[데브레터 코멘터리] AI 전환 시대 지금 우리가 던져야 할 질문들

[데브레터 코멘터리] AI 전환 시대 지금 우리가 던져야 할 질문들

■ 마케터 코멘트: 다들 벚꽃 봤어? 못봤어?! 그럼…

안녕! 오랜만에 마케터 코멘트로 돌아왔어. 다들, 주말에 벚꽃 봤어!? 비 올 줄 알았는데 생각보다 날씨가 너무 좋더라고. 나는 벚꽃 스팟 근처에 사는데, 조용하던 동네가 오랜만에 북적북적하더라고.

마침 얼마 전에 ‘낭만적인 전공과제’라는 글도 봤어. 충북대 공업화학과 강동우 교수님의 ‘벚꽃과 인증샷 찍기’. 과제 배경도 참 좋더라. “따뜻한 봄날에 하루 정도는 공부 안 하고 계절을 즐겨도 좋지 않을까요?”라고 하셨대.

가끔 우리 모두 세상의 빠른 속도에 발맞추려다 보니, 어느 순간 멈추는 법을 잊어버린 게 아닐까 싶을 때가 있어. 조금 천천히 걸으면 멈추는 것도 쉽고, 다시 달리는 것도 쉬운데, 너무 빠르게 달리다 보니 멈출 엄두조차 안 나는 거지. 그러면서 일상의 소소한 것들을 쉽게 포기하게 되는 것 같아. 친구나 가족은 다음 달에 만나면 되고, 벚꽃은 내년에 또 필 거고, 보고 싶었던 공연도 다음 기회가 있을 거라고 생각하면서 말이야. 그런데 나는 꼭 그러지 않았으면 좋겠어.

날이 좋으면 커피 한 잔 들고 벚꽃길도 걸어보고, 읽고 싶은 책이 있다면 펼쳐보고, 늘어지게 낮잠도 자고. 지금 할 수 있는 일이 있다면 다음으로 미루지 말고 그냥 해보자. 막상 하고 나면, 그렇게 천천히 걷는 시간이 일상에서 얼마나 큰 에너지가 되는지 더 잘 느끼게 될 테니까.

아직 벚꽃 못 봤다면 이번 주 점심에 잠시 시간을 내거나, 주말에 슬쩍 나가보자. 가볼만한 곳이 표시된 지도들을 같이 보낼게! 🌸서울 가로수 지도🌸 / 🌸전국 벚꽃 지도🌸

■ 데브심층탐구

- [인사이트] AI 전환 시대 지금 우리가 던져야 할 질문들
  요즘 AI 얘기만 나오면 “그래서 뭘 더 써야 하지?”, “어떤 툴을 익혀야 하지?”부터 생각하게 되잖아. 근데 이 글은 조금 다르게 묻고 있어. 진짜 중요한 건 기술 자체보다, 이 기술을 어디에 붙이고 어떤 문제를 풀 것인지라는 거지. AI가 워낙 빠르게 바뀌고 있는 건 맞지만, 결국 남는 건 더 많이 아는 사람이 아니라 더 제대로 질문하는 사람일지도 모르겠어. 우리도 이제 “무엇을 쓸까”보다 “무엇을 물을까”를 생각해볼 때 아닐까.
- [읽을 거리] AI 시대의 엔지니어 역할 변화: 코드 작성자에서 시스템 사고자로
  첫 글이 사회 전반적인 그림에서 우리의 역할이었다면, 이번에는 좀 더 좁혀서 보자. AI가 코드를 짜고, 테스트를 만들고, 문서까지 써주는 시대라면 개발자는 이제 뭘 해야 할까? 마이리얼트립은 엔지니어의 가치가 사라지는 게 아니라, 발휘되는 지점이 달라진다고 말해. 이제 중요한 건 얼마나 빨리 구현하느냐보다 무엇을 만들지 정의하고, 어떤 기준으로 판단할지 정하는 일이라는 거지. 특히 “코드 작성은 AI에게 넘기고, 사람은 기준과 정책, 비기능 요구사항에 더 많은 시간을 써야 한다”는 대목이 꽤 오래 남더라. 요즘 개발자의 역할을 다시 생각해보고 있다면 꼭 읽어볼 만해.
- [도구 비교] 오픈클로 vs 클로드 코워크, 나에게 더 어울리는 AI 에이전트는?
  AI 에이전트 툴이 많아질수록 고민되는 건 늘 똑같지. “그래서 뭘 써야 하는데?” 이 글은 오픈클로와 클로드 코워크를 누가 더 좋은지 겨루는 게 아니라, 내가 AI와 어떤 방식으로 일하고 싶은지에 따라 나눠서 설명해줘. 문서를 바로 고치고 수정→확인→지시를 반복하는 작업엔 클로드 코워크가 더 자연스럽고, 메신저나 외부 도구를 연결해서 내 업무 루틴 자체에 AI를 붙이고 싶다면 오픈클로가 더 잘 맞는다는 거야. 결국 중요한 건 성능표보다 내 일하는 방식일지도. 아직 쓰고 싶은 AI 에이전트 툴을 정하지 못했다면 한번 살펴봐!

[아키텍처] 올영매장은 MSA 환경에서 흩어진 도메인 데이터를 어떻게 연동했을까?
AI 얘기가 아무리 많아도, 결국 서비스는 데이터가 잘 흘러야 굴러가잖아. 올리브영은 MSA 환경에서 흩어진 데이터를 연결할 때 “그냥 붙이는” 게 아니라 사용처, 변경 특성, 라이프사이클 등을 기준으로 연동 방식을 정했다고 해. 변경이 적은 데이터는 Redis 캐시 전략으로, 실시간성이 중요한 주문 데이터는 Kafka 이벤트와 Redis를 결합한 하이브리드 구조로 풀어낸 점이 인상적이더라. 기술 자체보다도 “데이터 특성이 설계를 결정한다”는 메시지가 좋아. 비슷한 고민을 하고 있다면 저장해두는 걸 추천해.
[AI서비스] 후기 10만 개, 다 읽고 계신가요? – AI 후기 요약 기능 도입기
후기가 많으면 좋긴 한데, 너무 많으면 오히려 아무도 안 읽게 되잖아. 무신사는 이 문제를 풀기 위해 AI 후기 요약 기능을 붙였고, 키워드 요약과 장단점 요약 두 가지 방식으로 정보를 더 빨리 찾을 수 있게 만들었대. 이어 오픈소스 모델을 활용하고, 9단계 후처리 파이프라인으로 리뷰 품질을 다듬었고. 이 기능은 도입 1주 차 사용자 만족도도 84.6%를 기록했다고 해. “AI를 붙였다”에서 끝나는 게 아니라, 실제 서비스에서 어떤 문제를 어떻게 UX까지 포함해 풀었는지가 보여서 좋았어.

■ 독자탐구생활