일부니까요."라고 말했습니다.
"몇 주씩 개별 기능을 개발하는 데 시간을 허비하는 대신, 재사용 가능한 인프라 구축에 더 많은 시간을 투자하는 것을 선호합니다. 예를 들어, 모두가 재사용할 수 있는 시스템을 만들고자 LLM 에이전트와 MCP 서버를 구축했습니다. 누군가 Slack용 MCP를 만들면 회사 구성원 모두가 바로 사용할 수 있습니다."
워크플로 사례 연구 3: RFP 에이전트를 통한 승률 향상
대기업에 제품을 판매하는 기업의 경우, 제안요청서(RFP) 작성은 흔한 일입니다. 각 RFP에는 수백 개의 질문이 포함될 수 있으며, 작성을 위해서는 대량 맞춤 설정, 회사 배경 정보, 그리고 부서 간 협업이 필요합니다.
이를 위해 Shopify의 Revenue Tools 팀은 여러 RFP 질문에 동시에 답변할 수 있는 에이전트를 개발했습니다. Shopify가 핵심적으로 기여하는 LibreChat을 기반으로 구축된 이 에이전트는 공개 문서, 헬프 센터, 사례 연구 등 내부 지식 기반을 활용하여 풍부하고 체계적으로 문서화된 답변을 자동으로 생성하여 솔루션 엔지니어의 생산성을 크게 향상시킵니다.
질문에 답변할 때 상담원은 각 답변에 "신뢰도 점수"를 부여하여 정보가 충분한지 여부를 나타냅니다. 또한, 성공적으로 계약을 체결한 과거 RFP 응답을 바탕으로 학습하고, 지식 기반에 새로운 성공 사례를 저장하여 향후 답변의 품질을 지속적으로 최적화합니다.
03 AI가 사고 과정을 숨기지 않고 더 많이 보여주도록 하세요
많은 사람들이 AI에 과도하게 의존하면 뇌가 녹슬고 업무 자체에서 소외될까 봐 걱정합니다. 하지만 직관에 어긋나는 사실은 AI가 제대로 활용된다면 실제로 더 많은 정보를 제공하고 더 깊이 있게 참여할 수 있다는 것입니다.
"대부분의 사람들은 이상적인 사용자 경험이란 질문을 하면 AI가 답변을 주는, 그 사이에 최대한 '지저분함'을 최소화하는 것이라고 생각합니다."라고 Thawar는 말했습니다. "하지만 사람들이 특정 기술을 익히도록 돕는 것이 목표라면, 세부 정보를 보여주는 것이 훨씬 더 효과적입니다."
전략: 사람을 위한 상황적 엔지니어링
Shopify는 AI 적용을 효과적으로 추진하는 핵심은 프롬프트 단어를 최적화하는 것뿐만 아니라 "컨텍스트 엔지니어링"이라는 개념을 직원들에게 체계적으로 적용하는 데 있다는 것을 인식하고 있습니다.
예를 들어, Shopify에서는 프로젝트 리더가 주간 진행 상황 보고서를 제출해야 하며, 이로 인해 회사의 프로젝트 관리 시스템이 정보 고속도로로 변모합니다. 이제 AI 에이전트가 프로젝트 관련 GitHub 풀 리퀘스트, 문서, 댓글, Slack 채널 정보를 자동으로 크롤링하여 주간 보고서 초안을 작성합니다.
매주 금요일, 프로젝트 리더들은 AI가 생성한 보고서와 함께 "이번 주에 구체적으로 어떤 업무를 완료하셨나요?"와 같은 까다로운 후속 질문들을 받습니다. 이를 통해 프로젝트 리더들은 AI가 작성한 요약을 비판적으로 검토하고 개선해야 합니다. 단순히 결과를 받아들이는 것이 아니라, 현실과의 불일치를 파악하고 잠재적 리스크 노출하도록 권장됩니다. 프로젝트 리더들은 자신의 업무가 정확하게 이해되기를 바라기 때문입니다.
"프로젝트 매니저의 피드백을 바탕으로 AI가 새로운 보고서를 생성합니다. 최종본과 초안을 비교하고, AI는 이러한 수정 과정을 바탕으로 학습하고 발전합니다."라고 Thawar는 말했습니다. 과거에는 주간 보고서를 작성하는 데 대량 시간(정보 수집)이 소요되었습니다. 이제 프로젝트 매니저는 인간이 가장 잘하는 일, 즉 비판적 사고와 도전적인 과제를 통해 업무 개선에 집중할 수 있습니다.
AI가 생성한 주간 보고서 초안의 절반은 수정 없이 승인되었습니다. 이 보고서들은 AI가 접근 가능한 모든 관련 정보를 통합했기 때문에 높은 품질을 유지했습니다.
Shopify의 부사장 겸 엔지니어링 책임자인 Farhan Thawar
워크플로: "불평" 코드를 위한 로스트 프레임
Shopify는 세계 최대 규모의 Ruby on Rails 애플리케이션 중 하나를 운영하고 있습니다. 대량 엔지니어가 효율적으로 협업하고 이처럼 방대한 단일 코드베이스를 유지 관리하는 것은 항상 어려운 과제입니다. 특히 "구성보다 관습"을 우선시하고 개발자의 창의성을 장려하는 Ruby와 같은 언어에서는 더욱 그렇습니다.
Shopify 엔지니어들은 AI가 코드 규칙 유지, 통합 단위 테스트, 코드 업데이트 사양 관리에 강력한 도구가 될 수 있음을 발견했습니다. 그러나 AI 자체는 신뢰할 수 없으며, 명확하고 체계적인 지침이 필요하며, 결정론적 도구 및 원칙과 결합되어야 합니다.
Shopify는 코드 검토, 수정 및 반복 작업을 위한 오픈소스 AI 오케스트레이션 프레임 Roast를 개발했습니다. Roast는 기존 코드와 단위 테스트를 "로스팅(roasting)"하여 건설적인 비판과 개선 제안을 제공하는 동명의 내부 AI 도구에서 이름을 따왔습니다. Roast는 모든 것을 요구하는 단일 프롬프트가 아니라, 개발자가 성공률이 높은 일련의 작고 정밀한 단계로 구성된 피드백 루프를 설계하고 실행할 수 있도록 지원합니다.
로스트는 작업 흐름을 여러 단계로 나누고 각 단계에서 AI 추론 프로세스를 명확하게 보여줍니다.
이러한 단계들이 합쳐져 완전한 대화 내역을 구성하여 엔지니어가 AI의 의사 결정 논리를 더 쉽게 추적할 수 있게 해줍니다.
Claude Code를 기반으로 하는 핵심 CodeAgent는 각 동작과 그 이유를 요약합니다.
시험 채점 등의 업무를 수행할 때 Roast는 최종 결과를 제시하기 전에 "이유"와 "방법"을 설명하면서 점수에 대한 자세한 피드백을 제공합니다.
"결정론적 도구와 AI 도구를 결합하면 서로의 정보를 보완하고 부족한 부분을 채울 수 있습니다."라고 Roast 개발에 참여한 Shopify 직원 개발자 사무엘 슈미트는 말했습니다. Roast는 에이전트 사용을 간소화하고 엔지니어에게 전체 작업 과정을 보여줌으로써 복잡한 프로세스를 반복 가능하고 확장 가능한 방식으로 쉽게 실행할 수 있도록 합니다.
이 도구는 Shopify 내에서 이미 수많은 기술적 과제를 해결했습니다. 엔지니어들이 수천 개의 테스트 파일을 분석하고 일반적인 문제를 자동으로 해결하여 전반적인 코드 테스트 커버리지를 개선하는 데 도움을 준 것이 그 예입니다. 이러한 문제를 해결하는 과정에서 팀은 AI를 활용하여 복잡한 엔지니어링 작업을 더욱 안정적으로 완료하는 새로운 패러다임을 모색해 왔습니다. 이는 현재 많은 팀이 직면하고 있는 과제입니다. 따라서 Shopify는 Roast를 오픈 소스로 공개하고 커뮤니티 전체의 참여를 통해 AI 지원 작업 실행의 미래를 만들어 나가기로 결정했습니다.
04. 제품 개발에 있어 '초보자의 마인드'를 갖추세요
Shopify는 초보자 수를 늘리는 것뿐만 아니라, 제품 개발 프로세스를 변화시켜 프로토타입 제작에 더욱 중점을 두고 있습니다. 이는 초보자의 사고방식을 적용하는 과정입니다. Shopify는 이것이 병목 현상을 극복하고 해결책을 찾는 진정한 열쇠라고 믿습니다.
전략: 더 많은 신입 인재를 고용하세요
인재 전략 측면에서 Shopify는 의도적으로 사고방식을 바꿨습니다. "AI가 인력을 대체할 것"이라는 피상적인 이해에 의존하기보다는, "AI를 활용하여 탁월한 가치를 창출할 수 있다면, 회사는 당신을 지원하기 위해 더 많은 자원을 투자할 것"이라는 새로운 원칙을 수립했습니다. 이러한 자원에는 신규 인력도 포함됩니다.
전통적인 관점 은 AI가 신입직을 파괴할 것이라는 것이고, 공학 졸업생들은 일반적으로 "종말"이라는 불안감을 느끼고 졸업 후 실직을 걱정합니다. 그러나 쇼피파이는 이와 반대로, 이러한 젊은이들이 AI를 가장 창의적인 방식으로 활용하고, 초심자의 사고방식을 가지고 있다는 점을 발견하여 인턴을 더 많이 채용했습니다.
25명의 엔지니어링 인턴을 성공적으로 채용한 후, 뤼트케는 타와르에게 프로젝트의 최대 규모를 물었습니다. "처음에는 기존 인프라를 기준으로 75명까지 가능하다고 답했습니다. 하지만 나중에 그 답을 철회하고 1,000명으로 수정했습니다."라고 타와르는 말합니다.
Thawar는 인턴십 프로젝트 관리 분야에서 풍부한 경험을 보유하고 있습니다. 그는 인턴들이 팀에 활력, 열정, 그리고 추진력을 불어넣을 수 있다는 것을 잘 알고 있습니다. LLM 이후 시대에 인턴들은 새로운 기술을 더해 줍니다. 바로 타고난 "AI 켄타우로스"입니다. "인턴들은 항상 새로운 도구와 지름길에 호기심이 많습니다. 저는 그들이 '게으르게' 최신 도구를 활용할 수 있기를 바랍니다."라고 그는 말했습니다. "모바일 인터넷 시대에도 이러한 현상을 목격했습니다. 당시 저는 인턴들이 '모바일 네이티브'라는 것을 알고 있었기 때문에 대량 인턴을 채용했습니다."
전략: 더 많은 프로토타입을 사용하여 최상의 경로를 찾으세요
이제 Shopify의 제품 개발 프로세스에서 프로토타입 제작이 더욱 중요한 역할을 하고 있습니다. 특히 Shopify는 최종 제품 대비 프로토타입 제작 비율을 높이는 데 집중하고 있습니다. 이는 Shopify의 핵심 원칙 중 하나인 "그린 레인 제품 개발"을 구현합니다. 복잡한 문제를 해결하는 유일한 방법은 끊임없이 시도하는 것입니다. 뤼트케는 타와르에게 이렇게 말했습니다. "문제에는 수많은 나쁜 해결책이 있지만, 좋은 해결책은 약 1만 가지입니다. 당신의 임무는 그 1만 가지 중에서 가장 좋은 해결책을 찾는 것입니다. 방금 당신이 보여준 것은 효과가 있었던 최초의 해결책이었지, 최고의 해결책은 아니었습니다. 왜 그만두셨습니까?"
Thawar는 이렇게 덧붙였습니다. "수백 개의 변수와 계층이 있는 문제를 대면 있고, 다양한 경로를 탐색해야 합니다. 이러한 경로들이 비슷한 최종 결과물을 가져올 수도 있지만, 그 이면의 상충 관계는 매우 다를 수 있습니다."
예를 들어, Shopify의 내부 AI 채팅 도구는 프로토타입에서 시작되었습니다. 수석 엔지니어 Matt Burnett은 LLM에 대한 내부 접근성을 개선하기 위해 오픈소스 도구를 처음 실험했습니다. 그는 초기 버전을 반복하며 데이터 손실 및 확장성 등의 문제를 해결했습니다. 또한 동료들이 조기에 사용해 볼 수 있도록 하여 아키텍처상의 결함을 노출했습니다. 결국 이 도구는 널리 채택되어 회사는 운영을 감독하는 전담 엔지니어링 팀을 구성했습니다.
AI 사용은 성능과 밀접하게 연관되어 있습니다.
Thawar는 조직 전체의 엔지니어링 효과성을 다양한 측면에서 측정하기 위해 엔지니어링 활동 대시보드를 사용합니다. 이 대시보드는 누가 페어 프로그래밍을 하고 있는지, 누가 면접을 보고 있는지, 그리고 앞서 언급했듯이 누가 Copilot을 사용하고 있는지 추적합니다.
Shopify의 수년간 데이터는 페어 프로그래밍이 학습 속도를 크게 향상시킬 수 있음을 보여줍니다. 이 대시보드를 사용하여 회사는 페어 프로그래밍 시간과 성과 평가 결과 간의 관계를 분석했습니다. 그 결과, 엔지니어의 페어 프로그래밍 시간이 길수록 영향력이 커지고, 그렇지 않으면 영향력이 줄어드는 것으로 나타났습니다.
이제 대시보드는 커서(Cursor), 클로드 코드(Claude Code), LLM 에이전트(LLM Agent)와 같은 AI 도구의 직원 사용도 추적합니다. 예비 분석 결과, 이러한 도구를 사용하는 직원은 해당 도구의 영향력과 긍정적인 상관관계를 갖는 것으로 나타났습니다. 이는 진정한 가치를 창출하고 개인 성과와 연계되는 도구를 파악하는 데 도움이 됩니다.
쇼피파이는 이미 AI 관련 질문을 360도 평가 시스템에 통합했습니다. 관리자와 동료는 서로의 성과를 "AI 네이티브" 또는 "AI 반영"으로 평가해야 합니다. 쇼피파이는 수년간의 데이터를 축적한 후 AI 사용과 개인적 영향력 간의 관계에 대한 더욱 심층적인 분석을 수행할 계획입니다.
Thawar는 페어 프로그래밍을 통해 AI 활용법을 직접 시연합니다. "저는 엔지니어와 페어 프로그래밍을 하는데, 그의 문제 해결 방식을 관찰하고 제 아이디어를 홍보하기 위해서입니다. 저는 항상 ChatGPT 탭을 열어두고 AI와 끊임없이 협업하는 방법을 보여줍니다."
05 효율성 개선으로 워크플로가 재편됩니다.
프로 스포츠팀 훈련이나 미슐랭 스타 레스토랑 주방의 모든 동작을 분석해 보면, 그들의 동작 효율성이 무려 80%에 달한다는 것을 알 수 있습니다. 반면 기업의 운영 효율성은 기껏해야 20%에 불과할 수 있습니다.
"최선의 방법을 찾지 못했기 때문에 비즈니스에서 엄청난 양의 낭비가 발생합니다."라고 Thawar는 지적합니다. "AI가 기존 프로세스의 속도를 높일 수 있다는 것은 분명합니다. 하지만 더 깊고 덜 알려진 가치는 AI가 프로세스를 완전히 다른 순서와 가정에 기반하여 실행해야 한다는 사실을 갑자기 깨닫게 해 준다는 것입니다. 그 '아하' 순간이 오면 불필요한 작업을 대량 건너뛰거나 프로세스를 재창조할 수 있을 것입니다."
웹사이트 감사 도구를 다시 생각해 보세요. Thawar는 이 도구가 영업 프로세스에 어떤 혁신을 가져올 수 있을지 고민합니다. "웹사이트 감사 보고서 제작 비용이 무시할 수 있을 정도로 낮아지면, 영업 프로세스에서 누가, 언제 이 데이터를 제출해야 하는지를 잠재적으로 바꿀 수 있습니다. 예를 들어, 해당 계정이 높은 적격성을 갖출 때까지 기다리지 않고 영업 과정 초기에 이 도구를 도입할 수 있습니다. 이렇게 되면 영업 개발 담당자(SDR)가 접근하는 계정 유형도 바뀔 수 있습니다."라고 그는 말합니다. "궁극적으로 웹사이트 감사 보고서를 매우 저렴한 비용으로 제작할 수 있다는 사실만으로도 완전히 새로운 영업 프로세스가 탄생할 수 있습니다."
그는 매우 존경받지만 복제하기는 엄청나게 어려운 도요타 생산 시스템을 예로 들었습니다. AI가 이 모든 것을 바꾸고 있을지도 모릅니다. "AI는 우리의 근본적인 가정을 근본적으로 바꿔놓습니다. 생산 라인에서 복잡한 조합 문제를 해결하는 데 AI를 활용하면 효율성을 수천 배나 높일 수 있습니다. 바로 여기에 진정한 마법이 있습니다. 이 '프로세스의 힘'을 발견하는 것이 바로 우리가 추구하는 것입니다."
