Post by Jin Hwan Woo

🚀 Agentic AI는 SDLC를 구조적으로 바꾸고 있습니다 Agentic AI가 실험 단계를 넘어 엔지니어링 팀의 기본 업무 방식으로 들어오면서, 소프트웨어 개발 생명주기 자체가 바뀌고 있습니다. Microsoft의 새로운 기술 블로그 Command Line에서 Jay Parikh는 agentic AI 시대의 새로운 개발 규칙을 소개했습니다. 핵심 메시지는 분명합니다. 이제 변화는 단순한 생산성 향상이 아닙니다. 코드를 더 빨리 쓰는 것이 아니라, 무엇을 만들지 더 잘 결정하고, 에이전트가 실행할 수 있는 계획을 설계하고, 결과를 검증하며, 전체 시스템을 오케스트레이션하는 방식으로 개발 문화가 이동하고 있습니다. 💡 이번 글에서 인상 깊었던 10가지 아이디어를 정리해보면 다음과 같습니다. 1️⃣ Agent-first로 개발하기 Copilot CLI, VS Code agent mode와 같은 도구가 일상적인 개발 인터페이스가 되고 있습니다. 간단한 수정부터 복잡한 작업까지, 사람이 직접 모든 코드를 작성하기보다 에이전트에게 위임하고 검증하는 방식이 점점 자연스러워지고 있습니다. 2️⃣ Context와 skill을 핵심 자산으로 보기 Repository는 단순한 코드 저장소가 아니라, 에이전트가 일하는 데 필요한 살아 있는 지식 베이스가 됩니다. 반복되는 작업은 reusable skill로 만들고, 반복되는 실패는 prompt, eval, workflow, test로 승격시켜야 합니다. 이 지식과 스킬은 코드 라이브러리처럼 팀 전체의 생산성을 누적해서 높입니다. 3️⃣ Plan이 실제 실행 계층이 된다 좋은 계획이 있으면 에이전트는 구현을 훨씬 안정적으로 수행할 수 있습니다. 사람의 판단은 계획에 담기고, 실행은 에이전트가 맡는 구조로 바뀌고 있습니다. 이제 중요한 역량은 코드를 오래 치는 능력보다 명확하고 검증 가능한 실행 계획을 만드는 능력입니다. 🧭 4️⃣ 무거운 PRD보다 prototype과 live demo 긴 문서로 모든 것을 정의하기보다, 빠르게 프로토타입을 만들고 실제 동작하는 데모로 검증하는 방식이 더 중요해지고 있습니다. AI 시대에는 “문서로 설득하기”보다 “작동하는 것으로 학습하기”가 더 빠른 진실 검증 경로가 될 수 있습니다. 5️⃣ 시간보다 taste가 더 중요한 자원이 된다 코드를 만드는 비용이 낮아질수록, 무엇을 만들 가치가 있는지 판단하는 능력이 더 중요해집니다. 좋은 제품 감각, 우선순위 판단, 사용자 문제에 대한 이해가 팀의 가장 큰 차별화 요소가 됩니다. ✨ 6️⃣ 미뤄왔던 중요한 엔지니어링 작업을 해결하기 AI로 확보한 개발 여력은 단순히 더 많은 기능을 만드는 데만 쓰일 필요가 없습니다. 텔레메트리 공백, 중요한 버그, 운영 품질, 데이터 품질, dogfooding 피드백 분석처럼 늘 중요하지만 뒤로 밀리던 작업을 해결할 기회가 됩니다. 7️⃣ 테스트는 안전망이 아니라 필수 인프라 속도가 빨라질수록 테스트의 중요성은 더 커집니다. AI가 더 많은 변경을 더 빠르게 만들수록, 회귀를 막고 품질을 유지하는 자동화된 테스트와 평가 체계는 개발 인프라의 핵심이 됩니다. 🛡️ 8️⃣ 코드 리뷰가 병목이 되지 않도록 하기 AI-assisted PR이 늘어나면 사람이 모든 변경을 같은 방식으로 리뷰하기 어렵습니다. 첫 번째 리뷰는 agentic code review 시스템에 맡기고, 사람은 아키텍처, 방향성, 중요한 의사결정에 집중하는 방식으로 리뷰 문화도 바뀌어야 합니다. 9️⃣ 코드만이 아니라 모든 것이 바뀐다 파이프라인, 검증, triage, planning, 팀 ritual까지 모두 더 빠르고 지속적인 delivery cycle에 맞게 진화해야 합니다. 짧아진 배포 주기와 증가하는 변경량을 감당하려면 품질 게이트도 더 자동화되고 빨라져야 합니다. ⚙️ 🔟 코드는 disposable해진다 잘 정의된 기능에서는 코드보다 specification과 outcome이 더 오래 남는 자산이 될 수 있습니다. 필요하다면 코드는 버리고 다시 쓸 수 있어야 하며, 구현 자체에 대한 집착보다 제품에 도움이 되는 결과를 중심으로 판단해야 합니다. 그리고 글에서 가장 인상적인 bonus insight는 taste입니다. Taste는 단순한 개인 감각이 아니라, feedback loop에 인코딩될 수 있는 팀의 누적 자산이 됩니다. 좋은 예시, 리뷰 기준, 반복 피드백, 평가 체계를 통해 사람의 판단력을 에이전트 작업 흐름 안에 계속 반영하면, agent-generated work의 품질은 시간이 갈수록 높아질 수 있습니다. 📈 결국 agentic AI 시대의 SDLC 변화는 “코드를 누가 쓰는가?”의 문제가 아닙니다. 진짜 변화는 다음 질문에 있습니다. 무엇을 만들 것인가? 어떤 계획으로 에이전트에게 실행을 맡길 것인가? 어떤 기준으로 결과를 평가할 것인가? 어떻게 조직의 taste와 품질 기준을 반복 가능한 시스템으로 만들 것인가? 코드 작성이 더 이상 가장 큰 제약이 아니라면, 엔지니어링 문화에서 가장 크게 바뀌어야 할 것은 “무엇이 만들 가치가 있는가”를 결정하는 방식일지도 모릅니다. 🚀 Source: msft.it/61109v5BoR #AINativeDev #AgenticSDLC #AgenticAI #GitHubCopilot #SoftwareEngineering #DeveloperExperience #DevOps #MicrosoftBuild #MSFTAdvocate