"AI 네이티브 기업을 찾아서" 시리즈 2편. 7년 차 SI(외주 개발) 기업 "똑똑한 개발자"를 방문해, 영업부터 기획·개발·검수·정산까지 전체 비즈니스 파이프라인에 AI를 도입한 실제 운영 방식을 대표·PO·개발자·비개발직군 네 명의 목소리로 보여준다.
- 채널: AI Community Bloom 블룸
- 원본 발행일: 2026-07-27
- 영상: https://youtu.be/PlttgrPKOPk
- 재생시간: 35:50
- 등장인물: 서장원(대표), 정다이(플러그 PO), 임현성(프론트 개발자), 이창원(비개발자·영업지원)
1계층 — 핵심 주장
7년 차 SI(시스템통합/외주개발) 업체 "똑똑한 개발자"는 단순히 코딩에만 AI를 쓰는 게 아니라, 영업 → 계약 → 기획 → 디자인 → 개발 → 검수 → 정산에 이르는 회사의 전체 비즈니스 파이프라인 전 구간에 AI를 결합했다고 소개한다. 다만 모든 구간을 100% AI로 대체한 것은 아니며, "구간마다 필요한 만큼만 부분적으로" AI를 배치하고, 나머지는 여전히 사람이 직접 검증·판단하는 휴먼 루프를 유지하는 것이 이들의 핵심 운영 철학이다.
2계층 — 근거와 세부 내용
(1) AI 도입의 계기
- 대표 서장원은 작년(2025년) 추석 연휴에 집에 틀어박혀 바이브 코딩으로 일주일간 서비스 3개(AI 사주, 대화 분석 기반 연애 패턴 분석 서비스 등)를 만들어보며 그 가능성에 놀랐고, 이후 팀원들에게 물어보니 이미 다들 AI를 쓰고 있었다는 것을 알게 됐다고 밝힌다. 이 경험을 계기로 올해 초부터 전사적으로 "AI 네이티브 전환"을 시작했다고 설명한다.
(2) 전체 파이프라인에 걸친 AI 활용
- 영업 단계부터 계약 수주 후 실무자 핸드오프, 프로젝트 진행(기획·디자인·개발·검수), 완료 후 정산까지 AI가 관여한다고 설명한다.
- 검수 단계 예시로, 피그마 디자인을 MCP로 연결해 화면 기반 테스트 케이스를 AI가 자동으로 뽑아낸다고 소개한다.
- 클라이언트와 소통하는 과정의 데이터도 수집해 AI로 분석하며, 정산 과정도 과거 사람이 수동으로 요청하던 것을 이제는 에이전트가 요청·메일 발송까지 처리한다고 밝힌다.
(3) AI 도입 후 달라진 점 — 전환율과 인력 구조
- 프로젝트 관리 과정을 클라이언트에게 투명하게 보여줄 수 있게 되면서(과거엔 블랙박스였던 영역), 영업 전환율이 높아졌다고 설명한다.
- 기존에는 PM·디자이너·프론트·백엔드 4명이 무조건 투입돼야 했지만, 지금은 프로젝트 성격에 따라 디자이너 한 명이 랜딩페이지의 퍼블리싱까지 처리하거나, 디자인 비중이 낮은 백오피스는 개발자가 UI까지 뽑아내는 식으로 인력을 유연하게 줄인다고 밝힌다.
- 다만 인력은 줄었어도 비용은 AI 구독료·디바이스 교체 비용 등이 새로 발생해 전체 비용은 크게 줄지 않았다고 솔직하게 인정한다.
(4) 내부 프로젝트 관리 도구 "톡빌더"
- 프로젝트 투입 검토 시점부터 시작해, AI가 프로젝트를 요약하고, 협력사·프리랜서 개개인의 과거 프로젝트 이력을 바탕으로 적합한 인력을 추천한다고 설명한다 — 단순히 "여유 있는 사람"이 아니라 "경험이 더 잘 맞는 사람"을 추천하는 방식이다.
- 프로젝트 생성 시 Slack 채널이 자동 연동되고, 회의 녹음 도구(케라이)로 수집한 자료를 업로드하면 (1) 미결 사항 검토 → (2) IA(정보구조) 작성 → (3) 화면 구조·권한까지 포함한 최종 PRD, 3단계로 기획 문서가 자동 생성된다고 소개한다.
- 개발 단계는 각자의 로컬 환경에서 진행되며, 환경설정·프론트·백엔드로 단계가 나뉘고, 카카오·네이버지도 API 키 발급처럼 사람이 직접 포털에 접속해야 하는 작업은 별도로 "휴먼 태스크"로 분리해둔다고 설명한다.
- Slack과 연동해 이슈 발생·해결 현황을 추적하고, 대화 데이터를 10분마다 수집해 클라이언트의 만족도·기분 상태·성공 가능성을 AI가 정량화해 기록한다고 밝힌다. AI API 호출별 비용(예: 인력 추천 1회 0.04달러)까지 추적한다고 소개한다.
(5) 영업 파이프라인 — 콜 분석과 견적서 생성
- 영업 리드는 CRM+ERP 성격의 자체 서비스 "플러그"로 들어오며, 톡빌더에서 AI가 리드 기업을 분석한다 — 실존 기업인지, 대기업/중견/소기업 규모, 심지어 허위 사업자 여부까지 1차로 판별한다고 설명한다.
- 1차 콜 분석을 바탕으로 초안 견적과 기능 명세가 나오고, 통화 준비를 위한 체크리스트를 AI가 생성하며, 실제 통화(캐치콜로 녹음)가 끝나면 메모 내용을 바탕으로 최종 분석과 2~3안의 견적서 초안을 만들어준다고 밝힌다.
- 다만 최종 견적서 PDF를 뽑는 단계 자체에는 AI가 들어가지 않고 디자인 템플릿으로 처리한다고 인정하며, 모든 구간에 AI를 100% 쓰는 게 아니라 부분적으로만 적용하고 있다는 것을 솔직하게 밝힌다.
(6) "플러그" 팀의 내부 운영 — 매일 갱신되는 "브레인"
- PO 정다이는 개발팀·운영팀 Slack 대화 내용을 기반으로 직접 만든 "브레인 컬렉트"라는 AI 스킬이 매일 어제의 대화·지표를 정리해 보고서로 만들고 대시보드에 자동 입력한다고 소개한다.
- 이 외에도 일간 요약을 월간 전략으로 종합하는 스킬, 서비스의 핵심 가이드라인 문서(개요·로드맵·ICP·교훈)를 전략 변화에 맞춰 계속 업데이트하는 스킬 등을 자체 제작했다고 밝힌다.
- Slack 대화에서 고객이 특정 기능을 여러 번 요청한 패턴을 AI가 포착하면 자체 제작한 "플러그 백로그" 도구에 자동으로 항목이 쌓이고, 테마별로 자동 분류된다고 설명한다. 주 1회 스프린트를 진행하며 "스프린트 알리기" 기능을 누르면 관련 Slack 메시지가 자동 생성되고, 작업 상태 변경도 Slack에 자동 반영된다고 소개한다.
(7) 개발 하네스 — 인터뷰 루프와 테스트 우선 개발
- 프론트 개발자 임현성은 프론트/백엔드용으로 각각 만든 자체 플러그인("스프린트고" 등)을 소개한다. 흐름은 다음과 같다: 백로그 요구사항을 AI가 분석 → 모호한 부분을 사용자와 여러 차례 인터뷰하며 명확화 → 스펙 작성 → 사용자가 스펙 리뷰 → 테스트 코드를 먼저 작성 → 구현 → 테스트 실행·실패 시 재구현 → 최종적으로 사람이 직접 검증 후 배포.
- 실제 사례로 블로그에 "하우투" 카테고리를 추가하는 백로그를 이 플러그인에 넘기자, AI가 요구사항을 분석하고 백엔드 작업이 필요함을 인지해 백엔드용 플러그인을 자동 호출하는 과정을 시연한다.
(8) 비개발직군의 AI 활용 — 옵시디언과 세일즈 봇
- 비개발자 출신 이창원은 옵시디언을 화려한 그래프 시각화용이 아니라 실용적인 마크다운 기록 도구로 쓴다고 밝히며, Claude를 Slack·GitHub·플러그와 연동해 기존 마크다운 기록과 매일 달라진 점을 비교·업데이트하는 방식으로 업무 히스토리를 자동 축적한다고 설명한다.
- 영업 지원용으로 자체 제작한 두 개의 봇("독글더 봇", "몽봇")을 소개한다 — Slack 언급, 플러그 상태 변화, 이메일 스레드를 모아 정리해줘서, 매출액이 크거나 계약 클로징이 임박한 건을 우선순위로 파악하고 후속 조치를 놓치지 않게 도와준다고 밝힌다.
- 이 데이터를 바탕으로 대시보드를 직접 만들어가는 중이며, 무엇을 강조할지·어떤 지표를 쓸지는 계속 사람이 검증·판단하는 휴먼 루프를 끼워 넣는다고 설명한다.
- 톡빌더의 새 기능을 기획할 때도 실제 영업사원의 업무 분기(인터뷰·회의·통화 녹음 기반)를 나무 구조로 표준화해 계속 갱신하며, 각 분기점마다 자동화가 필요한지, 사람이나 봇이 개입해야 하는지를 판단해 나간다고 소개한다.
(9) AI 도입에 대한 회고 — 성공과 실패의 차이
- 팀원 중 한 명은 이전 회사에서 전사적 AI 도입을 기획했지만 잘 되지 않았던 경험을 언급하며, 대부분의 기업이 AI 도입 방향을 잘 모르고 검증된 성공 사례도 부족했기 때문이라고 짚는다. 반면 현재 회사는 "되든 안 되든 일단 써보고, 되면 기능을 계속 붙여나가는" 방식으로 접근해 프로세스가 잘 갖춰졌고, 이 덕분에 AI 활용 역량이 점진적으로 계속 향상되고 있다고 밝힌다.
- 대표는 마무리로, 1인 기업이 AI를 활용했을 때의 임팩트를 직접 검증해보기 위해 별도로 1인 운영 소규모 AI 여행사도 만들어 실험 중이라고 언급한다.
3계층 — 실천적 시사점
- AI 도입을 "개발 자동화"에만 국한하지 말고, 영업·계약·정산 등 비즈니스 전체 파이프라인에 걸쳐 적용 지점을 찾아볼 것.
- 모든 구간을 100% AI로 대체하려 하지 말고, 이미 검증된 부분(요약, 추천, 콜 분석 등)과 여전히 사람의 판단이 필요한 부분(최종 검수, 지표 강조점 결정 등)을 명확히 구분해 부분적으로 도입할 것.
- AI 도입 이후 인력 구조가 유연해지더라도, AI 구독료·디바이스 비용 등 새로운 고정비가 발생할 수 있음을 예산에 반영할 것.
- 개발 프로세스에 AI를 도입할 때는 "요구사항 인터뷰 루프 → 스펙 확정 → 테스트 우선 작성 → 구현 → 사람 검증"의 순서를 갖추면 품질 관리가 쉬워진다.
- AI가 반복되는 대화 패턴에서 백로그·이슈를 자동으로 포착하게 하고, 그 결과를 사람이 매주 검증하는 "휴먼 루프"를 병행할 것.
4계층 — 개념 정리
| 개념 | 설명 |
|---|---|
| AI 네이티브 전환 | 특정 업무에 AI 기능을 얹는 것을 넘어, 회사의 전체 비즈니스 파이프라인을 AI 활용을 전제로 재설계하는 접근 |
| 톡빌더 | 소개된 회사가 자체 제작한 프로젝트 관리 도구. 인력 추천·기획 문서 생성·이슈 트래킹·만족도 정량화 등을 담당 |
| 3단계 기획 문서 생성 | 미결 사항 검토 → IA(정보구조) → 최종 PRD 순으로 AI가 기획 문서를 단계적으로 구체화하는 방식 |
| 휴먼 태스크 분리 | API 키 발급처럼 반드시 사람이 직접 처리해야 하는 작업을 자동화 흐름에서 별도로 표시해두는 방식 |
| 테스트 우선 개발 루프 | 요구사항 인터뷰 → 스펙 확정 → 테스트 코드 작성 → 구현 → 테스트 검증의 순서로 진행되는 AI 개발 하네스 |
| 브레인(내부 지식 시스템) | Slack·GitHub·CRM 데이터를 매일 취합해 마크다운 문서로 축적·갱신하는 자체 제작 AI 스킬 체계 |
핵심 요약 (20줄)
- 7년 차 SI 외주 개발업체 "똑똑한 개발자"의 영업부터 정산까지 전체 파이프라인 AI 도입 사례를 소개한다.
- 대표는 작년 추석 연휴에 바이브 코딩으로 서비스 3개를 만들어본 경험을 계기로 올해 초부터 AI 네이티브 전환을 시작했다고 밝힌다.
- 영업, 계약 핸드오프, 기획·디자인·개발·검수, 정산까지 전 구간에 AI가 관여한다고 설명한다.
- 피그마 디자인을 MCP로 연결해 화면 기반 테스트 케이스를 AI가 자동으로 뽑아낸다고 소개한다.
- 프로젝트 관리 과정을 투명하게 보여줄 수 있게 되면서 영업 전환율이 높아졌다고 설명한다.
- 프로젝트 성격에 따라 필요한 인력 구성이 유연해졌지만, AI 구독·장비 비용 때문에 전체 비용은 크게 줄지 않았다고 인정한다.
- 자체 제작 도구 "톡빌더"가 프로젝트 투입 검토부터 인력 추천, 기획 문서 생성, 이슈 트래킹까지 담당한다고 소개한다.
- 인력 추천은 단순 여유 인력이 아니라 과거 프로젝트 경험 적합도를 기준으로 AI가 추천한다고 설명한다.
- 기획 문서는 미결 사항 검토, IA 작성, 최종 PRD의 3단계로 AI가 순차 생성한다고 밝힌다.
- API 키 발급처럼 사람이 직접 해야 하는 작업은 별도의 "휴먼 태스크"로 분리해둔다고 설명한다.
- Slack 대화를 10분마다 수집해 클라이언트 만족도와 이슈 현황을 AI가 정량화하고, AI 호출별 비용까지 추적한다고 밝힌다.
- 영업 리드는 자체 CRM "플러그"로 들어와 AI가 기업 실존 여부와 규모, 허위 사업자 여부까지 1차 판별한다고 설명한다.
- 통화 녹음을 바탕으로 AI가 최종 분석과 견적서 초안을 만들지만, 최종 견적서 PDF 생성 단계에는 AI가 쓰이지 않는다고 인정한다.
- 플러그 팀 PO는 Slack 대화를 매일 요약해 대시보드에 자동 입력하는 자체 제작 AI 스킬을 소개한다.
- 고객이 반복 요청한 기능을 AI가 포착해 자체 백로그 도구에 자동으로 쌓아준다고 설명한다.
- 개발 플러그인은 요구사항 인터뷰 루프 → 스펙 확정 → 테스트 코드 작성 → 구현 → 사람 검증의 순서로 작동한다고 소개한다.
- 블로그 카테고리 추가 요청이 백엔드 작업 필요를 인지해 관련 플러그인을 자동 호출하는 실제 사례를 시연한다.
- 비개발직군 팀원은 옵시디언과 Claude 연동으로 업무 히스토리를 자동 축적하고, 영업 지원 봇 두 개를 직접 만들어 쓴다고 밝힌다.
- 이전 회사에서는 AI 전사 도입이 실패했지만, 현재 회사는 되든 안 되든 일단 시도하고 반복하는 방식으로 역량을 점진적으로 키웠다고 회고한다.
- 대표는 1인 기업의 AI 활용 임팩트를 검증하기 위해 별도로 1인 운영 AI 여행사도 실험 중이라고 밝히며 영상을 마무리한다.