AI 시대에 왜 애자일(Agile)의 가치는 더욱 높아지는가

TL;DR

• AI로 인해 요구사항 정의 및 설계의 중요성은 커지지만, 이는 '처음에 전부 확정하는' 워터폴(Waterfall)로의 회귀가 아니다
• AI는 구현·테스트·수정 비용을 낮춘다 → 짧은 피드백 루프(Feedback Loop)를 돌리는 애자일(Agile)의 가치는 오히려 높아진다
• 변하는 것은 실천의 형태(스프린트 주기·스크럼 이벤트·메트릭스). 변하지 않는 것은 '가설 → 작게 만들기 → 배우기 → 방향 수정'이라는 본질
• '빠르게 만들 수 있다' ≠ '올바르게 만들 수 있다'. 설계·도메인 이해·판단의 책임은 인간 측에 더욱 많이 남는다

"AI에 의해 소프트웨어 개발은 다시 워터폴(Waterfall)형으로 돌아갈 것이다."

그런 의견을 접하는 일이 늘어나고 있습니다.

그 문제 제기에는 매우 공감합니다. AI를 잘 활용하기 위해서는 요구사항이나 제약, 전제 조건을 명확히 하는 것이 중요하기 때문입니다.

한편, 거기서 도출되는 결론에 대해서는 제 생각이 조금 다릅니다.

저는 AI에 의해 개발이 다시 워터폴(Waterfall)화되는 것이 아니라, 오히려 애자일(Agile)의 가치는 지금까지보다 더욱 높아질 것이라고 생각합니다.

요구사항이나 제약이 중요해지는 것과 워터폴(Waterfall)로 돌아가는 것은 다르다

확실히 AI를 활용한 개발에서는 모호한 지시가 그대로 모호한 결과물로 이어집니다.

AI에게 기대하는 동작을 명확히 하기 위해서는 다음과 같은 정보가 필요합니다.

• 무엇을 실현하고 싶은가
• 어떤 제약을 지켜야 하는가
• 어떤 품질 기준을 충족해야 하는가
• 어떤 설계 방침을 따라야 하는가
• 어디까지를 AI에게 맡기고, 어디서부터를 사람이 판단할 것인가

이런 의미에서 요구사항 정의나 설계의 중요성은 틀림없이 높아지고 있습니다.

다만, 그것이 '처음에 모든 것을 확정하고, 이후에는 계획대로 만든다'라는 기존 방식의 워터폴(Waterfall)로 돌아가는 것을 의미하지는 않습니다.

오히려 반대입니다.

AI에 의해 구현·테스트·수정 비용이 극적으로 낮아짐으로써, 짧은 피드백 루프(Feedback Loop)를 고속으로 돌리는 애자일(Agile)의 가치는 지금까지보다 더욱 높아질 것입니다.

애자일(Agile)의 본질은 처음에 모든 것을 결정하는 것이 아니다

애자일(Agile)의 본질은 처음에 완벽한 계획을 세우는 것이 아닙니다.

본질은 짧은 피드백 루프(Feedback Loop)를 통해 학습하고, 지속적으로 가치를 극대화하는 데 있습니다.

• 가설을 세운다
• 작게 만든다
• 실제로 동작시킨다
• 피드백을 얻는다
• 배움을 바탕으로 방향을 수정한다

이 사이클을 반복함으로써 고객이나 사용자에게 정말로 가치 있는 것에 다가간다.

저는 여기에 애자일(Agile) 개발의 본질이 있다고 생각합니다.

AI는 학습 사이클을 가속한다

AI의 큰 임팩트는 단순히 '코드를 쓰는 속도가 올라가는 것'만이 아닙니다.

더 중요한 것은 가설 검증의 속도가 올라가는 것입니다.

예를 들어, AI를 통해 다음과 같은 일들이 쉬워졌습니다.

• 아이디어를 즉시 프로토타입(Prototype)화할 수 있다
• 테스트 코드(Test Code)를 고속으로 생성할 수 있다
• 버그 수정의 리드 타임(Lead Time)을 단축할 수 있다
• 여러 구현 안을 저비용으로 비교할 수 있다
• 리팩터링(Refactoring)을 빠르게 시도할 수 있다

즉, 변경 비용이 낮아지고 있습니다.

예를 들어 기존에는 '두 가지 설계 안 중 어느 것이 좋은가'를 토론으로 결정하던 상황에서, 양쪽 모두를 작게 구현하여 실제로 동작시켜 보고 비교한 뒤 선택하는 방식이 현실적이 됩니다. 판단의 근거가 '토론'에서 '동작하는 실물'로 바뀝니다. 이는 가설 검증 사이클이 한 단계 빨라진다는 것을 의미합니다.

그리고 변경 비용이 낮아질수록 가설 검증을 반복하는 애자일(Agile)의 강점은 커집니다.

빠르게 만들 수 있다는 것이 올바르게 만들 수 있다는 것을 의미하지는 않는다

한편으로 AI를 사용한다고 해서 모든 것이 좋아지는 것은 아닙니다.

현장에서는 다음과 같은 감각도 있습니다.

만드는 속도는 올라가지만, 망가뜨리는 속도도 올라간다.

AI는 구현을 고속화합니다. 하지만 시스템 전체의 정합성이나 설계의 타당성을 자동으로 보장해 주지는 않습니다. 예를 들어, 눈앞의 기능만 보면 타당한 코드라도 기존의 도메인 모델(Domain Model)이나 책임 분담과 어긋난 채 양산된다면, 나중에 되돌리는 비용은 오히려 늘어납니다. 빠르게 만들 수 있는 것이 곧 부채를 빠르게 쌓는 일이 될 수도 있습니다.

그렇기에 설계 원칙이나 아키텍처(Architecture) 이해, 도메인 이해의 중요성은 오히려 높아집니다.

AI에 의해 '만드는 것'은 용이해집니다.

하지만 '무엇을 만들어야 하는가', '어떤 구조로 만들어야 하는가', '어떤 변경을 받아들여야 하는가'를 판단하는 책임은 지금까지보다 더욱 인간 측에 남습니다.

AI 시대의 스크럼(Scrum)은 실천의 형태 그 자체를 재질문한다

AI에 의해 구현·테스트·수정 사이클은 극적으로 고속화되고 있습니다.

그 결과, 지금까지 당연하게 여겨져 온 스크럼 (Scrum)의 실천에 대해서도 다시금 재질문할 필요가 있다고 느끼고 있습니다.

• 지금까지와 같은 1~2주 단위의 스프린트 (Sprint) 주기가 정말 최적인가
• 데일리 스크럼 (Daily Scrum)은 진척 확인 중심으로 유지해도 괜찮은가
• 회고 (Retrospective)에서는 AI 활용 그 자체를 되돌아볼 필요가 있지 않은가
• 베로시티 (Velocity)와 같은 기존 지표는 계속해서 유효한가
• AI에 의한 생산성 향상이나 학습 속도를 어떻게 측정하고 평가해야 하는가

궁금한 점은 많습니다.

아직 업계 전체로서 확립된 정답이 있는 것은 아닙니다.

그렇기에 지금은 AI 주도 개발 (AI-driven development)을 애자일 (Agile) 개발이나 스크럼 (Scrum)에 어떻게 도입해야 할지를 현장에서 시행착오를 겪으며 탐색해 나가는 흥미로운 시기라고 느끼고 있습니다.

다만, 여기서 강조하고 싶은 것은 실천의 형태가 바뀌더라도 본질은 변하지 않는다는 점입니다. 앞서 언급했듯이, 본질은 "짧은 피드백 루프 (Feedback Loop)를 통해 학습하고, 지속적으로 가치를 최대화하는 것"이며, AI는 그 학습 사이클을 고속으로 회전시키기 위한 기술입니다.

그 결과로 스프린트 (Sprint)의 길이, 스크럼 이벤트 (Scrum Event)의 진행 방식, 회고의 관점, 메트릭 (Metric) 설계는 크게 변할지도 모릅니다.

하지만 "가설을 세우고, 작게 만들고, 배우고, 방향을 수정한다"는 근본 사상 그 자체는 오히려 이전보다 더욱 중요해질 것입니다.

앞으로 재검토하고 싶은 논점

개인적으로는 AI 시대의 애자일 (Agile) 실천에서는 적어도 다음의 논점들을 재검토할 필요가 있다고 생각합니다.

논점	지금까지	AI 시대에 고민해야 할 것
스프린트 (Sprint) 주기	1~2주가 일반적	가치 검증 속도에 따라 더 짧은 주기나 유연한 구분을 검토한다
...

AI 시대에는 "얼마나 빨리 만들었는가"만으로는 불충분합니다.

오히려 중요한 것은 얼마나 빨리 배웠는가, 얼마나 가치 있는 방향 수정을 할 수 있었는가입니다.

스크럼의 가치는 오히려 높아진다

스크럼 (Scrum)은 개발 속도가 느린 시대를 위한 방법론이 아닙니다.

변화가 크고 불확실성이 높은 환경에서, 팀이 학습하며 가치를 전달하기 위한 프레임워크 (Framework)입니다.

AI에 의해 변화의 속도가 올라간다면, 스크럼의 가치는 낮아지는 것이 아니라 오히려 높아집니다.

• 스프린트 (Sprint)에서 가설 검증을 고속으로 회전시킨다
• 스프린트 리뷰 (Sprint Review)에서 결과물을 빠르게 평가한다
• 회고 (Retrospective)에서 AI 활용 방법을 개선한다
• 제품 백로그 (Product Backlog)의 우선순위를 유연하게 재검토한다
• 팀으로서의 학습을 가시화한다

AI는 스크럼을 불필요하게 만드는 것이 아닙니다.

오히려 스크럼의 각 이벤트 (Event)를 더욱 학습 지향적으로 바꾸는 계기가 될 것이라고 생각합니다.

요약

요건 정의나 설계의 중요성이 커지는 것, 그리고 구현·테스트·수정 비용이 낮아지는 것. 이 두 가지는 모순되지 않습니다. 전자는 "무엇을 만들 것인가"의 정밀도를 높이고, 후자는 "빠르게 시도하고 배우는" 회전력을 높입니다. 둘 다 애자일 (Agile)의 강점인 "짧은 피드백 루프 (Feedback Loop)를 통해 계속해서 학습하는 것"을 뒷받침합니다.

그렇기에 결론은 워터폴 (Waterfall)로의 회귀가 아닙니다. 스프린트 (Sprint) 주기, 회고 방식, 측정 및 평가 방법과 같은 실천 방식은 변해갈 것입니다.

그럼에도 변하지 않는 본질이 있습니다.

그것은 가설을 세우고, 작게 만들고, 배우고, 방향을 수정하면서 지속적으로 가치를 최대화하는 것입니다.

AI는 애자일 (Agile)을 대체하는 기술이 아닙니다. 애자일의 학습 사이클을 이전보다 더 빠르고 강력하게 회전시키기 위한 기술입니다.

"AI로 인해 개발이 워터폴 (Waterfall)로 돌아간다"가 아니라, "AI로 인해 애자일 (Agile)이 드디어 본령을 발휘한다". 저는 그렇게 생각합니다.

Discussion