AI 도구 도입 3개월 리포트: 제품 팀의 생산성은 올라갔지만, 진짜 과제는 따로 있었다
2026년 6월 26일
작성: CPO 조직 | 2026.06 | AI로 업무 프로세스 개선하기 시리즈 1회차
“최근 한 달의 commit 및 PR이 이전 전체에 비해 4배입니다.”
AI 도구를 제품 팀 전원에 도입한 지 3개월이 지났습니다.
코드 초안 작성과 디버깅, PRD 작성, 문서화, 테스트 케이스 생성 등 여러 업무에서 속도가 빨라졌다는 반응이 나왔습니다. 하지만 속도가 빨라졌다는 사실만으로 AI 도입 효과를 충분히 설명할 수는 없었습니다.
그래서 주식회사 텐 CPO 조직은 체감에만 의존하지 않고, 제품 팀 26명 전원을 대상으로 자체 설문을 진행했습니다. 결과는 명확한 양면을 보여줬습니다.
이번 글은 주식회사 텐 제품 팀이 AI 도구를 전원 도입한 지 3개월이 지난 시점에서, 자체 설문을 통해 확인한 변화와 과제를 정리한 기록입니다.
AI 도구 도입 후 3개월
올해 초 CPO 조직은 개발자, PO, 디자이너 전원이 Claude를 비롯한 AI 도구를 도입하기로 결정했습니다. 단순히 툴을 추가하는 것이 아니라, 일하는 방식 자체를 바꾸는 선언에 가까웠습니다.
3개월이 지나자 팀 안에서 서로 다른 반응이 나오기 시작했습니다.
-
"AI를 쓰니까 확실히 빠르다."
-
"초안 작성 시간이 크게 줄었다."
-
"코드 품질은 오히려 더 꼼꼼히 봐야 한다."
-
"프롬프트를 어떻게 써야 하는지 아직 모르겠다."
-
"잘 쓰는 사람과 그렇지 않은 사람의 차이가 크다."
체감은 있었지만 데이터는 없었습니다.
그래서 지금 우리가 AI를 얼마나 깊이 활용하고 있는지, 실제 생산성은 얼마나 달라졌는지, 그리고 팀 차원에서 어떤 구조가 부족한지를 확인하기로 했습니다.
제품 팀 AI 활용 설문 개요
이번 설문은 제품 팀 전원을 대상으로 진행했습니다.
-
응답자: 제품 팀 전원 26명
-
대상 직군: 개발자, PO, 디자이너
-
설문 기간: 2026년 6월 4일 ~ 6월 9일
-
측정 방식: 10개 항목, 5점 척도 자체 설문 + 주관식 코멘트
-
주요 측정 항목: AI 활용 깊이, 반복 업무 자동화, 생산성 변화, 컨텍스트 관리, 검증 프로세스, 지식 공유 체계 등
설문 결과 : 숫자로 본 AI 도구 도입 3개월의 효과
10개 항목을 5점 척도로 측정한 결과, 항목별로 뚜렷한 차이가 나타났습니다.
개인 생산성은 실제로 올라갔다
Q3(AI 도입 후 완료 업무량 체감 증가)은 평균 4.3점으로 전체 항목 중 가장 높은 점수를 기록했습니다.
주관식 응답에서도 생산성 향상은 반복적으로 확인됐습니다.
최근 한 달의 commit 및 PR이 이전 전체에 비해 4배입니다."
— 백엔드 개발자 윤승규
일주일 걸리는 업무량을 하루도 안 돼서 처리할 수 있을 만큼 속도가 빨라졌습니다.”
— 백엔드 개발자 김영준
Job, JobTemplate, CronJob, ChainJob 총 4개 메뉴 UI를 AI를 적극 활용해 동시 진행했습니다. 기존 방식이었다면 혼자 이 범위를 감당하기 어려웠을 것입니다.”
— PO 유승희
특히 효과가 크게 나타난 영역은 초안 생성과 반복 업무였습니다. 코드 초안 작성, 디버깅 방향 탐색, PRD 작성, 테스트 케이스 생성, 문서화 등 전반에서 AI는 생산성 부스터로 작동했습니다.
기존에는 사람이 처음부터 직접 작성해야 했던 작업을 AI가 빠르게 초안으로 만들어주고, 팀원은 이를 검토하고 수정하는 방식으로 업무 흐름이 바뀌고 있었습니다.
AI는 제품 팀의 업무량을 실제로 높였습니다. 하지만 문제는 그다음이었습니다.
산출물이 늘수록, 리뷰 병목도 커진다
생산성이 올라가면 자연스럽게 산출물도 많아집니다. 하지만 산출물이 많은 것이 좋은 것은 아닙니다. 리뷰해야 할 코드와 문서도 늘어나기 때문입니다.
Q4, 즉 산출량 증가에 맞춰 리뷰와 검토 품질을 유지하고 있는지를 묻는 항목은 평균 3.6점을 기록했습니다. 나쁘지 않은 점수지만, 생산성 증가를 묻는 Q3의 4.3점과 비교하면 차이가 분명합니다. 이 차이는 산출 속도와 검증 속도 사이의 간극을 보여줍니다.
팀원들의 응답에서도 이중적인 흐름이 보였습니다. AI 덕분에 리뷰가 빨라졌다는 의견이 있는 반면, AI가 만든 코드가 많아지면서 리뷰 자체가 부담이 되고 있다는 의견도 있었습니다.
AI가 생성한 코드는 최종적으로 사람이 이해하고 검증해야 품질이 유지된다고 생각합니다. 작성자 본인도 충분히 이해하지 못한 상태라면 리뷰 과정의 효과도 크게 떨어집니다.”
— 프론트엔드 개발자 주근재
AI가 작성한 코드는 결국 사람이 이해하고, 검증하고, 유지보수할 수 있어야 합니다. 코드의 양은 늘었지만, 맥락과 의도가 충분히 설명되지 않으면 리뷰 품질은 오히려 떨어질 수 있는 것입니다.
가장 취약한 두 가지: 검증 프로세스(2.5점)와 노하우 공유(2.5점)
Q7 (AI 생성물 검증 프로세스)과 Q9 (AI 노하우 공유 체계)는 모두 2.5점으로 전체 최하위였습니다. 이 두 항목이 동시에 낮게 나온 것은 우연이 아닙니다.
두 문제는 구조적으로 연결되어 있습니다. 팀 차원의 노하우 공유 체계가 없으면 공통의 리뷰 기준을 만들기 어렵고, 검증 기준이 없으면 어떤 AI 활용 방식이 좋은 방식인지 판단하기 어렵습니다. 결과적으로 노하우는 쌓이지 않고 개인의 경험에 머무르게 됩니다.
개인별로 쓰는 방식이 다르고 공유 채널이 따로 없습니다.”
— PO 이효민, 디자이너 김지수
팀원 각자 방향성이 꽤 다른 업무를 진행하고 있어 공통화가 쉽지 않습니다.”
— ML 엔지니어 이창훈
실제로 일부 팀원은 스킬, 훅, MCP 연동을 통해 멀티스텝 자동화 파이프라인까지 구축하고 있었습니다. 반면 프롬프트를 어떻게 써야 할지 아직 감을 잡지 못한 팀원도 있었습니다. 같은 팀 안에서 한쪽은 AI로 업무 전체를 자동화하고, 다른 쪽은 여전히 어디서부터 시작해야 할지 모르는 상황이 공존하고 있었던 것이죠.
AI 업무 프로세스 개선을 위한 4가지 액션 아이템
설문 결과를 바탕으로, CPO 조직 차원에서 즉시 실행 가능한 4가지 액션 아이템을 도출했습니다.
Action 1. 잘하는 팀원의 AI 활용 방식을 팀 전체의 자산으로 만든다
팀 안에는 이미 높은 수준으로 AI를 활용하는 팀원들이 있습니다. 문제는 그 방식이 팀 전체에 충분히 공유되지 않았다는 점입니다.
따라서 가장 먼저 해야 할 일은 잘하는 팀원의 방식을 공개하고, 팀 전체의 자산으로 만드는 것입니다.
월 1회 이상 내부 사례 공유 세션을 운영하고, 공유된 내용은 Confluence에 아카이빙합니다.
단순한 사용 팁이 아니라 실제 프롬프트, 자동화 구조, 컨텍스트 문서 예시, 시행착오까지 함께 정리해 개인의 방식이 팀의 운영 기준으로 축적되도록 합니다.
Action 2. AI 생성물 검증의 최소 기준을 정한다
처음부터 완벽한 프로세스를 만들 필요는 없습니다. 지금 필요한 것은 최소 기준입니다.
AI가 생성한 코드라면 작성자가 동작 원리와 변경 의도를 설명할 수 있는지, 테스트 케이스가 함께 작성됐는지, AI가 임의로 만든 함수명이나 설정값은 없는지를 확인합니다.
문서라면 출처가 불명확한 내용은 없는지, 팀의 기존 용어와 일관되는지, 제품 정책과 충돌하지 않는지를 봅니다.
이미 잘 운영 중인 자바팀, 백엔드팀의 방식을 참고해 팀별 체크리스트를 만들고 점진적으로 공통 기준을 정비합니다.
Action 3. 반복 업무 자동화 후보 목록을 함께 만든다
팀별로 AI로 자동화할 수 있는 업무 후보를 먼저 모읍니다.
커밋 메시지 작성, PR 설명 초안, 회의록 요약, 테스트 케이스 생성, 릴리즈 노트, PRD 초안 작성 등 판단보다 정리에 가까운 업무가 우선 대상입니다.
우선순위를 정해 순차적으로 구현하고, 완성된 결과물은 다른 팀에서도 쓸 수 있도록 템플릿화합니다.
Action 4. 팀별 컨텍스트 문서인 CLAUDE.md를 정비한다
AI가 좋은 결과를 내기 위해서는 좋은 컨텍스트가 필요합니다.
Q6는 3.4점이었지만 팀별 편차가 컸습니다.
이미 잘 관리하는 팀의 문서 구조를 벤치마크해 템플릿으로 만들고, 아직 없는 팀들이 빠르게 도입할 수 있도록 공유합니다.
CLAUDE.md에는 프로젝트 구조, 주요 용어 정의, 코드 스타일, 브랜치·PR 규칙, 금지된 패턴, 자주 발생하는 오류와 해결 방법, 팀별 리뷰 기준 등 AI가 업무를 수행할 때 반드시 알아야 할 팀의 맥락이 담겨야 합니다.
마무리: 이제 질문은 "AI를 쓰는가"가 아니다
이번 설문에서 가장 인상적인 응답 중 하나는 다음 문장이었습니다.
"잘 하는 팀원의 AI 활용 역량이 팀원 전체의 역량이 될 수 있도록 내부 사례 공유와 함께 개발 프로세스상의 자동화 항목을 도출하여 일부 혹은 전체를 자동화하겠습니다."
AI 도구를 도입하는 것만으로는 충분하지 않습니다. AI를 잘 쓰는 개인이 생기는 것만으로도 충분하지 않습니다. 개인의 프롬프트가 팀의 템플릿이 되고, 개인의 자동화 방식이 팀의 워크플로우가 되고, 개인의 검증 습관이 팀의 리뷰 기준이 될 때, 비로소 AI 도입은 조직의 일하는 방식 자체를 바꾸는 변화가 됩니다.
이제 질문은 바뀌어야 합니다. "AI를 쓰고 있는가?"가 아니라, "AI를 팀의 시스템으로 만들고 있는가?"
다음 3개월 동안 CPO 조직은 내부 사례 공유, 자동화 항목 도출, 검증 기준 정비, 컨텍스트 문서 관리 체계화를 중심으로 AI 활용 방식을 고도화할 예정입니다. 2회차 글에서는 실제 자동화 사례와 그 결과를 더 구체적인 수치로 공유하겠습니다.
AI 도구를 잘 쓰는 것에서 나아가, 팀 전체가 같은 기준으로 AI를 활용하고 운영하려면 더 체계적인 개발·인프라 환경이 필요합니다.
AIPub이 AI 워크로드 운영과 GPU 자원 관리를 어떻게 돕는지 궁금하시다면 아래 내용을 살펴보세요.