AI가 팀의 공동 사고를 망치게 두지 마세요: 엔지니어링 팀을 위한 실무 가이드

지난 몇 년 동안 엔지니어로서 저의 워크플로(workflow)는 크게 변했습니다.

가끔 사용하는 자동 완성(autocomplete) 수준에서 시작하여, 이제는 적절한 상황에 따라 아이디어 구상(ideation), 디버깅(debugging), 리팩터링(refactoring), 그리고 시스템 설계(system design)에 AI를 활용하고 있습니다.

개인적인 차원에서의 이점은 명확했습니다.

하지만 팀 차원에서는 더 미묘한 변화가 일어나기 시작했습니다.

예상치 못한 부작용

AI는 단순히 우리의 속도를 높여준 것만이 아닙니다.

AI는 우리가 함께 생각하는 방식을 바꾸어 놓았습니다.

저는 지식 공유(knowledge sharing)와 AI 사용에 관한 강력한 관행(practices)을 채택한 팀과 그렇지 않은 팀 모두에 속해 있었습니다.

그 차이는 눈에 띕니다.

어떤 팀은 더 빨라지고 예리해졌습니다.

반면 다른 팀들은 다음과 같은 상태가 되었습니다:

• 더 빨라졌지만... 방향성이 어긋남 (misaligned)
• 생산적이지만... 피상적임 (shallow)
• 더 많이 배포하지만... 이해도는 낮음

경험상, 팀들은 항상 효과적인 지식 공유 문제로 어려움을 겪어 왔습니다.

하지만 AI는 준비되지 않은 팀들에게 이 문제를 가속화하고 있습니다.

핵심 문제

AI는 적절하게 사용될 때 개인의 생산성을 향상할 수 있습니다.

하지만 엔지니어링(engineering)은 개인적인 활동인 경우가 거의 없습니다.

그것은 조정(coordination)의 문제입니다.

엔지니어링은 다음 요소들에 달려 있습니다:

• 공유된 멘탈 모델 (shared mental models)
• 명확한 추론 (clear reasoning)
• 일치된 의사결정 (aligned decisions)

이러한 요소들이 없다면, 속도는 표류(drift)를 만들어냅니다.

“AI는 결과물을 생성할 수 있습니다. 팀은 공유된 이해를 생성해야 합니다.”

이것이 대부분의 팀이 아직 해결하지 못하고 있는 격차입니다.

개인의 사고 → 팀의 사고로

저의 이전 가이드(이 포스트를 통해 소개된 Thinking in the Age of AI)에서 저는 다음 사항에 집중했습니다:

• 엔지니어가 어떻게 개인적으로 강력한 사고력을 유지할 수 있는가

이제 우리는 다음 단계에 집중할 것입니다:

• 팀이 AI를 사용하면서 어떻게 함께 잘 생각할 수 있는가

팀 차원에서는 개인 차원보다 더 많은 역학(dynamics)이 작용합니다.

이 글은 엔지니어링 팀을 돕기 위한 몇 가지 실질적인 해결책을 제시하려는 저의 시도입니다.

제가 실험해 온 것들

저는 여러 팀에서 사용할 수 있는 일련의 관행들을 실험해 왔습니다.

거창한 프로세스 변화가 아닙니다.

그저 다음과 같은 가벼운 습관들입니다:

• 추론 과정을 가시화하기 (make reasoning visible)
• 사고 속도를 딱 적당히 늦추기 (slow thinking down just enough)
• 일상적인 업무를 학습으로 전환하기 (turn daily work into learning)

이번 주에 팀과 함께 시도해 볼 수 있는 4가지 실무 연습

1. AI 사용 투명성 (AI usage transparency)

AI의 도움을 받은 코드가 머지(merge)된 후, 간단한 노트를 추가하세요:

• AI를 사용했는가?
• 어디에 사용했는가?
• 무엇을 수동으로 검증했는가?

사소해 보일 수 있지만, 이는 팀의 행동을 변화시킵니다.

이 과정이 없다면 AI 사용은 보이지 않게 됩니다.
시간이 흐르면 아무도 다음 사항을 알 수 없게 됩니다:

• 팀이 어디에서 AI에 가장 많이 의존하는지
• 어떤 유형의 문제들을 외주(outsource) 주고 있는지
• 검증이 취약한 지점이 어디인지

하지만 이 과정을 거치면 패턴이 나타나기 시작합니다.
이는 다음과 같은 주제에 대한 더 나은 논의로 이어집니다:

• AI가 실제로 도움이 되는 시점은 언제인지
• 어디에서 속도를 늦춰야 하는지
• 자신도 모르게 어디에서 과도하게 의존하고 있었는지

다음 템플릿을 사용할 수 있습니다:

AI 사용 선언 (AI Usage Declaration)

AI 사용 여부? ☐ 예 ☐ 아니오
...

2. 팀 AI 의존도 점검 (Team AI dependency check)

2주마다 5분 정도 시간을 내어 질문해 보세요:

• 초기 추론 과정을 건너뛰는 경우가 더 많아지고 있는가?
• AI의 결과물을 비판 없이 수용하고 있는가?
• 디버깅(debugging)의 깊이가 얕아지고 있는가?
• 설명(explanation)이 점점 부실해지고 있는가?

지표(metrics)는 필요 없습니다. 그저 솔직한 대화면 충분합니다.

이것은 "AI 사용을 줄이는 것"에 관한 것이 아니라, "의도적으로 사용하는 것"에 관한 것입니다.

저는 팀들이 인지하지 못한 채 표류하는 것을 보았습니다.
당장 무엇인가가 고장 나지는 않습니다.

하지만 시간이 지나면서 다음과 같은 현상이 발생합니다:

• 직관이 약해짐
• 이해도가 불균형해짐
• 시스템을 명확하게 설명할 수 있는 사람이 줄어듦

이 연습은 이러한 현상을 조기에 포착하고, 실제 문제가 되기 전에 조정할 수 있도록 도와줍니다.

다음 템플릿을 사용할 수 있습니다:

팀 AI 의존도 신호 (Team AI Dependency Signals)

☐ 엔지니어가 초기 추론을 건너뜀
...

3. AI 없는 디버깅 세션 (No-AI debugging sessions)

실제 버그를 하나 선택하세요.

한 명의 엔지니어가 자신의 추론 과정을 말로 설명하면서, AI 없이 디버깅을 수행합니다.
팀원들은 이를 지켜보며 필요할 때 도움을 줍니다.

처음에는 느리게 느껴질 것입니다.

그러다 여러분은 대부분의 엔지니어가 _타인이 어떻게 생각하는지_를 더 이상 거의 보지 못한다는 사실을 깨닫게 됩니다.

이를 통해 다음과 같은 것들이 드러납니다:

• 디버깅 패턴 (debugging patterns)
• 가정 (assumptions)
• 의사결정 (decision-making)

제 경험상, 이러한 형식으로 진행하는 디버깅 세션은 팀의 역량을 끌어올리는 가장 빠른 방법 중 하나입니다.

이상적으로는, 디버거 (debugger)와 관찰자 (observers) 모두의 노트를 통해 세션을 기록하는 것이 좋습니다.

다음 템플릿을 사용할 수 있습니다:

디버거 노트 (Debugger Notes)

무슨 일이 일어나고 있다고 생각하는가?
...

4. 공유된 정신 모델 구축기 (Shared mental model builder)

팀은 매일 다음과 같은 가치 있는 학습의 순간들을 마주합니다:

• 복잡한 문제 디버깅 (debugging)
• 장애 해결 (resolving incidents)
• 시스템 설계 (designing systems)
• AI 생성 솔루션 활용 (working with AI-generated solutions)

하지만 의도적인 추출 (deliberate extraction) 과정이 없다면, 이러한 교훈들은 고립된 상태로 남게 됩니다.

이 연습은 특정 팀의 경험을 공유된 정신 모델 (shared mental model)로 전환합니다.

다시 말해, 단일 상황을 넘어 적용할 수 있는 재사용 가능한 원칙 (reusable principle)을 만드는 것입니다.

시간이 흐름에 따라, 이러한 모델들은 집단 지성 (collective intelligence)의 강력한 계층이 됩니다.

다음 템플릿을 사용할 수 있습니다:

상황 (Situation):
_____________________________________________________________________
_____________________________________________________________________
...

이제 여러분은 단순한 해결책이 아닌, 재사용 가능한 통찰력 (reusable insight)을 갖게 되었습니다.

시간이 지나면서, 이는 진정한 팀의 직관 (team intuition)을 구축합니다.

공개 토론 (Open discussion)

다른 분들은 이를 어떻게 다루고 계신지 궁금합니다.

대부분의 팀은 아직 이에 대해 고민하지 않고 있습니다. 그렇기에 논의할 가치가 있다고 생각합니다.

• 여러분의 팀에서도 유사한 패턴이 관찰되나요?
• 팀 차원에서 AI 사용에 관한 관행 (practices)을 도입한 적이 있나요?
• 아니면 현재는 주로 개인 주도로 이루어지고 있나요?

관심이 있으시다면

저는 다음과 같은 내용이 포함된 전체 시스템을 정리했습니다:

• 위와 같은 연습 문제들
• 워크플로 템플릿 (workflow templates)
• 팀 성찰을 위한 프롬프트 카드 (prompt cards)

가이드는 여기에서 무료로 받으실 수 있습니다.

이에 대한 여러분의 피드백을 기다립니다.

마지막 생각 (Final thought)

AI는 그 어느 때보다 빠르게 움직이는 것을 쉽게 만들어 주고 있습니다.

하지만 속도가 곧 이해를 의미하는 것은 아닙니다.

두각을 나타내는 팀은 단순히 AI를 가장 많이 사용하는 팀이 아닐 것입니다.

그들은 가장 빠르게 배우고, 함께 가장 명확하게 생각하는 팀이 될 것입니다.

다른 분들은 이 상황을 어떻게 헤쳐나가고 계신지 궁금합니다.