본문은 요즘 IT와 번역가 Yuna가 함께 야쿠브 기자(Jakub Giza)의 글 <How to leverage AI for better IT requirements and process improvements in your company>을 번역한 글입니다. 필자는 25년 이상의 기업 IT 경력을 보유한 전문가로, 통신, 디지털 플랫폼, 대규모 혁신 프로젝트 등 다양한 분야에서 글로벌 개발 프로그램을 이끌어왔습니다. 현재는 AI 실험 단계를 넘어 실제 조직 안에서 AI를 체계적으로 실행할 수 있도록 돕는 데 집중하고 있으며, 인간과 AI의 협업 프레임워크인 HyperVe의 창시자이기도 합니다.

이 글은 AI 도입 후에도 기대했던 ROI가 나오지 않는 이유를 짚고 그 해결책을 제시합니다. 개발 속도만 높이는 것으로는 부족하며, 요구사항을 정의하는 방식 자체를 AI 시대에 맞게 바꿔야 한다고 설명합니다.

필자에게 허락을 받고 번역했으며, 글에 포함된 링크는 원문에 따라 표시했습니다.

AI 열풍이 조금씩 식어가고 있습니다. 대부분의 기업은 이미 개발자에게 코파일럿, 코드 어시스턴트 같은 AI 도구를 쥐여주며 개발 속도를 높였는데요. 그런데도 여전히 뭔가 빠진 느낌입니다. AI가 우리가 기대했던 만큼 일하고 있다는 확신이 들지 않죠. ROI 향상, 10배의 생산성 개선, 그 기대했던 순간이 아직도 오지 않은 것 같습니다.

그런데 사실, 그 순간은 이미 와 있습니다. 지금 당장 활용할 수 있죠. 먼저 짚고 싶은 건, AI를 개발에 활용하는 것만으로는 부족하다는 점입니다. 개발 전 단계부터 이후까지, 전체 흐름이 함께 빨라져야 하거든요. 10배의 생산성과 더 나은 AI 투자 수익은 결국 가장 느린 단계를 얼마나 빠르게 끌어올리느냐에 달려 있습니다. 그리고 지금 그 병목은 개발 이전으로 옮겨갔습니다. 무엇을 만들지 정의하고 검증하는 단계가 빨라진 개발 속도를 따라가지 못하고 있는 거죠.

상황은 더 심각합니다. AI 시대에는 불명확한 의도, 부족한 맥락, 검증되지 않은 비즈니스 가정이 단순히 속도를 늦추는 문제가 아닙니다. 잘못된 것을 더 빠르게 만들게 되고, 그만큼 조직의 위험도 커지죠.

해결책은 무엇일까요? 비즈니스 요구사항을 정의하고 프로세스를 개선하는 속도와 정확도를 AI 개발 속도에 맞춰야 합니다. 코딩에만 AI를 쓸 게 아니라, 비즈니스 활동 전반에 AI를 녹여야 한다는 뜻입니다.

AI 투자 수익이 낮은 건 개발 속도 문제가 아닙니다

개발이 빨라지면 그 이전 단계가 새로운 병목이 됩니다.

불명확한 의도: "포털이 필요합니다…" 같은 두루뭉술한 요청
부족한 맥락: 실제 업무가 어떻게 돌아가는지 모르는 상태
부실한 검증: 이게 정말 가치를 만들어낼지 확인하지 않는 상태
숨겨진 제약: 법무, 운영, 시스템 의존성, 데이터 품질 등 미처 파악 못 한 것들
느린 합의: 회의로만 요구사항을 정리하려는 관행

결국 무엇을 만들지 정의하고 검증하는 단계가 AI로 빨라진 개발 속도를 따라가지 못하는 겁니다. AI가 기대만큼의 성과를 내지 못하는 이유가 바로 여기 있죠. 더 빠르게, 때로는 더 잘 만들지만 정작 필요하지 않은 것을 만드는 경우가 너무 많습니다.

잘못된 방향에 빠른 실행이 더해지면, 빠르게 망합니다.

"더 나은 프롬프트"는 답이 아닙니다

많은 분들이 이렇게 반응합니다. "더 좋은 프롬프트가 필요해." 그럴듯하게 들리지만 잘못된 처방입니다. 프롬프트가 근본 문제가 아니거든요. 프롬프트는 이미 더 앞 단계에서 망가진 흐름의 마지막 단계일 뿐이죠.

진짜 문제는 대부분의 조직이 요구사항을 다루는 방식이 아직도 그대로라는 점입니다. 문서 하나, 티켓 하나, 인수인계 하나, 한 번 쓰고 끝나는 산출물로 취급하죠. 개발이 느렸을 때는 그래도 됐습니다. 하지만 지금처럼 개발이 빠른 시대엔 통하지 않습니다.

AI 시대에 요구사항은 이래야 합니다.

협업: 이해관계자와 AI가 함께 만들어가야 합니다.
실제 맥락: 회사와 시장에 대한 구체적인 지식에서 출발해야 합니다.
지속적인 개선: 한 번 쓰고 끝나는 게 아니라 계속 다듬어져야 합니다.
추적 가능성: 처음 의도부터 최종 결과까지 가치를 검증할 수 있어야 합니다.

새로운 요구사항 정의 시스템, VOS의 등장

그렇다면 실제로 무엇이 필요할까요? 개발이 시작되기 전, 팀이 비즈니스 의도를 실행 가능한 형태로 바꿀 수 있도록 돕는 무언가가 필요합니다. 거버넌스, 맥락, 팀 간 합의를 잃지 않으면서요. 다시 말해, 의도, 맥락, 가정, 아이디어, 논의, 결정을 하나로 엮어주는 시스템이 필요한 겁니다.

그래서 등장한 새로운 개념이 바로 VOS(Value Orchestration System, 요구사항 정의 시스템)이죠. VOS는 백로그 도구도, 챗봇도, 문서 저장소도, 티켓 시스템도 아닙니다.

HyperVe Loop — Value Orchestration System

VOS는 AI가 팀의 일을 늘리기 전에, 먼저 질을 높이도록 돕는 시스템입니다.

이제 업무 흐름은 요청에서 프롬프트, 개발 순입니다

기존 개발 방식에서는 "요구사항"에서 "구현"으로 넘어가는 흐름을 따랐는데요. 일반적인 소프트웨어 개발 생명주기, SDLC가 그것입니다. AI 네이티브 업무에서는 흐름이 다릅니다. 더 단순하고, 더 명확하고, 더 솔직하죠.

요청하고, 프롬프트를 만들고, 개발합니다.

요청: 비즈니스 의도, 기대 결과, 제약 조건, 성공 기준을 명확히 정의합니다.
프롬프트: 추측이 아닌 회사의 실제 상황을 담아 구체적인 지침을 만듭니다.
개발: 사람과 AI가 함께 실행하되, 처음 의도와 일치하는지 언제든 확인할 수 있습니다.

이 흐름이 실제로 이루어지려면 그에 맞는 공간이 필요합니다. 협업, 검증, 거버넌스가 기본으로 갖춰진 작업 공간이죠.

AI가 우리 회사를 알아야 제대로 작동합니다

AI가 일관되게 도움이 되려면 회사의 실제 상황을 알아야 합니다. 우리 조직이 어떻게 돌아가는지 AI가 파악하고 있어야 한다는 뜻이죠. 이를 위해 조직의 실제 상황을 담은 회사 정보가 필요합니다. 여기엔 이런 것들이 포함돼야 합니다.

프로세스: 업무가 어떻게 흘러가는지, 어디서 시간이 낭비되는지
시스템과 연동: 어떤 시스템을 쓰는지, 어디서 인수인계가 끊기는지
제약 조건: 보안, 법무, 운영, 데이터 저장 위치 등 반드시 지켜야 할 것들
기존 문서와 결정 사항: 이미 알고 있는 것, 이미 결정된 것들
담당자와 이해관계자: 누가 무엇을 결정하는지
데이터 품질 기준: 자동화가 제대로 작동하려면 어떤 조건이 갖춰져야 하는지

이런 토대 없이 요구사항을 만들면 그건 그냥 의견입니다. 이런 토대를 갖추고 요구사항을 만들면 그건 근거가 됩니다. “회의에서 나온 아이디어”가 “시스템 안에서 관리”되기 시작하는 변화입니다.

실무에 적용해보면 다음과 같습니다

"주문에서 개통까지 걸리는 시간을 14일에서 3일로 줄이자"는 목표가 있다고 해봅시다.

대부분의 팀은 바로 해결책으로 뛰어듭니다.

단계를 자동화한다
새 도구를 도입한다
워크플로를 다시 만든다
다른 플랫폼을 구매한다

하지만 AI 기반 요구사항 워크스페이스는 그 전에 먼저 해야 할 일을 합니다.

올바른 질문을 던지는 거죠. 핵심을 파고드는 탐색입니다.

정확히 어디서 지연이 발생하는가?
어떤 단계가 수동이고 어떤 단계가 자동화되어 있는가?
무엇이 재작업을 유발하는가?
어떤 제약이 자동화를 막고 있는가?
어떤 수준의 데이터 품질이 필요한가?

이 질문들은 조직의 실제 정보에 기반하기 때문에 추측이 아닌 사실에서 출발합니다.

프로세스 흐름과 이미 파악된 병목 지점
관련된 시스템들
시스템 간 연결과 인수인계 지점
반복적으로 발생하는 문제 패턴
이전에 내려진 결정과 제약 조건

그리고 각 선택지를 장단점과 함께 제시합니다. 어떤 결정을 내릴지 훨씬 명확해지는 순간이죠.

"옵션 A는 시간을 가장 빠르게 단축하지만, 먼저 데이터 정리가 필요합니다."
"옵션 B는 비용이 덜 들지만 개선 효과는 20%에 그칩니다."
"옵션 C는 고객 경험을 높이지만 운영 방식의 변화가 필요합니다."

결과물은 바로 검토하고 실행할 수 있는 형태로 나옵니다.

구조화된 요청서
프롬프트로 바로 활용할 수 있는 명세서
목표에서 가정, 결정, 산출물까지 연결되는 추적 가능한 흐름

이 과정을 거치면 "프로세스를 개선해야 한다"는 막연한 말이 측정 가능한 결과로 이어지는 실질적인 결정이 됩니다.

HyperVe Loop의 사례

HyperVe Loop는 요청, 프롬프트, 개발 흐름을 중심으로 만들어진 VOS의 실제 사례입니다. 주요 기능은 이렇습니다.

AI 기반 협업: AI가 이해관계자들과 함께 올바른 질문을 던지고, 결정 사항을 기록하고, 새로운 아이디어를 끌어냅니다.
실제 맥락 기반 대화: 추측이 아닌 회사의 프로세스, 시스템, 제약 조건, 문서, 결정 사항을 토대로 논의가 이루어집니다.
개발 전 검증: 본격적인 개발에 들어가기 전에 가치, 실현 가능성, 리스크, 장단점을 먼저 따져봅니다.
근거 있는 선택지 비교: ROI를 기준으로 실행 가능한 옵션을 비교해 볼 수 있습니다.
전 과정 추적: 요청에서 프롬프트, 개발까지 모든 과정이 끊기지 않고 연결됩니다.

결과적으로 더 나은 결정, 더 빠른 합의, 그리고 불필요한 재작업이 줄어듭니다.

다음 경쟁력은 더 명확한 의도에서 나옵니다

AI 네이티브 개발은 이제 당연한 것이 되어가고 있습니다. 다음 경쟁력은 비즈니스 요구사항을 정의하는 방식도 함께 바꾸는 데 있습니다. 구조화되고, 실제 맥락에 기반하고, 협업적이고, 추적 가능한 방식으로요. 개발이 빨라진 지금, 결국 중요한 건 하나입니다. 올바른 것을 만들고 있느냐는 질문이죠.

<원문>

How to leverage AI for better IT requirements and process improvements in your company