정백경/AI Native

AI Native는 career.bkjung.wiki에서 가장 중요한 기술·커리어 문서다. AI를 질문/답변 도구나 기존 업무의 단순 자동화로 쓰는 것이 아니라, 업무 자체를 위임하고 불필요한 작업을 없애는 방향으로 일하는 방식을 다시 설계하는 개념이다.

AI Native 팀은 개발자 전용 자동화 조직이 아니라, 전사 구성원이 AI를 동료처럼 사용하도록 업무 시스템 구조 자체를 바꾸는 팀으로 정의한다. AI Native Lead는 이 전환이 실제 조직 안에서 작동하도록 방향, 기준, 문서, 실행 구조, 검증 루프를 설계하고 확산시키는 역할이다.

수록된 항목은 정백경이 발표·공유 자료를 만들고 사내 세션이나 전사 공유를 통해 설명한 뒤, 실제 업무와 개발 환경에 리딩하거나 담당해 도입한 사례를 중심으로 정리한다. 단순 관심사, 읽은 글 목록, 개념 소개는 제외한다.

왜 AI Native인가

정백경에게 AI Native는 “AI를 잘 쓰자”가 아니다. 좋은 도구를 개인이 잘 쓰는 단계를 넘어, 문서, 이슈, 코드, 리뷰, QA, 권한, 보안, 전파 방식까지 AI가 일할 수 있는 구조로 재배치하는 일이다.

핵심은 AI를 활용해 문제를 더 빨리 처리하는 데서 멈추지 않고, 반복되는 문제 자체가 생기지 않도록 업무 시스템을 다시 설계하는 것이다.

• ChatGPT 초기부터 AI 소식과 가능성을 빠르게 팀에 공유했다.
• Cursor를 접한 뒤 repository를 AI가 이해하게 만드는 방법을 연구하기 시작했다.
• Codex는 비동기 작업 위임과 병렬 개발 흐름의 가능성으로 다뤘다.
• Claude Code는 CLI 기반 agent가 회사 업무 hub가 될 수 있다는 전환점으로 읽었다.
• AI Native는 개발팀에서 출발하지만, 궁극적으로는 여러 직군이 같은 작업 구조를 공유하게 만드는 전환이다.

AI Native Lead

AI Native Lead는 별도의 직함 소개가 아니라 AI Native를 조직 안에서 실제로 작동하게 만드는 역할 정의다. 정백경에게 이 역할은 AI 도구를 잘 쓰는 개인이 아니라, AI가 동료처럼 일할 수 있는 조직적 고속도로를 만드는 사람에 가깝다.

• 전사 구성원이 AI를 단순 도구가 아니라 동료처럼 사용할 수 있도록 기준과 언어를 만든다.
• 업무를 AI가 이해하고 실행할 수 있는 문서, 이슈, 검증 단위로 재구성한다.
• 문서 SSOT, Linear, Orchestration, QA, 코드리뷰, 보안·권한 조건을 하나의 운영 구조로 묶는다.
• AI Slop을 경계하며 사람이 맥락, 취향, 제품 판단, 최종 책임을 유지하는 검토 문화를 만든다.
• Product Engineer 전환, Agent Hub, Kmong Marketplace 같은 구조가 개인 실험이 아니라 팀 자산으로 남게 한다.

Frontend Lead에서 AI Native Lead로

AI Native Lead 전환은 프론트엔드 전문성을 폐기한 사건이 아니다. 프론트엔드에서 축적한 제품 감각, 구조화, 리뷰, 문서화 습관을 AI 전제의 업무 구조로 확장한 사건이다.

Frontend Lead가 프론트엔드 품질, 리뷰, 온보딩, 기술 기준을 팀 단위로 확장한 역할이었다면, AI Native Lead는 문제 발견부터 문서화, 구현 위임, 검증, 배포, 학습까지 제품 개발 흐름 전체를 AI가 참여할 수 있는 구조로 다시 설계하는 역할이다.

• AI 도구는 코드 작성 속도만 높이는 것이 아니라 업무 단위, 문서 구조, 검증 방식을 바꾼다.
• 정백경의 관심은 도구 소개보다 AI가 제대로 일할 수 있는 조직적 구조를 만드는 데 있다.
• 현재 역할 기준은 과거의 FE Lead가 아니라 AI Native Lead다.
• 이 전환은 Product Engineer 전환과 맞물려 사람의 책임을 문제정의, 맥락 큐레이션, 제품 판단, 완료 기준 설정으로 이동시킨다.

일하는 방식

AI Native는 추상적인 선언보다 반복 가능한 운영 구조가 중요하다. 문서, 티켓, 코드, 리뷰, QA, 배포, 회고가 끊겨 있으면 AI는 한 번 호출되는 도구에 머문다. 정백경의 관심사는 이 조각들을 하나의 실행 루프로 묶는 데 있다.

Kmong Marketplace

Kmong Marketplace는 AI Native를 조직 안에서 퍼뜨리기 위한 지식 유통 구조다. Claude Code의 Skill, Sub-Agent, Command, Hooks 같은 설정은 강력하지만, 파일을 복사해 쓰는 방식으로는 업데이트와 품질 관리가 어렵다.

정백경의 제안은 검토된 플러그인을 모아두는 사내 전용 저장소를 만들고, 필요한 사람이 설치·업데이트할 수 있게 하자는 것이다. 동일한 harness를 위해 plugin을 통합 관리하고, 누가 개발하더라도 큰 격차 없이 상향평준화되도록 만드는 것이 목표다.

이 구조는 추상적인 marketplace 구상이 아니라 업무에서 적극적으로 쓰고 있는 AI 작업 방식을 팀 자산으로 관리하려는 시도다. 좋은 계획 명령어, 리뷰 가이드, 도메인별 skill이 개인 파일에 갇히지 않고 팀 단위 자산으로 바뀐다.

AI Native 팀 전략

AI Native 팀 전략은 발표 아이디어가 아니라 전사 구성원의 일하는 방식 자체를 바꾸는 전환 계획이다. 개발자뿐 아니라 여러 직군이 AI를 동료처럼 사용할 수 있도록 문서 SSOT, Linear, Orchestration, 모바일 전환, QA, 거버넌스를 한 흐름으로 묶는다.

• 문서 SSOT는 AI와 사람이 같은 기준으로 일하게 만드는 핵심이다.
• 작업 관리 도구는 단순 할 일 목록이 아니라 agent 실행의 출발점이 된다.
• Orchestration은 사람이 계속 붙잡고 있지 않아도 작업이 다음 단계로 이어지게 만드는 흐름이다.
• QA와 보안은 속도를 막는 장애물이 아니라 AI Native가 지속 가능해지는 조건이다.

Product Engineer 70% 기준

Product Engineer 70% 기준은 모든 직군의 시니어가 되자는 뜻이 아니다. AI와 함께 제품 사이클을 수행할 수 있을 만큼 각 직군의 세계관과 생태계를 이해하고, 나머지 품질은 리뷰와 검증 장치로 보완하자는 기준이다.

이 전환에서 사람의 역할은 코드 작성량보다 문제정의, 맥락 큐레이션, 제품 판단, 완료 기준 설정으로 이동한다. driver는 AI와 코드 작성을 맡고, navigator는 방향과 리뷰를 맡는 식으로 역할을 분리한다.

MAGI/AI 코드리뷰

MAGI는 AI 코드리뷰를 품질 harness로 보는 문서다. AI 시대에 많은 룰이 간소화되더라도 컨벤션, 유지보수 최소 기준, 디자인 시스템 가이드, 보안, DB 룰처럼 팀 고유의 리뷰 기준은 남는다.

목표는 기계적인 체크리스트가 아니라 가독성을 해치지 않으면서도 수정할 부분을 정확히 짚는 외과수술식 제안이다. MAGI 리뷰 없이는 머지하기 불안하다고 느낄 정도의 품질 기준을 지향한다.

Ralph Day

Ralph Day는 더 좋은 모델보다 더 명확한 목표, 제약, 완료 기준이 중요하다는 학습 루프다. AI에게 맡길수록 사람이 쓴 기준의 빈칸이 결과물에 그대로 확인된다.

따라서 AI Native에서 중요한 것은 “잘 만들어줘”가 아니라, 무엇이 PASS이고 무엇이 FAIL인지 자동 판정 가능한 문장으로 쓰는 능력이다.

AI Slop과 책임 있는 공유

AI Slop은 개념어 자체보다 정백경이 실제로 무엇을 했는지가 중요하다. 정백경은 전사 AI 채널에서 AI의 긍정적인 가능성과 주의해야 할 점을 지속적으로 함께 제시하며, 팀원들이 AI를 어떤 관점으로 바라봐야 하는지 반복적으로 공유했다.

AI Native는 빠르게 만드는 문화만이 아니다. 빠르게 만들되, 사람이 맥락과 품질 책임을 끝까지 가져가는 구조까지 포함해야 한다. 정백경이 강조한 지점은 AI를 무조건 낙관하거나 무조건 경계하는 태도가 아니라, 실제 업무에서 책임 있게 쓰는 기준을 계속 공유하는 것이다.

MCP

MCP는 AI 에이전트가 업무 도구와 연결되는 표준 인터페이스다. 정백경은 MCP를 USB-C나 콘센트처럼 설명한다. 도구마다 전용 연결을 다시 만들지 않고, 표준 포트를 통해 여러 업무 도구를 안정적으로 연결하는 관점이다.

GitHub, 제품 지표, 브라우저 재현, 커뮤니케이션 흐름을 하나의 작업 맥락으로 이어갈 수 있을 때 AI Native는 단순 코드 생성이 아니라 실제 업무 흐름이 된다.

Claude Code

Claude Code는 정백경에게 CLI 기반 agent가 회사 업무 hub가 될 수 있다는 가능성을 확인된 도구다. 처음에는 CLI라는 점 때문에 낯설었지만, 직접 사용한 뒤에는 압도적인 성공 경험이 도구의 의미를 바꿨다.

Claude Code의 Skill, Sub-Agent, Command, Hooks는 Kmong Marketplace와 직접 연결된다. 개인 설정 파일로 흩어지는 대신 검토 가능한 플러그인 저장소로 다룰 때, AI 작업 방식이 팀 자산이 될 수 있다.

Code Quality Gateway System

AI Native 조직에서는 코드가 더 이상 개발팀만의 전유물이 아니다. 기획, 디자인, 운영, 마케팅, 데이터 직군도 AI를 통해 스크립트, 자동화, 프론트엔드 조각, 데이터 처리 코드를 만들 수 있다.

그래서 정백경은 코드 품질을 특정 프론트엔드 팀의 리뷰 문화가 아니라, 사내에서 생산되는 모든 엔지니어링 산출물이 통과해야 하는 gateway 문제로 본다. 중요한 것은 더 많은 사람이 코드를 만드는 것을 막는 것이 아니라, agent와 사람이 만든 코드가 공통 기준, 보안 조건, 테스트, 리뷰, 배포 책임을 통과하도록 만드는 구조다.

• 코드 생산 주체가 넓어질수록 공통 lint, 테스트, 보안, 리뷰 기준이 더 중요해진다.
• AI가 만든 코드는 빠르게 늘어나지만, 품질 책임은 여전히 조직에 남는다.
• Code Quality Gateway System은 개발 속도를 늦추는 문턱이 아니라, 비개발 직군까지 AI로 만든 코드를 안전하게 제품화하기 위한 통로다.

Agent Runtime 관점

최근 정백경은 AI 개발 도구를 단순히 “어느 모델이 코드를 더 잘 쓰는가”의 문제보다, agent가 어떤 runtime 위에서 상태를 유지하고 실행을 이어갈 수 있는가의 문제로 보기 시작했다.

이 관점에서 중요한 것은 모델 자체보다 session, tool state, sandbox, memory, workflow가 끊기지 않는 실행 환경이다. 문서 SSOT, orchestration, MCP, QA harness를 함께 설계하는 이유도 결국 AI가 한 번 호출되는 도구가 아니라 반복적으로 일하는 worker처럼 동작해야 하기 때문이다.

따라서 정백경의 AI Native 관심사는 코드 생성 성능 비교보다, 실행 레이어와 운영 구조를 어떻게 설계해야 팀 단위 생산성으로 이어지는가에 더 가깝다.

Agent to Agent

현재 대부분의 웹 서비스는 인간이 화면을 보고 탐색하고 결제하는 것을 전제로 설계돼 있다. 그러나 이미 많은 회사는 인간만을 위한 platform을 넘어, agent가 제품과 정보를 찾고 비교하고 협상하고 결제할 수 있는 service for agent를 준비하고 있다.

이 관점에서 SEO/GEO는 검색 노출 기법에 머물지 않는다. 서비스가 agent에게 읽히고, 호출되고, 검증되고, 거래될 수 있게 만드는 제품 품질 문제가 된다. 사람을 위한 UI만큼 agent를 위한 MCP, OpenAPI, structured data, agent-readable contract, 정책·가격·재고·결제 인터페이스가 중요해진다.

정백경이 SEO/GEO를 AI Native와 함께 보는 이유도 여기에 있다. 앞으로의 제품은 사람에게 보기 좋은 화면과 함께, agent끼리 소통하고 의사결정할 수 있는 명확한 기계용 표면을 제공해야 한다.

공개 산출물과 연대기

AI Native Lead 서사는 별도 문서로 분산하지 않고 이 문서 안에서 읽는다. 공개 산출물은 글, 발표, 운영 문서, 연대기 기록으로 나뉘며 모두 “AI를 도구가 아니라 업무 구조로 본다”는 한 축으로 이어진다.

• AI Native 글은 “AI 도입은 도구고, AI Native는 구조”라는 핵심 언어를 공개적으로 고정한 산출물이다.
• Codex 글, Claude Code 글, SDD 글은 AI 개발 도구를 개인 팁이 아니라 업무 구조로 해석한 기록이다.
• AI Native 전사 설명회는 역할 기준이 Frontend Lead에서 AI Native Lead로 이동한 대표 연대기다.
• AI Native 팀 전략 연대기는 Product Engineer, Agent Hub, 전사 확산이 하나의 전략으로 묶인 사건이다.
• 현재 역할 기준 전환은 과거 직함보다 현재 문제정의가 AI Native Lead에 있다는 점을 정리한 기록이다.