요즘은 "AI 써보셨어요?"라는 질문이 더 이상 특별 하게 느껴지지 않습니다. 이미 많은 개발자들이 각자의 방식으로 ChatGPT나 Claude Code 같은 AI 도구를 업무에 활용하고 있고, 이제는 '써볼까?'보다는 '어떻게 하면 더 잘 쓸 수 있을까?'를 고민하는 단계로 자연스럽게 넘어온 분위기입니다.
LY Corporation 안에서도 마찬가지였습니다. 각 팀마다 AI에 관심을 갖고 먼저 실험해 보는 구성원들이 있었고, 그들은 저마다의 방식으로 시행착오를 겪으며 성과를 쌓아가고 있었습니다. 다만 이런 경험들은 대부분 개인이나 팀 단위에 머물러 있었습니다. 다른 조직으로 자연스럽게 전파되기에는 접점이 충분하지 않았습니다. LINE DEV AI 리포터즈(이하 AI 리포터즈)는 바로 이 지점에서 출발했습니다.
개인의 시도를 모두의 경험으로
저희는 AI 활용 경험을 개인의 노하우로만 남겨두지 말고 조금 더 많은 사람들이 참고하고 확장해 나갈 수 있도록 조직 안팎으로 확산시켜 보자는 목표를 세웠습니다. 여기서 포인트는 단순히 AI를 잘 쓰는 몇 명을 드러내는 것이 아니라 각자의 자리에서 시도한 경험들이 조직의 자산으로 이어지게 만드는 것이었 습니다.
그렇게 AI 리포터즈가 결성됐습니다. AI 리포터즈는 주니어부터 시니어까지 연차에 구애받지 않고 이전에 자발적으로 AI 공유 활동을 한 경험이 있거나 AI 활용에 꾸준히 관심을 가져온 멤버들로 구성됐습니다. 멤버들은 새로운 도구나 트렌드를 혼자만 알고 끝내기보다는 누군가와 나누고 이야기하는 데 익숙한 사람들이었다는 공통점이 있었습니다. 각자 소속과 역할은 달랐지만, 사내 AI 활용 경험을 연결하고 전파하겠다는 소명 의식 아래 자연스럽게 하나로 모였습니다.
그렇게 모인 AI 리포터즈는 각 조직 안에 흩어져 있는 경험을 더 많이 공유하고자 저희가 중심이 되어 각 팀의 AI 활용 사례를 한자리에 모아 공유하는 'AI 공유회'를 기획했습니다.
Step 1. 가벼운 개인의 사례 공유부터 시작한 AI 공유회
AI 공유회의 시작은 가볍게 꺼낼 수 있는 이야기에서 출발했습니다. 잘 정리된 성공 사례가 아니어도 편하게 공유할 수 있는 환경과 분위기를 조성하려 했습니다. 부담이 줄어들수록 공유는 더 자주, 더 자연스럽게 이어질 수 있다고 생각했기 때문입니다.
예를 들어, Multimedia Platform Dev 팀의 최정민 님은 개인적으로 진행해 온 바이브 코딩 실험 경험을 공유하며 자신이 진행하고 있는 하루에 하나씩 서비스를 만들어 보는 시도를 소개했습니다. Claude Code와 Antigravity를 활용해 아이디어를 빠르게 구현하고 바로 실험해 보는 방식이었습니다. 이 방식에서 가장 인상 깊었던 점은 속도 그 자체보다도 '명세의 중요성'이었습니다. 빠르게 만들 수 있기 때문에 무엇을 만들고 싶은지가 분명하지 않을 경우 오히려 방향을 잃기 쉬웠다는 경 험을 솔직하게 풀어냈습니다. 아래는 최정민 님이 바이브 코딩으로 제작한 여러 서비스 중 '업무 셀프 모니터링' 서비스 화면을 캡처한 것입니다.
이 공유회는 완성도 높은 결과물을 보여주기 위한 자리라기보다는 개인의 시행착오를 있는 그대로 나누는 자리였습니다. 참가자들은 결과보다 과정에 집중하며 부담 없이 이야기를 들었고, 경험을 공유하는 그 자체를 재미있게 받아들였습니다. 이를 통해 잘 해야 한다는 부담을 내려놓고 한 번이라도 직접 시도해 보는 것이 중요하다는 메시지가 자연스럽게 전달되면서 AI를 활용해 보는 첫 시도의 허들이 눈에 띄게 낮아졌습니다.
Step 2. 실무 관점에서 녹여본 AI 공유회
개인의 실험이 쌓이면서 공유회의 관심은 자연스럽게 실무로 옮겨갔습니다. 단순히 '재미있는 시도'를 넘어 '이 시도를 실제 업무에 어떻게 적용할 수 있을까?'라는 질문이 공유회 안에서 본격적으로 오가기 시작했습니다.
Data Dev4 팀의 이윤성 님은 이러한 흐름 속에서 Claude Code를 기반으로 한 달 이상 실제 프로젝트를 진행하며 축적한 바이브 코딩 경험을 공유했습니다. 이 공유는 단순히 어떤 도구를 사용했는지 소개하는 데 그치지 않았습니다. Claude Code 기반의 프로젝트 템플릿과 Vibe Kanban을 활용해 실제 바이브 코딩 실습을 함께 진행하며 에이전트와 '어떻게 함께 일해야 하는지'에 초점이 맞춰졌습니다. 에이전트가 코드를 작성하는 동안 개발자는 기획과 설계에 더 많은 시간을 쓸 수 있었고, 그 과정에서 프로젝트 구조를 즉시 점검하고 개선하는 흐름이 자연스럽게 만들어졌습니다.
바이브 코딩 환경에서 특히 주목할 점은, 현재의 코드 상태가 그대로 다음 작업의 기준이 되기 때문에 구조 개선을 미루는 선택은 곧 코드 품질 저하를 증폭시키는 결과로 이어진다는 것입니다. 한 번 들어간 좋지 않은 구조나 코드 스타일은 이후에도 반복해서 생성될 수밖에 없기 때문입니다. 따라서 코드 품질과 테스트를 지속적으로 점검하고, 아키텍처와 코드 구조, 인터페이스, 참조 문서를 꾸준히 정리해 두어야 에이전트 역시 동일한 맥락에서 개발을 이어갈 수 있습니다. 리팩토링과 구조 개선, 성능 개선을 미루지 않을수록 에이전트의 결과물 역시 더 나은 방향으로 개선됩니다.
흥미로운 점은 이 모든 것들이 사실 새로운 일이 아니라 원래 개발자가 해야 했던 일이라는 점입니다. 다만 예전에는 '지금은 바쁘니 일단 넘기자'라고 미루기도 했던 이 작업들이, 에이전트와 함께 일하는 환경에서는 작업 속도만큼이나 빠르게 기술 부채로 증폭돼 돌아온다는 점이 다릅니다. 실제로 커밋 전 자동 테스트를 한 번 생략했더니 이후 몇 차례 머지되는 동안 작동하지 않는 코드가 눈에 띄게 늘어났다는 경험도 함께 공유됐습니다. 이 경험을 통해 '에이전트에게 코드를 작성하게 하지만 그 결과물이 실제로 프로젝트에 기여하도록 만드는 것은 결국 사람의 역할'이라는 메시지가 보다 선명해졌습니다. 이제는 '시간이 없으니 나중에 고치자' 대신 '지금 바로 구조를 개선하고 다음 작업은 에이전트에게 맡기자'라는 방식이 더 자연스럽게 받아들여지고 있습니다. 결국 앞으로 더 중요해지는 것은 개별 구현 능력보다 프로젝트와 태스크를 설계하고 관리하는 능력, 그리고 메타 지식과 메타 프로그래밍 역량이라는 점도 함께 짚었습니다.
일의 흐름 역시 달라졌습니다. 작업을 시작하기 전에 에이전트가 충돌 없이 일할 수 있도록 작업 환경과 구조, 순서를 먼저 정리하고 계획을 세웁니다. 에이전트에게 병렬로 작업을 맡겨둔 뒤에는 다음 작업을 계획하거나 관련 자료를 조사하고, 이전 작업의 코드 리뷰를 진행합니다. 그렇게 흐름을 이어가다 보면 에이전트는 결과를 가져오고, 개발자는 다시 판단과 조정을 이어가는 구조가 자연스럽게 자리 잡습니다.
이 사례는 처음에는 팀 내에서 소규모로 진행된 공유였는데요. 실무에 바로 적용할 수 있는 내용이라는 반응이 이어지면서 현재는 전사를 대상으로 한 발표도 준비 중입니다.
Step 3. 조직으로 이어진 AI 공유회
AI 공유회는 점차 개인과 팀의 경험을 넘어 조직 단위로 확장되기 시작했습니다. AI 리포터즈는 이 단계에서 각자의 사례를 단순히 소개하는 데 그치지 않고, 다른 조직에서도 참고하고 이어갈 수 있는 형태로 경험을 정리하고 전파하는 데 집중했습니다.
Fintech Engineering 팀의 최선재 님은 이제 많은 구성원들이 바이브 코딩으로 빠르게 프로토타입을 만드는 단계까지는 익숙해졌지만, 아이디어만 있는 상태에서 출발해 실제 서비스로 배포하기까지의 과정에는 여전히 고려해야 할 요소가 많다는 것에 문제 의식을 느끼고 워크숍을 기획했습니다. 단순히 '만들어보는 것'을 넘어, 기획부터 디자인, 개발, 배포까지 이어지는 전체 흐름을 한 번에 경험해 보는 데 초점을 맞춘 원스톱 실습형 워크숍이었습니다.
이 워크숍에서는 Fintech Engineering 구성원들이 한자리에 모여 ChatGPT, Claude Code, Stitch AI를 활용해 짧은 시간 안에 하나의 결과물을 완성해 봤습니다. 워크숍은 각 단계가 분절되지 않고 하나의 흐름으로 이어지도록 구성해 아이디어가 어떻게 구체화되고 구현되어 실제 서비스의 형태를 갖추고 마무리되는지를 자연스럽게 따라갈 수 있도록 설계됐습니다. 참여자들은 여러 AI 도구를 하나의 맥락에서 연결해 사용해 보며 서비스가 완성되기까지의 과정을 이전보다 훨씬 또렷하게 이해할 수 있었다는 반응을 보였습니다. '여러 툴을 한 흐름에서 연결해 보니 머릿속이 정리됐다', '아이디어가 실제 서비스로 완성되는 과정이 인상적이었다'는 피드백도 이어졌습니다. 이 워크숍은 AI 활용의 진입 장벽을 낮추는 동시에 다른 조직에서도 그대로 참고할 수 있는 실질적인 전파 사례로 공유됐습니다. 아래는 워크숍에 참석한 Fintech Engineering 팀원분들의 사진과, 워크숍에서 바이브 코딩으로 제작한 핀테크 서비스 화면을 캡처한 것입니다.
AD Dev Innovation 팀의 고성문 님은 생성형 AI를 LINE Plus 광고 조직의 실제 업무에 어떻게 활용할 수 있을지 함께 고민하고 경험을 나누는 자리인 'GAI 활용 연구회'에 참여하고 있습니다. 이 연구회는 생성 AI를 활용한 기술과 전략 공유를 시작으로 최신 트렌드와 사례를 살펴보고 전사 차원의 생성 AI 프로젝트와 적용 사례를 소개하는 자리이며, 더 나아가 AI 활용을 통한 광고 전문성 향상과 새로운 아이데이션까지 폭넓게 다루며 실질적인 인사이트를 얻는 데 초점을 맞추고 있습니다. 초기에는 짧은 분량의 다양한 주제를 다루는 주간 미팅으로 시작했던 모임이었는데요. 점차 논의 주제가 확장되고 깊어지면서 현재는 월간 미팅 형태로 운영되고 있습니다. 광고 조직 주관으로 시작했지만 타 조직 구성원도 발표자로 초대하며 조직의 경계를 넘는 공유가 자연스럽게 이뤄지고 있습니다.
아래는 GAI 활용 연구회에서 진행했던 주제의 일부입니다.
- AI 에이전트, 정말 잘 작동하고 있을까?
- PyTorch 기반 LLM과 MCP 서버의 상호작용 구조 - MCP SDK를 사용하지 않고, MCP 클라이언트를 간단히 만들어 보기
- 시니어 개발자는 어 떻게 바이브 코딩이 가능해졌을까? (ft. 리얼 바이브 코딩)
- 주니어 개발자가 바이브 코딩으로만 개발해보기(with Claude Code)
- NotebookLM을 이용한 위키/Slack 대화 기반 RAG
한 가지 사례를 살펴보겠습니다. 위 주제 중 두 번째 주제는 AI Hub Dev 팀의 안정수 님이 공유하셨던 주제입니다. 안정수 님은 PyTorch 기반 LLM과 MCP 서버의 상호작용 구조를 직접 구현한 경험을 바탕으로 강연을 진행했습니다. 강연에서는 JSON-RPC 기반 메시지 구조를 어떻게 설계해야 하는지, 세션 상태를 어떤 방식으로 관리해야 하는지 등 구현 과정에서 마주한 고민들을 중심으로 이야기를 풀어갔습니다. FastMCP와 같은 고수준 라이브러리가 감춰 주는 복잡한 레이어들을 직접 마주해 보며, 추상화된 구조 뒤에 어떤 설계와 선택이 숨어 있는지에 대한 인사이트도 함께 공유했습니다.
이 강연은 온라인으로도 공개됐습니다. 지식과 노하우가 특정 팀에 국한되지 않고 관심 있는 구성원이라면 누구나 자유롭게 접근할 수 있도록 전파된 것입니다. 이러한 사례들을 통해 AI 공유회는 개인의 시도에서 출발해 실무에 녹아들고, 다시 조직 전체로 이어지는 흐름을 만들어 갈 수 있었습니다.
AI 활용 경험을 같이 공유하고 나누는 문화를 만들다
AI 리포터즈 활동을 하며 느낀 것은, 조직에 정말 도움이 되는 AI 활용 정보는 어디 먼 곳에 있지 않다는 점이었습니다. 잘 정리된 자료나 최신 트렌드보다 실제 업무 속에서 한 번 써보고, 부딪히고, 다시 고쳐본 경험이 훨씬 많은 힌트를 주고 있었습니다.
이번 AI 리포터즈 활동은 새로운 무언가를 만들어냈다기보다 이미 조직 안에 존재하고 있었지만 흩어져 있던 경험들을 잘 보이게 만드는 과정에 가까웠습니다. 각자의 자리에서 가볍게 시작했던 시도들이 공유회를 통해 연결됐고, 그 과정에서 개인의 실험은 팀의 참고 사례가 되고 다시 조직의 경험으로 확장될 수 있었습니다.
AI 리포터즈 멤버들이 정기적으로 모여 나눈 이야기들 역시 특별한 발표가 아니라 "이건 이렇게 해봤는데 어땠어요?"라는 질문에서 시작된 대화들이었습니다. 그런 대화 속에서 서로의 시행착오를 자연스럽게 받아들이고, 다음 시도를 이어갈 수 있는 분위기가 만들어졌다는 점이 오래 기억에 남을 것 같습니다. 저희는 Slack으로 관련 소식이나 트렌드를 꾸준히 주고받고, 월별 정기 미팅에서 가볍게 근황을 나누는 시간을 보냈습니다. 아래와 같이 최근 핫했던 두쫀쿠를 함께 먹으며 AI 활용 경험을 나누기도 했고요.
AI 활용은 한번 잘 해보는 것으로 끝나지 않습니다. 계속 바 뀌는 도구와 환경 속에서 얼마나 자주 시도해 보는지, 그 경험을 얼마나 잘 나눌 수 있는지가 더 중요해지고 있습니다. 이번 AI 리포터즈 활동은 그 시도를 멈추지 않기 위한 하나의 구조를 만들어보는 시간이었습니다. 앞으로도 각자의 작은 시도가 개인의 노하우로만 머물다 사라지지 않고 조직 안에 남아 다음 시도로 이어질 수 있도록 연결과 공유의 자리를 계속 만들어 가고자 합니다.
