정백경/업무 운영체계
업무 운영체계는 정백경이 AI Native를 실제 일하는 방식으로 바꾸기 위해 사용하는 개념입니다.
업무 운영체계는 도구 목록이 아니라 사람이 목표를 정하고, AI가 실행하고, 사람이 검증하는 반복 가능한 구조다.
구성 요소
- 스펙: 무엇을 만들지와 성공 조건을 고정한다.
- 문서 SSOT: 정책, 기획, QA, 코드 변경의 기준을 한곳에 둔다.
- Linear: 작업 흐름과 우선순위를 실행 단위로 관리한다.
- orchestration: 에이전트가 여러 단계의 실행을 이어갈 수 있게 한다.
- 24/7 Orchestrator: PRD부터 E2E 테스트와 PR까지 이어지는 agent loop를 목표로 한다.
- MAGI: AI 코드리뷰가 사전 검증을 맡고 사람은 핵심 판단에 집중하게 한다.
- Ralph Day: Goal, Constraints, Done Criteria를 자동 판정 가능한 루프로 만든다.
- SID: PRD와 구현, 디자인, 티켓, 배포를 하나의 실행 기준으로 묶는다.
- MCP: 에이전트가 업무 도구와 안전하게 연결되는 표준 인터페이스로 본다.
- 운영 학습: 장애와 이슈를 회고, 탐지, 복구, 재발 방지 문서로 바꾼다.
- 책임 있는 AI 작업: AI 결과물을 그대로 넘기지 않고 사람이 마지막 맥락과 판단을 더한다.
- 모바일 전환: 웹 중심 개발 경험을 모바일 제품 흐름까지 확장한다.
- 검증: 테스트, 빌드, 보안 grep, 브라우저 확인으로 결과를 확인한다.
- 기록: raw와 wiki에 다음 작업이 사용할 문맥을 남긴다.
- 거버넌스: AI가 조직 도구와 데이터를 다룰 때 필요한 규칙을 만든다.
주요 문서
| AI Native 핵심 축 | 공개 문서에서의 맥락 |
|---|---|
| AI Native 팀 전략 | AI를 개인 도구가 아니라 문서, 권한, 보안, 일하는 리듬까지 포함한 전환 계획으로 다룬 문서. |
| Product Engineer 70% 기준 | AI와 함께 제품 전체 사이클을 완주하고, 나머지 품질은 리뷰와 검증 장치로 보완하는 역할 정의. |
| Linear + Orchestration | 작업 이슈, md 문서, 에이전트 실행 루프를 연결해 개발 프로세스를 재설계한 흐름. |
| MAGI/AI 코드리뷰 | AI 리뷰를 사람 리뷰의 대체물이 아니라 사전 검증과 품질 보조 장치로 둔 사례. |
| Ralph Day | 좋은 모델보다 명확한 완료 기준이 중요하다는 학습 루프. |
| SID/PRD SSOT | PRD, 디자인, 티켓, 구현을 하나의 실행 가능한 문서 기준으로 묶는 방법론. |
| MCP 업무 흐름 | AI 에이전트가 업무 도구와 안전하게 연결되는 표준 인터페이스 관점. |
| Cursor/Codex 생산성 보고 | AI 개발 도구 도입을 감상이 아니라 팀 단위 지표와 일하는 방식의 변화로 설명한 문서. |
| 확인된 활동 | 왜 중요한가 |
|---|---|
| 업무 영향력 맵 | FE 리드, AI Native, Product Engineer, SEO/GEO, 지식 전파, 운영 학습을 한 장으로 묶는 종합 문서. |
| 운영 학습/Postmortem | 문제를 사고로 끝내지 않고 탐지, 복구, 재발 방지, 문서화로 바꾸는 엔지니어링 성숙도. |
| 테크블로그와 기술 전파 | 개인 지식을 팀 글쓰기, AI 채널, 스터디, 공유 리듬으로 확장한 활동. |
| AI Slop과 책임 있는 AI 공유 | 전사 AI 채널에서 AI의 가능성과 주의점을 함께 공유하며 만든 AI Native 품질 기준. |
| Next.js App Router 마이그레이션 | 공개 글의 이론 축을 실제 운영 마이그레이션과 검증 흐름으로 연결하는 사례. |
| Design System Storybook MCP | 디자인 시스템을 AI가 읽고 재사용할 수 있는 UI 인프라로 바꾸려는 시도. |
| Kmong Marketplace | AI Native 작업 방식을 개인 파일이 아니라 검토 가능한 plugin/harness 자산으로 관리하려는 구상. |
| Playwright E2E 검증 | AI Native와 프론트엔드 전환을 테스트, 브라우저 재현, API 모킹으로 닫는 검증 방식. |
사람의 역할
AI가 실행을 맡을수록 사람의 역할은 더 추상적이면서도 더 엄격해진다. 무엇을 만들지, 왜 만드는지, 어떤 결과가 기준 미달인지 정의하는 일이 중요해진다. 이 지점에서 Product Engineer는 문제정의, 맥락 큐레이션, 제품 판단을 맡는 사람으로 다시 정의된다.