hol4b

[태그:] 생산성

  • Claude Code /powerup 명령어 완전 가이드: 4월 신기능 인터랙티브 학습 시스템 5분 정복

    Claude Code /powerup 명령어 완전 가이드: 4월 신기능 인터랙티브 학습 시스템 5분 정복

    왜 Anthropic은 갑자기 터미널 안에 강의실을 만들었나

    4월 1일자 Claude Code v2.1.90 릴리스 노트의 한 줄. “/powerup 명령어 추가.” 별것 아닌 듯 지나갔지만, 이건 Anthropic이 처음으로 인정한 사실이다. 사람들이 우리가 만든 기능의 절반을 쓰지 않고 있다는 것.

    사용자 입장에서 Claude Code는 묘한 도구다. 깔고 며칠만 쓰면 당장 코드를 짜 주니 편하다. 그런데 한 달이 지나도 처음 깔았을 때와 똑같은 명령어 다섯 개만 굴리고 있다. 왜 그럴까. 새 기능이 나와도 어디서 배워야 할지 몰라서다. 깃허브 README를 다시 뒤지자니 부담스럽고 공식 문서는 영어인 데다 길다. /powerup은 그 빈틈을 정확히 노렸다.

    업데이트 후 터미널에서 명령어를 치면 메뉴가 뜬다. 화살표로 고르고 엔터. 다른 창으로 이동할 필요 없이 그 자리에서 애니메이션과 함께 기능 하나를 익힌다. 한 모듈에 보통 3~10분.

    18개 모듈, ‘알고 있던 줄 알았던’ 기능들

    레슨 18개의 큐레이션 기준이 흥미롭다. 화려한 신기능이 아니라 “사용자 대부분이 모르고 지나치는 것”이다. 반대로 말하면 18개 중 한 개도 모르는 게 없다고 자신할 사람은 거의 없다는 뜻이기도 하다.

    비기너 영역은 의외로 컨텍스트 관리에 집중돼 있다. /clear와 /compact의 차이를 정확히 아는 사람은 많지 않다. CLAUDE.md 메모리 시스템이 어떻게 로드되는지도 마찬가지. 매일 쓰면서도 잘못 쓰고 있던 부분이 적지 않다는 얘기다.

    중급으로 가면 진가가 드러난다. Skills, hooks, 서브에이전트 오케스트레이션. 문서로 읽으면 추상적이라 손이 잘 안 가는 영역이다. /powerup은 이걸 터미널 위에서 실시간으로 굴려 보여준다. “아 이렇게 쓰는 거였구나”가 5분 만에 일어난다.

    고급 영역은 git worktrees 병렬 작업, 자동 모드, 클라우드 태스크. 이쯤 되면 사실상 Claude Code의 진짜 사용법이 여기 있다고 봐도 된다.

    한국 팀에 더 유리한 이유

    첫째는 영어 문서를 읽지 않아도 된다는 점이다. 텍스트 번역 없이 동작 영상을 보며 손으로 따라치면 의미가 직관적으로 들어온다. 둘째는 협업 차원의 효과다. 팀원 모두가 같은 18개 모듈을 거치고 나면 누가 어떤 기능을 쓰는지 자연스럽게 표준화된다. 사내 슬랙에 “이거 어떻게 해?”라고 묻는 횟수가 줄어든다는 뜻이다.

    4월 4일 추가된 v2.1.92에서는 MCP 결과 영속화와 Bedrock 셋업 마법사까지 들어왔다. 학습 범위는 계속 늘어나는 중이다.

    그래서 — 매일 쓰는 사람일수록 가치가 크다

    처음 깐 사람보다 6개월 쓴 사람에게 더 의미 있다. 익숙해진 워크플로 안에서는 새 기능을 일부러 찾지 않게 되기 때문이다. /powerup은 “당신이 모르고 있을 가능성이 가장 높은 것”만 골라 보여준다. 하루 5분, 점심시간 커피 한 잔과 바꿀 만한 거래다.

    지금 할 일

    업데이트가 먼저다. 터미널에서 claude --version으로 v2.1.90 이상인지 확인하고, 아직이면 npm i -g @anthropic-ai/claude-code. 다음으로 /powerup을 실행해 본인이 가장 자주 쓰는 영역(예: Skills 또는 hooks)부터 한 모듈만 끝내 본다. 거기서 막히면 그게 본인의 첫 학습 포인트다.

    관련 글

    출처

    대표이미지 출처: Anthropic Claude Code 공식 페이지

  • Notion AI Custom Skills 완전 정복: 한국 직장인 반복 작업 자동화 7가지

    Notion AI Custom Skills 완전 정복: 한국 직장인 반복 작업 자동화 7가지

    매일 같은 프롬프트를 복붙하던 사람이라면, 이제 멈춰도 된다

    회의록을 받으면 액션 아이템으로 정리해 달라고 ChatGPT에 같은 문장을 백 번쯤 던져 봤다. 매번 출력 형식이 미묘하게 달랐고, 매번 톤을 다시 잡아 줘야 했다. 그 짜증이 정확히 어디에 있는지 노션 팀이 잘 알고 있었던 모양이다. 3월 20일, Notion AI에 Custom Skills가 정식으로 들어왔다.

    핵심은 어렵지 않다. 자주 던지는 프롬프트 하나를 페이지로 저장해 두면, 그다음부터는 텍스트 선택 메뉴나 @ 멘션 한 번으로 호출할 수 있다. 노션 공식 도움말이 제시한 판단 기준이 인상적이다. “같은 프롬프트를 두 번 이상 복사한 적 있다면 그건 Skill로 만들 후보다.”

    만드는 법은 두 갈래

    정공법은 새 페이지를 만들어 ⋯ 메뉴에서 Use with AI → Use as AI skill을 누르는 것. 여기에 목표·입력·제약·출력 형식을 명시한 프롬프트를 적어 넣으면 끝이다. 잘 쓴 프롬프트가 곧 잘 만든 Skill이라는 점은 여전히 그대로다.

    더 게으른 길도 있다. 빈 페이지에서 Notion AI 채팅을 열고 “이 페이지를 AI Skill로 만들어 줘. 회의록을 받으면 액션 아이템 5개로 정리해 주는 거야”라고 자연어로 말하면 노션이 알아서 Skill 구조를 짜 준다. 처음 만드는 사람에게는 후자가 훨씬 빠르다.

    실제로 만들어 본 7가지

    지난 1주일 동안 회사 워크플로 중 자주 겹치는 작업을 골라 실제로 Skill로 등록해 봤다. 다음은 그중 효과가 가장 컸던 것들이다.

    • 회의록을 받으면 담당자·기한·우선순위가 들어간 액션 아이템 5개로 변환해 주는 추출기
    • 영문 메일이나 직역체 한국어를 자연스러운 비즈니스 메일로 다듬는 톤 보정기
    • 한 주간의 작업 페이지를 입력으로 받아 ‘완료 / 진행 중 / 이슈’ 3섹션으로 정리하는 주간 보고서 생성기
    • 경쟁사 블로그·뉴스 링크를 받아 우리 팀 관점의 시사점 3줄로 요약하는 모니터링 봇
    • 채용 공고(JD)에서 핵심 역량 키워드와 면접 질문 5개를 자동으로 뽑아주는 채용 도우미
    • 고객 VOC를 ‘버그 / 기능 요청 / UX 불만’ 3카테고리로 분류 후 빈도순 정렬해 주는 분류기
    • 회의 주제와 참석자만 입력하면 사전 자료·아이스브레이커·논의 항목·결정 포인트 표를 만들어 주는 회의 준비 체크리스트

    각 Skill은 페이지 형태로 저장되기 때문에 팀 워크스페이스에 공유하는 순간 동료 모두가 같은 표준으로 쓰게 된다. 설정 → Notion AI → Skills 메뉴에서 내가 만든 것, 공유받은 것, 워크스페이스 전체 Skill을 한눈에 관리한다.

    무료 기간 5월 3일까지

    지금 시점에서 가장 중요한 정보. Notion은 Custom Agents와 Skills를 Business·Enterprise 플랜에서 2026년 5월 3일까지 무료로 풀어 두고 있다. 5월 4일부터는 Notion 크레딧이 차감되는 방식으로 바뀐다. 회사 차원에서 워크플로를 점검하고 핵심 반복 작업을 자산화할 수 있는 마지막 무료 윈도우다.

    그래서 — ‘AI 잘 쓰는 사람’ 격차를 줄이는 도구

    국내 기업이 AI 도입에서 가장 자주 부딪히는 문제는 모델 성능이 아니다. 팀 안에서 AI를 잘 쓰는 사람과 못 쓰는 사람 사이의 격차다. Custom Skills는 이걸 정면으로 줄인다. 잘하는 사람이 만든 프롬프트가 곧 팀 자산이 되고, 신입도 첫날부터 같은 품질의 결과물을 낼 수 있다. 지금까지 노션 페이지에 사내 가이드만 쌓아두던 회사라면, 그 안의 절반은 Skill로 옮겨 둘 만하다.

    지금 할 일

    최근 한 달치 ChatGPT 대화 기록을 빠르게 훑어본다. 두 번 이상 같은 프롬프트를 친 작업이 보이면 그게 첫 Skill 후보다. 노션 새 페이지를 열고 위에서 설명한 두 가지 방법 중 편한 것으로 등록해 본다. 그리고 5월 3일 전에 팀 워크스페이스에 공유해 두자. 무료 윈도우가 닫히기 전에 표준 워크플로로 굳혀 두는 게 핵심이다.

    관련 글

    출처

    대표이미지 출처: Notion AI 공식 페이지

  • ChatGPT for Excel 실전 가이드: GPT-5.4 + 엑셀 통합으로 5가지 업무 자동화

    ChatGPT for Excel 실전 가이드: GPT-5.4 + 엑셀 통합으로 5가지 업무 자동화

    “또 엑셀 안에서 챗봇 흉내?” — 그렇게 시작한 의심이 무너진 이유

    처음 ChatGPT for Excel 발표를 봤을 때 솔직한 반응은 의심이었다. Microsoft Copilot이 이미 엑셀 안에 들어와 있고, 구글은 시트에 Gemini를 박아 놨다. 여기서 OpenAI가 또 비슷한 사이드바를 하나 더 띄운다고? 그게 무슨 의미인가 싶었다.

    그 의심이 꺾인 건 숫자 하나 때문이었다. OpenAI 내부 투자은행 벤치마크 — 3-Statement Financial Model을 처음부터 만들고 포맷·인용까지 채우는 작업 — 에서 GPT-5의 점수는 43.7%였다. GPT-5.4 Thinking이 같은 벤치를 돌리자 87.3%가 나왔다. 두 배다. 이 정도 차이는 단순한 모델 업그레이드의 결과가 아니라, 도구가 아예 다른 카테고리로 넘어갔다는 신호에 가깝다.

    설치 자체는 5분, 한국 사용자도 가능하다

    현재 베타는 ChatGPT Business·Enterprise·Edu·Teachers·K-12 사용자 전 세계, 그리고 Pro·Plus 사용자는 EU 외 지역에서 제공된다. 한국은 EU 외라서 Plus 구독만 있어도 곧바로 시도할 수 있다. 엑셀의 삽입 → 추가 기능 → 스토어에서 ChatGPT를 검색해 설치하고, ChatGPT 계정으로 로그인하면 사이드바가 뜬다. 별도 결제도, 별도 라이선스 키도 없다.

    실제로 뭘 시킬 수 있는가

    수식을 아예 안 쓸 수도 있다

    “B열의 날짜가 이번 달이면 C열 매출을 합산하고 부서별로 나눠 줘”라고 한국어로 치면 SUMIFS·SUMPRODUCT 같은 복잡한 함수를 직접 만들어 셀에 넣어 준다. 더 흥미로운 건 디버깅 쪽이다. 기존 수식이 #REF! 오류를 내는데 왜 그런지 모를 때, 그 셀을 클릭하고 “이거 왜 안 돼?”라고 묻는 것만으로 충분하다. VBA를 못 다루는 일반 직장인에게 이게 뭘 의미하는지는 굳이 설명하지 않아도 된다.

    회사 데이터의 영원한 적, ‘입력 형식이 다른 셀’

    한국 회사의 명단·거래처 목록이 깨끗했던 적은 단 한 번도 없었다. (주), (주식회사), 주식회사가 같은 컬럼에 섞이고, 부서명은 띄어쓰기가 제각각이고, 날짜는 8자리·하이픈·점이 한 시트에 공존한다. ChatGPT for Excel은 이걸 행 단위로 처리한다. 1만 행짜리 명단을 통째로 정규화하는 데 사람의 손은 들어가지 않는다.

    분류기·차트·피벗테이블도 자연어로

    “이 컬럼의 상품명을 보고 의류·뷰티·식품·생활용품 중 하나로 분류해 줘.” 룰 기반 분류기가 잡지 못했던 모호한 사례까지 모델이 판단한다. 차트와 피벗테이블도 자연어 한 줄이면 끝이다. “부서별 월간 매출 추이 막대 차트로 만들어 줘”라고 치면 차트 종류부터 축 설정까지 알아서 한다.

    그리고 본 게임, 재무모델

    매출과 가정값만 넣어 두고 “손익계산서·재무상태표·현금흐름표 3종 모델로 만들고 각 항목에 인용 주석 달아 줘”라고 부탁하면 포맷팅과 인용까지 포함된 모델이 통째로 생성된다. 87.3%라는 벤치 점수가 가장 빛나는 영역이 바로 여기다. 반복적인 모델 작성에 매주 몇 시간씩 쓰는 직군이라면 구독 비용은 일주일 만에 회수된다.

    같이 들어온 금융 데이터 통합

    같은 시점에 OpenAI는 ChatGPT 안에 FactSet·Dow Jones Factiva·LSEG·S&P Global 같은 금융 데이터 소스를 직접 연결했다. 외부 데이터를 별도로 가져올 필요 없이 환율·주가·거시지표를 모델에 곧바로 결합할 수 있다는 뜻이다. 엑셀에서 시나리오 분석을 돌릴 때 의미가 크다.

    그래서 — VBA를 안 배워도 되는 시대가 진짜로 왔다

    한국 직장인이 매주 엑셀에 쓰는 시간은 여전히 10시간을 넘는다는 조사가 매년 반복된다. ChatGPT for Excel이 겨냥하는 건 정확히 그 시간이다. 수식, 정리, 분류, 차트 — 사람이 가장 많이 반복하면서도 가장 적게 자동화한 영역이다. 더 이상 매크로를 배우지 않아도, 파이썬을 열지 않아도 된다는 변화의 무게는 가볍지 않다.

    지금 할 일

    엑셀의 추가 기능 스토어에서 ‘ChatGPT’를 검색해 설치한다. 가장 더러운 데이터 시트(회사명이나 부서명이 통일 안 된 컬럼)를 골라 “이 컬럼 정규화해 줘”부터 시도해 본다. 재무·통계 작업이 많은 사람이라면 사이드바에서 모델을 GPT-5.4 Thinking으로 명시적으로 바꿔야 한다. 일반 모델로는 87.3% 벤치 성능이 나오지 않는다.

    관련 글

    출처

  • GPT-5.4 Thinking 활용법: 사고 도중 끼어들기로 ChatGPT 결과물 2배 정확하게

    GPT-5.4 Thinking 활용법: 사고 도중 끼어들기로 ChatGPT 결과물 2배 정확하게

    회의실에서 발표자를 끊는 사람을 떠올려 보자

    회의에서 가장 도움이 되는 사람은 누구일까. 발표가 끝난 다음에 정중한 피드백을 주는 사람? 아니다. 발표자가 잘못된 방향으로 가기 시작한 그 순간, 짧고 정확한 한마디로 흐름을 잡아 주는 사람이다. GPT-5.4 Thinking이 처음으로 가능하게 만든 게 바로 그것이다.

    OpenAI는 이 기능을 Mid-Response Steering이라고 부른다. 모델이 한창 사고 중인 도중에 채팅창에 추가 지시를 던질 수 있고, 모델은 그 지시를 받아 답변 방향을 즉시 조정한다. 응답이 다 나올 때까지 기다렸다가 “아니, 그게 아니라…”라고 정정하는 시대가 끝났다는 뜻이다.

    왜 이게 단순한 기능 추가가 아닌가

    이전 모델까지의 한계는 묘했다. 사고 도중에 “지금 어디까지 했어?”라고 물으면 사고가 처음부터 다시 시작됐다. 시간도 토큰도 두 배가 들었다. 더 큰 문제는 잘못된 가정으로 5분 동안 깊이 들어간 다음에야 그 사실을 알 수 있다는 거였다. 5분짜리 작업이 10분짜리 작업이 됐다.

    GPT-5.4 Thinking은 사고를 시작하기 전에 preamble(사전 계획)을 먼저 보여 준다. “이 작업은 A → B → C → D 순서로 처리할게요.” 사용자는 이 계획을 1~2초 안에 훑고, 마음에 들지 않으면 그 자리에서 끼어든다. “C부터 깊게, A는 건너뛰어.” 모델은 처음부터 다시 시작하지 않는다. 받은 지시를 반영해 그대로 진행한다.

    OpenAI 내부 BrowseComp(에이전트 브라우징) 벤치 점수가 65.8%에서 82.7%까지 뛰어오른 데에는 이런 구조 변화가 깔려 있다.

    실무에서 끼어들기가 가장 빛나는 순간

    가장 먼저 떠오르는 건 긴 리서치 작업이다. “경쟁사 5곳의 1분기 매출 트렌드를 분석해 줘”라고 던졌을 때, 모델이 preamble에서 “A → B → C → D → E 순으로 분석할게요”라고 보여 준다. D사가 가장 중요한데 알파벳 순서로 처리하려 한다면? 즉시 “D사부터 가장 깊게, 다른 4사는 비교 표만”이라고 한 줄을 끼워 넣으면 된다. 한 번의 채팅으로 원하는 결과물에 도달한다는 뜻이다.

    40슬라이드짜리 재무 덱처럼 통째로 시키는 작업에서는 이 차이가 더 커진다. 잘못된 가정 하나가 결과물 전체를 다시 만들어야 하는 상황으로 번지는 게 그동안의 패턴이었다. preamble 단계에서 가정값과 출력 구조를 검토하고 수정만 해도 재작업 시간이 80% 이상 줄어든다.

    법무·계약서 비교 분석도 비슷하다. 모델이 어느 조항을 핵심으로 잡았는지 사전 계획에서 확인하고 우선순위를 재배치한다. “준거법 조항보다 손해배상 한도부터 비교해” 같은 식이다. 사용자가 도메인 지식을 갖고 있을수록 끼어들기의 정확도는 높아진다.

    코딩 쪽에서도 의미가 있다. 코드베이스 전체를 리팩토링시킬 때 모델이 어디부터 손댈지 보여 주는 단계에서 “이 모듈은 건드리지 마, 외부 의존성 있어”라고 제약을 추가한다. Claude Code나 Cursor 3 같은 코딩 에이전트와 다른 점은 분명하다. GPT-5.4 Thinking은 실행 전 계획 단계에서 개입할 수 있다.

    1M 컨텍스트와 결합되면 진짜다

    GPT-5.4는 컨텍스트 윈도가 400K에서 1M으로 확장됐다. 이전엔 긴 흐름 안에서 초반에 잡은 기준이 흐려지는 경향이 있었지만, 1M과 Mid-Response Steering이 결합되면서 한 세션 안에서 일관성을 유지하면서도 중간에 방향을 바꿀 수 있게 됐다. 책 한 권 분량의 자료를 던져 두고 작업을 시킨 뒤, 중간중간 미세 조정하는 워크플로가 처음으로 실제로 가능해진 셈이다.

    요금제는 어디서 쓸 수 있나

    ChatGPT에서는 Plus·Team·Pro·Enterprise 사용자가 모델 선택기에서 GPT-5.4 Thinking을 직접 고를 수 있다. 가장 강력한 작업이 필요한 경우 GPT-5.4 Pro가 별도로 제공된다. ChatGPT for Excel·NotebookLM 같은 OpenAI의 후속 제품들이 모두 이 모델을 두뇌로 쓴다는 점에서, 5.4 Thinking은 사실상 OpenAI 제품 라인업 전체의 기준선이다.

    그래서 — 새로운 핵심 스킬은 ‘끼어드는 능력’이다

    지금까지 ChatGPT 사용자의 능력 차이는 첫 프롬프트를 얼마나 잘 쓰느냐에서 갈렸다. 5.4 Thinking 이후에는 한 가지가 더 추가된다. 모델이 사고 중일 때 정확한 타이밍에 정확한 한마디로 끼어드는 능력. 이건 글로 배우는 것보다 손으로 익히는 게 빠르다. 회의에서 발표를 끊는 사람이 그렇듯, 처음에는 어색하지만 한두 번 해 보면 감이 잡힌다.

    지금 할 일

    ChatGPT Plus 이상이라면 자주 쓰는 작업의 기본 모델을 GPT-5.4 Thinking으로 바꿔 둔다. 다음으로 긴 작업을 시킬 때 응답 시작 전 preamble을 1~2초 안에 훑는 습관을 만든다. 마지막으로 자주 쓸 끼어들기 멘트 두세 개를 미리 만들어 두자. “X부터 깊게”, “Y는 건너뛰고”, “Z 형식으로 출력” 같은 짧은 지시문이면 충분하다.

    관련 글

    출처

  • Meta, 엔지니어 코드 75%를 AI로 작성하라: 성과평가에 AI 활용도 반영

    Meta, 엔지니어 코드 75%를 AI로 작성하라: 성과평가에 AI 활용도 반영

    Meta가 4월 3일 던진 메시지 한 줄. 엔지니어 코드의 75% 이상을 AI로 작성하라. 이게 권장사항이 아니라는 점이 결정적이다. 성과 평가 항목에 ‘AI 기반 임팩트’가 신설되면서 AI를 안 쓰는 엔지니어는 인사 평가에서 직접적으로 손해를 본다. 실리콘밸리에서 AI 코딩이 선택에서 의무로 넘어가는 순간이 됐다.

    구체적인 숫자 — 75%가 무엇을 뜻하는가

    Meta의 지시는 부서별로 조금씩 다르다. Facebook·WhatsApp·Messenger를 담당하는 Creation 조직에서는 엔지니어의 65%가 2026년 상반기까지 코드의 75% 이상을 AI 도구로 작성해야 한다. Scalable ML 부서는 50~80% 범위의 AI 코딩 목표를 설정했다. 약 1,000명 규모의 내부 도구 팀은 더 급진적이다. ‘AI Pod’로 재편되면서 기존 직함 대신 ‘AI 빌더’와 ‘AI Pod 리드’라는 새로운 역할을 부여받았다.

    이 숫자들이 단순한 권장 목표가 아닌 이유는 한 가지다. 2026년부터 Meta의 모든 직원은 성과 리뷰에서 ‘AI 기반 임팩트(AI-driven impact)’ 항목으로 평가받는다. AI 도구 활용이 단순 권장에서 공식 KPI로 격상됐다는 의미다. AI 코딩 도구 사용을 거부하는 엔지니어에게는 실질적 불이익이 돌아간다.

    왜 Meta가 가장 먼저 움직였나

    이 결정은 한 번에 나온 게 아니다. AI 코딩 생산성에 대한 경험적 증거가 누적된 결과다. 자주 인용되는 NBER(전미경제연구소) 연구에 따르면, 생성형 AI 접근권을 가진 고객 지원 에이전트 5,179명의 생산성이 평균 14% 향상됐다. 더 흥미로운 디테일은 그 안에 있다. 초보·저숙련 직원의 생산성은 34%까지 올랐다. 평균 14% 향상의 대부분이 주니어 그룹에서 나왔다는 뜻이다.

    코딩 분야의 효과도 비슷한 패턴을 보인다. 시니어 엔지니어의 생산성 향상은 비교적 완만하지만, 주니어와 미들 레벨에서는 효과가 크다. Meta가 노린 건 이 그룹의 생산성을 한 번에 끌어올리는 것이다. 1,000명 단위의 조직을 ‘AI Pod’로 재편한 것도 같은 맥락이다. 조직 구조 자체를 AI 활용을 전제로 다시 설계하지 않으면 도구 도입의 효과가 분산된다.

    이 변화가 던지는 노동의 질문

    Meta의 결정에는 두 가지 함의가 함께 있다. 하나는 명확한 효율성 향상 — AI를 잘 쓰는 엔지니어가 그렇지 않은 엔지니어보다 몇 배 더 빠른 결과를 내는 것은 더 이상 가설이 아니다. 다른 하나는 평가 시스템의 변화가 가져올 압박 — AI 활용이 KPI가 되는 순간, 엔지니어는 코드를 쓰는 사람에서 AI를 지휘하는 사람으로 역할이 옮겨 간다.

    이 변화가 모두에게 반가운 건 아니다. AI 도구 사용에 거부감이 있는 시니어 엔지니어, 자기 손으로 코드를 짜는 만족감을 중요하게 여기는 개발자, 검증되지 않은 AI 코드를 프로덕션에 올리는 것에 보수적인 입장 — 이런 의견들이 사내 토론에서 빠지지 않는다. 하지만 회사가 KPI로 박았다면 토론은 끝났다는 뜻이다.

    한국 IT 기업에 의미하는 것

    Meta 같은 빅테크가 AI 코딩을 KPI로 만들었다는 사실은 두 단계로 한국에 영향을 준다. 단기적으로는 시그널링 효과다. 글로벌 빅테크의 사례가 한국 대기업·중견기업의 AI 도구 도입 결정에 영향을 준다. “Meta가 75% 목표를 잡았는데 우리는 어떤가”라는 질문이 임원 회의에서 나오기 시작한다는 의미다.

    장기적으로는 채용과 평가 기준의 변화다. 2026~2027년 사이에 한국 IT 기업의 채용 공고와 성과 평가 기준에도 ‘AI 도구 활용 능력’이 명시적으로 들어갈 가능성이 높다. 지금 AI 코딩 도구를 한 번도 안 써 본 개발자라면 그 격차를 줄일 시간이 1년 안짝이다.

    지금 할 일

    가장 가벼운 시작은 cursor.com에서 무료 버전을 설치해 평소 만지는 프로젝트 폴더를 한 번 열어 보는 것이다. 자동완성 한두 번 써 보면 감이 잡힌다. VS Code를 이미 쓰고 있다면 GitHub Copilot 확장을 활성화하는 게 가장 진입 장벽이 낮다. 팀 단위 도입을 고민하는 리더라면 한 단계 더 들어가서 AI 생성 코드의 리뷰 기준과 보안 체크리스트부터 만들어 두자. 이게 없으면 도입 자체보다 사고 수습에 더 많은 시간이 들어간다.

    관련 글

    출처