Amazon Q Developer를 활용한 Voithru의 개발 생산성 혁신 여정

Voithru는 ‘전세계 콘텐츠를 잇다’라는 슬로건 아래, 전세계의 다양한 콘텐츠 번역에 GenAI를 활용하여 업무 생산성 향상을 도모해 서비스의 품질을 높이고 개발자 및 비개발자의 작업 효율 증가를 기술적으로 풀어내기 위해 노력하고 있습니다. 이번 블로그 글에서는 Amazon Q developer를 활용해 어떻게 인프라 모니터링 자동화 뿐 만 아니라 개발 패러다임을 변화시켜 근본적으로 일하는 방식에 변화를 가져왔고, 업무 생산성을 30배 높일 수 있었는지를 소개합니다.

Amazon Q Developer 도입 배경 및 목표

Amazon Q Developer는 AWS 애플리케이션을 이해, 구축, 확장 및 운영하는 데 도움이 되는 생성형 인공 지능(AI) 기반 대화형 어시스턴트입니다. AWS 아키텍처, AWS 리소스, 모범 사례, 설명서, 지원 등에 대해 질문할 수 있고 코드 구축, AWS 인프라 보안 스캔, 코드 최적화 및 리팩터링 등 소프트웨어 개발의 다양한 측면에서 도움을 제공하는 기능을 포함하고 있습니다.

Voithru는 복잡한 도전 과제를 해결하기 위해 AI 기반 개발 도구의 도입을 검토했고 다음과 같은 이유로 Amazon Q Developer를 선정하였습니다:

복잡한 코드베이스 분석 능력: 30개의 서비스를 동시에 분석하고 이해할 수 있는 강력한 컨텍스트 처리 능력
다양한 기술 스택 지원: Node.js, React, Rust 등 Voithru에서 사용하는 모든 기술 스택에 대한 포괄적 지원
통합 개발 환경: CLI부터 IDE 플러그인까지 다양한 개발 환경에서의 일관된 경험 제공
AWS 인프라 보안: 기업 환경에서 요구되는 보안 및 컴플라이언스 요구사항 충족

체계적인 도입 전략

Voithru는 AI 코드 어시스턴트의 사용 경험이 많지 않은 개발자를 선별하여 일정 기간동안 Amazon Q Developer의 사용 방법을 익히고 활용에 집중할 수 있는 환경을 세팅했습니다. Voithru는 다음의 명확한 목표와 성공 기준을 가지고 있었습니다.

개발 생산성 향상: 반복적인 코딩 작업 자동화를 통한 개발 속도 향상
코드 품질 개선: AI 기반 코드 리뷰 및 최적화를 통한 품질 향상
러닝 커브 단축: 새로운 기술 스택 도입 시 학습 시간 단축
팀 협업 효율성 증대: 역할 경계를 넘나드는 다기능 개발자 양성

명확한 목표를 기준으로 6주간의 스프린트를 진행하였습니다. 스프린트 처음과 마지막의 Amazon Q developer 사용 정도를 나타내는 대시보드를 살펴보면 전체 코드 작성 수가 주당 229줄에서 666줄로 대략 3배 정도 증가한 것을 볼 수 있고, 이는 실제 업무에 Amazon Q developer 활용 정도가 증가했다는 것이기도 합니다.

또한 품질 개선 지표를 정리해보면 기존 프로젝트에 비해 버그 발생률이 50% 감소하고 코드 리뷰 수는 5배 증가하여 개발자 생산성을 높이고 개발 속도가 향상된 것을 볼 수 있습니다. 또한 테스트 커버리지는 평균 80% 이상을 달성하면서 초기 개발 단계에서 개발자들이 Rust 언어에 익숙하지 않았음에도 러닝 커브가 크게 줄어들어 기술 부채가 70% 감소되었습니다.

주목할만한 지표로는 팀의 만족도 및 수용도를 나타내는 정성적인 성과 지표였는데, Amazon Q Developer를 사용하면서 팀원들과 인터뷰를 한 결과 다음과 같이 정리해볼 수 있습니다.

사용 편의성: 5.0/5.0점 (만점 달성)
온보딩 경험: 4.7/5.0점
지속 사용 의향: 100%

주요 기능에 대한 개발자 피드백

개발자들은 특히 다음과 같은 기능들이 유용했다고 평가했습니다.

Context Save/Load: 특정 작업에서 중요한 컨텍스트를 저장하고 불러올 수 있는 기능이 매우 유용했습니다. 대부분의 경우 컨텍스트를 작게 유지하는 것이 좋지만, 복잡한 작업에서는 이 기능이 큰 도움이 되었습니다.
Editor: 실수로 Enter 키를 눌러 미완성 프롬프트를 제출하는 경우를 방지해주고, 장문의 프롬프트를 체계적으로 작성할 수 있도록 돕는 기능이 인상적이었습니다.
Customization: 내부 코드 저장소를 연동하여 내부 라이브러리 또는 코딩 스타일에 맞게 소프트웨어 개발을 할 수 있었습니다. 특히, Profile별로 Customization을 다르게 설정할 수 있는 부분은 코딩 외에 다양한 운영 업무를 하는 백엔드 개발자에게 특히 유용했습니다.
AWS 인프라 이해도: 다른 코드 어시스턴트에 비해 AWS 인프라 관련 작업을 훨씬 더 잘 수행하는 경험을 할 수 있었습니다.

가장 큰 변화: 개발 패러다임과 판단 기준의 전환

이번 스프린트를 통해 얻은 가장 큰 변화는 단순 생산성 향상을 넘어 개발 패러다임과 판단 기준 자체가 변화했다는 점입니다. 규모가 크고 복잡한 시스템을 운영하기 위해서는 다양한 직군의 협업이 필수적이며, 이 과정에서 발생하는 커뮤니케이션 비용은 무시할 수 없지만 AI를 활용하여 이 비용을 극복할 수 있는 가능성을 보았습니다.

코딩에 필요한 리소스가 현저히 줄어들면서 의사결정의 양상도 판이하게 달라졌습니다. 이전에는 더 나은 결과물을 향한 개발자의 열정이 시간이나 비용 같은 현실적인 제약에 부딪혀 트레이드오프를 해야만 했습니다. 하지만 이제는 많은 코딩 작업에서 자유로워짐에 따라, 단순히 ‘가능한가’가 아닌 ‘최선인가’를 기준으로 판단하며 더 높은 가치를 추구할 수 있게 되었습니다.

AI 협업 문화 정착을 위한 노력과 과제

Amazon Q Developer 도입은 조직 문화에 근본적인 변화를 가져왔습니다. AI를 경쟁자가 아닌 협업 도구로 인식하고 개발자의 역할을 확장하는 성공적인 문화를 정착시키기까지는 여러 과제가 있었습니다. Voithru 팀은 긴밀히 협력하며 다양한 케이스를 함께 연구하고, 여러 지표를 기반으로 실질적인 성과를 만들어냈습니다. 이러한 협력을 통해 Voithru는 다음과 같은 5가지 주요 과제를 해결하며 성공적인 AI 협업 문화를 정착시킬 수 있었습니다.

LLM에 대한 이해 증진: 초기에는 LLM의 동작 방식에 대한 이해가 부족하여 컨텍스트를 불필요하게 크게 유지하거나, 한 번에 여러 태스크를 지시하는 등의 실수가 있었습니다. 역할 부여와 같은 프롬프트 엔지니어링 기법을 학습하며 점차 개선되었습니다.
AI 활용 영역의 명확화: 창의력이 필요한 부분과 아닌 부분을 구별하여 AI를 사용하는 것이 중요했습니다. 특히 기술이나 업무에 대한 이해도가 낮은 상태에서 AI에 과도하게 의존할 경우 결과물의 기복이 컸습니다. 오히려 AI 툴 활용을 연습하는 과정에서 주니어 개발자들이 보다 체계적으로 업무를 분석하고 지시하는 역량을 기르는 긍정적인 효과도 있었습니다.
관리자(Manager) 역량의 필요성: AI와의 협업은 단순히 코딩 실력이 아닌, 업무를 정확히 이해하고 AI의 성향에 맞춰 명확하게 지시를 내리는 관리자로서의 역량을 요구했습니다. 팀원이 복잡한 업무에 익숙하지 않을 때 작업을 세분화하고 구체적인 가이드를 제공하는 마이크로매니징이 필요한 것처럼, 코드 어시스턴트에게도 이 원칙이 동일하게 적용되었습니다. 일반적이고 간단한 업무는 큰 틀에서 지시해도 잘 수행했지만, 복잡하고 어려운 업무일수록 작업을 잘게 나누어 지시하는 마이크로 매니징 방식이 훨씬 효과적이었습니다.
‘좋은 코드’에 대한 기준 재정립: “좋은 코드란 무엇인가?”에 대한 기준을 다시 생각하는 계기가 되었습니다. 인간 개발자가 보기 좋은 코드와 코드 어시스턴트가 유지보수하기 좋은 코드는 다를 수 있다는 점을 인지하고, 새로운 기준을 정립해 나갔습니다.
심리적 장벽 극복: 처음에는 일부 주니어 개발자들이 AI를 자신의 위치를 위협하는 경쟁자로 인식하여 반감을 갖기도 했습니다. 이러한 반감이 사라진 후에도, AI로부터 완벽한 코드를 얻어내기 위해 오히려 이전보다 더 많은 시간을 소모하는 심리적 함정에 빠지기도 했습니다. AI의 부족한 점을 찾으려는 심리를 극복하고, AI를 신뢰하는 협력자로 받아들였을 때 비로소 생산성이 급격히 향상되었습니다.

이러한 과제들을 극복하는 과정을 통해 자연스럽게 개발자의 역할이 확장되고, 구성원 개개인이 ’10x 엔지니어’로 성장하는 등 조직 전체의 역량이 강화되는 긍정적인 결과를 얻을 수 있었습니다.

주요 프로젝트 성과

6주간의 스프린트 동안 다음과 같은 다양한 프로젝트를 성공적으로 수행했습니다.

코어 시스템 마이그레이션
유지보수 및 신규 기능 개발
신규 고객사 데모 앱 런칭
AI Agentic Platform 개발
프로젝트 문서화

운영 효율성 극대화 및 비용 최적화

최근 발생한 운영 장애 상황에서 Amazon Q Developer의 진가가 드러났습니다. CloudWatch 로그를 신속하게 분석하여 정확한 장애 원인을 파악하는 데 결정적인 도움을 주었습니다.

또한, 기존에 어려움을 겪었던 비용 트래킹 및 예측에서도 뛰어난 성능을 보였습니다. Amazon Q Developer를 활용해 매우 정확하게 비용을 측정하고 예측할 수 있었으며, 그 과정에서 제시된 비용 절감 제안을 통해 실제로 큰 폭의 비용을 절감할 수 있었습니다. 한 예로, 서버리스 환경 운영 경험이 부족한 구성원이 만든 설정 오류를 Amazon Q Developer가 정확히 찾아내어 쉽게 수정할 수 있었습니다. 뿐만 아니라, 어플리케이션 레벨에서의 비용 절감 포인트를 제안 받아 추가적인 최적화를 이룰 수 있었습니다.

역할 경계의 해소와 다기능 개발자로의 진화

기획자 → 디자이너 → 백엔드 개발자 → 프론트엔드 개발자 → QA
[기존 프로세스]

기존에는 위와 같은 순차적 프로세스를 따랐습니다.

개발자 (Q Developer 활용) → 기획 → 설계 → 개발 → 테스트 → 배포
[Amazon Q Developer 도입 이후 프로세스]

Amazon Q Developer 도입 후에는 한 명의 개발자가 기획을 포함해 개발과 테스트까지 전체 프로세스를 담당할 수 있게 되면서 커뮤니케이션 비용이 거의 제로에 가까워졌습니다.

신규 고객사와의 계약 과정에서 일주일 내에 복잡한 데모 앱을 제공해야 하는 요청이 있었습니다. 일반적인 상황이라면 불가능했지만, Amazon Q Developer를 활용해 단기간에 개발을 완료했습니다. 특히 고용량 영상 처리를 위해 기존 Electron 기반 백엔드를 프로젝트 막바지에 고성능 Rust 기반으로 변경해야 했지만, 이 마이그레이션 작업은 단 2시간 만에 문제없이 완료되었습니다. 이는 Amazon Q Developer와 더불어 Kiro를 통해 잘 작성된 요구사항 명세서 덕분에 가능했습니다.

이는 장기적인 관점에서 운영 효율성을 높이고 인력 비용을 최적화할 수 있는 포인트가 되었습니다. 맨먼스(Man-Month) 관점에서 주요 프로젝트의 효율성은 다음과 같습니다.

Agent Hub 개발: 4명의 팀원이 3개월간 처리할 업무 → 1명의 개발자가 1주일 안에 완료 (인력 비용 90% 이상 절감)
기존 내부 프로젝트 고도화: 5명이 1개월간 처리할 업무 → 1명이 1일 안에 완료 (인력 비용 99.3% 절감)
매출 단가 고도화: 1~2주 소요 → 몇 시간 만에 완료 (시간 비용 95% 절감)

이러한 생산성 향상이 연간 지속된다고 가정할 때, 다음과 같은 개선 효과를 예측할 수 있습니다.

개발 인력 비용: 연간 약 5억원 절감 (7명 개발팀 기준)
프로젝트 일정 단축: 평균 70% 일정 단축으로 인한 기회비용 절약
품질 개선: 버그 수정 비용 50% 절감

단순히 비용 절감 뿐만 아니라 효율적인 운영과 빠른 개발은 새로운 아이디어를 즉시 검증할 수 있도록 하여 빠른 프로토타이핑이 가능해지고, 고객의 요구사항을 신속하게 대응할 수 있을 뿐 만 아니라 시장 변화에 대한 빠른 적용으로 경쟁사 대비 우위를 확보할 수 있습니다.

결론

Voithru의 Amazon Q Developer를 활용한 경험은 단순한 AI 도구 도입을 넘어 조직의 근본적 변화를 이끌어낸 혁신적 사례입니다. 6주간의 체계적인 프로젝트를 통해 달성한 주요 성과를 요약하면 다음과 같습니다.

정량적 성과의 혁신성

개발 생산성 40배 향상: 월 단위 작업을 일 단위로 완료하는 혁신적 효율성
3,250라인의 고품질 코드 생성: 39.5% 승인률로 검증된 실용적 품질
시간 효율성 90%+ 개선: 대부분의 프로젝트에서 획기적 시간 단축 달성
인력 효율성 5-40배 향상: 최소 인력으로 최대 성과를 창출하는 새로운 패러다임

정성적 성과의 의미

역할 경계 해소: 백엔드 개발자가 풀스택 개발자로 자연스럽게 진화
신기술 학습 가속화: Rust 등 새로운 기술 스택을 즉시 적용 가능한 역량 확보
조직 문화 혁신: AI 협업 문화 및 지속적 학습 문화의 성공적 정착
비즈니스 확장: 새로운 사업 영역 진출을 위한 기술적 기반 구축

Voithru 사례는 AI 기반 개발 도구가 단순한 생산성 향상 도구를 넘어 개발 패러다임 자체를 변화시킬 수 있음을 명확히 보여줍니다. 개발자의 역할이 코드 작성자에서 전략적 사고를 하는 아키텍트로 진화하고 있으며, 이는 소프트웨어 개발 업계 전체에 중요한 시사점을 제공합니다. 또한 전통적인 기능별 팀 구조에서 통합적 역할을 수행하는 다기능 팀으로의 전환이 현실적으로 가능함을 입증했습니다. 이는 많은 기업들이 고민하고 있는 조직 효율성 문제에 대한 실질적인 해결책을 제시하고 있습니다.

마지막으로, AI 도구의 효과적 활용이 기업의 새로운 경쟁 우위 요소가 될 수 있음을 보여주며, 조기 도입과 체계적 활용의 중요성을 시사합니다.

마무리

Voithru의 Amazon Q Developer 도입은 AI 기반 개발 도구의 잠재력을 최대한 실현한 모범 사례로서, 소프트웨어 개발 업계에 중요한 이정표를 제시했습니다. 체계적인 도입 전략, 실무 중심의 접근, 그리고 무엇보다 변화를 수용하는 조직 문화가 결합되어 놀라운 성과를 달성할 수 있었습니다.

Amazon Q Developer는 단순한 코딩 도구를 넘어 개발자의 창의성과 생산성을 극대화하는 강력한 도구임을 다시 한번 확인할 수 있었습니다. 앞으로도 더 많은 기업들이 이러한 혁신적 도구를 활용하여 개발 생산성의 새로운 지평을 열어가기를 기대합니다.

미래의 소프트웨어 개발은 인간과 AI가 협력하는 새로운 패러다임으로 진화할 것이며, Voithru는 이러한 변화의 선두주자로서 업계에 중요한 영감을 제공하고 있습니다.

AWS 기술 블로그