개발부채 청산부터 조직 전환까지, AI Native 4주
2026.02.28
AI Native 전환은 신세계로의 돌진이었다
3주 걸릴 개발을 하루 반 만에.
잘 나온 설계 = 빠른 개발.
운영중인 서비스 : 해먹으리(hemogry)
요리 영상(YouTube/Instagram)을 AI가 분석해서, 구조화된 레시피로 변환하는 서비스입니다.
영상을 매번 되감지 않아도 재료, 조리 순서, 타임스탬프를 한눈에 보며 요리할 수 있습니다.
AI Native 전환, 왜 했나
속도에만 집중하며 달려온 개발. 스파게티 코드임을 알아도 빠른 개발만을 위해 눈감았던 시간이 쌓이면서 서비스 속도가 체감될 정도로 느려지고 있었습니다.
서비스 속도 이슈, SEO 이슈 등 당장 해결해야 할 문제들이 산적해 있었습니다.
이 상황에서 AI Native 전환을 결심했고, 웹, 앱, 서버 모두 직접 개발 부채 청산 작업에 들어갔습니다.
Context Engineering: 결국 중요한 것
AI가 필요한 순간에 필요한 맥락을 정확히 이해할 수 있도록 구조를 만드는 것. 이것이 모든 작업의 기반이었습니다.
작성한 문서들
영역 | 내용 |
|---|---|
Product Spec | 기능별 기획서 19개 |
Tech Spec | DB 구조, 하이브리드 아키텍처, 서버 인프라 |
Design Spec | 디자인 시스템, 인터랙션 패턴, 네비게이션 구조 |
프로젝트별 5개 (서버, 앱, 웹, 스튜디오, 문서) |
Context Engineering 리팩토링 계획
CLAUDE.md 커버리지 40% → 100%, 루트 CLAUDE.md 150줄 → 80줄(핵심만), Skills/Hooks/Agents/Rules 체계 구축.
문서가 있으니 AI가 매 세션마다 빠르게 컨텍스트를 파악하고, 일관되게 작업할 수 있게 되었습니다.
증명 1: 개발부채 청산
기존 코드를 역설계해서 문서화하고, 갭분석을 통해 리팩토링 포인트를 도출했습니다.
대표적인 문제: 인증 3중 반복
앱 → getUser 1번 + profile 2번
미들웨어 → getUser 1번 + profile 1번
웹 클라이언트 → getUser 1번 + profile 1번
────────────────────────────────────────────
합계: getUser 3번 + profile 4번 = 7번 Supabase 호출이 직렬 실행
문서로 전체 구조를 파악하니, AI가 이런 중복을 정확히 짚어냈습니다.
항목 | Before | After |
|---|---|---|
Supabase 호출 | 7번 (직렬) | 최소화 |
폰트 크기 | 11.6MB | 300KB (94% 감소) |
Lighthouse Score | 50점 미만 | 80점 이상 |
인프라 비용 | 기존 | 30% 절감 |
middleware 호출을 줄여서 인프라 비용을 30% 절감한 것이 가장 큰 성과였습니다.
증명 2: 신규 기능, 하루 반나절
아무리 AI를 쓴다 해도 2~3일은 걸릴 줄 알았습니다.
그런데 잘 만든 기획서가 있으니, 초안 구현까지 2시간, 실제 완성까지 하루 반나절. 기획서에 있는 기능뿐 아니라 admin 페이지까지 모두 구현했습니다.
3주 걸릴 개발을 하루 반나절 만에. 잘 나온 설계 = 빠른 개발. 이것이 Context Engineering의 힘이었습니다.
증명 3: 배포 안전장치
빠른 개발만큼 중요한 건 안전한 배포입니다.
Claude Code의 PreToolUse Hook을 활용해서, main 브랜치에 push/merge할 때 자동으로 사용자 확인을 요청하도록 만들었습니다.
[Claude가 git push 실행 시도]
↓
[PreToolUse Hook 자동 발동]
↓
┌─ main 브랜치? → 사용자에게 확인 요청
├─ dev 브랜치? → 알림 표시 후 진행
└─ 그 외? → 그냥 통과
AI가 빠르게 개발해주는 만큼, 실수도 빠르게 나올 수 있습니다. Hook은 그 속도에 브레이크를 걸어주는 안전장치입니다.
확산: 나 혼자가 아니라 조직 전체로
채용에도 AI를
처음엔 가볍게 채용과 관련한 Skill을 먼저 세팅했습니다.
Before | After |
|---|---|
이력서 서류 검토 (수동) | 포트폴리오 결과물까지 자동 확인 |
기여도 파악 한계 | 실제 기여도 분석 가능 |
주관적 판단 | 정량적 기준 수립 |
정량적 기준을 맞춰가면서 오히려 우리가 원하는 인재상이 정립되었고,
이력서만 보면 너무 간결해서 놓칠뻔한 좋은 인재와 면접을 진행하게 되었습니다.
디자이너의 퇴사 = AI Native를 통한 전화위복
서비스 완성까지의 여정은 이렇습니다.
기획 → UX 세부사항 정의 → UI 디자인 → 개발 → QA → 배포디자이너가 퇴사하면서 이 흐름에 구멍이 났습니다. 특히 UX/UI 초안을 어떻게 잡을 것인가가 고민이었습니다.
디자인 시스템이 살렸다
퇴사 전 디자이너가 잡아둔 디자인 시스템 덕분에, 서비스 톤에 맞는 일관된 디자인으로 개발을 이어갈 수 있었습니다.
참고 영상: https://youtu.be/M8lX45hzaMs?si=l55aoqczQ-smKi3t
CEO도 AI Native로
대표님께 Claude Code와 지표 분석 Skill을 만들어드렸습니다. 기존에도 지표 기반으로 기획을 하시긴 했지만, 더 다양한 관점에서 지표를 분석하기 시작했습니다. 지표 분석의 자유도가 높아지니, 더욱더 깊은 인사이트를 통한 신기능 기획이 가능하게 되었습니다.
역할 | 담당 |
|---|---|
지표 분석 + 기획 | CEO (AI Skill 활용) |
UX 설계 | CEO + CTO 협업 |
UI 디자인 + 개발 | CTO (디자인 시스템 기반) |
Mixpanel이나 GA4 데이터를 하나하나 설정해서 보려면 복잡했는데, 이제는 말로 설명하면 필요한 데이터를 정리해주니 분석 속도가 완전히 달라졌습니다.
현재 상태
추가적인 개발부채 청산 진행 중
보안 관련 스터디
신규 기능 내부 QA 후 배포 예정
QA 자동화 체계 구축 중
마치며
디자이너가 나가고, 코드는 엉망이었고, 서비스의 개발 속도는 느려지면서 위기가 왔었지만,
시스템에 대해 정리했더니 AI가 나머지를 해결해줬습니다.
AI Native 전환의 핵심은 코드가 아니라 문서였습니다.
잘 정리된 문서는 AI를 유능한 팀원으로 만들고, 그 팀원은 쉬지 않고 일합니다. Context Engineering은 거창한 기술이 아니라, AI가 이해할 수 있는 언어로 우리 서비스를 설명하는 것입니다.
CTO 워크샵은 5인 이상 조직을 운영하는 CTO만을 위한 강의가 아니었습니다. 오히려 개발자가 1~2명뿐인 정말 초기 스타트업에게 더욱더 절실히 필요한 강의였습니다.



