1. 기획자와 디자이너의 일하는 방식 대전환
ㄱ. 세부 스펙 작성자에서 에이전트 지휘자로 거듭나는 기획자
인공지능 기술의 진화는 기획자(PM/PO)의 일하는 방식을 근본적으로 바꾸어 놓았다.
과거 기획자의 핵심 업무는 화면 단위의 세부 스토리보드를 작성하고, 1단계 버튼 클릭부터 예외 처리 팝업 노출까지 수많은 조건을 미세하게 지정하는 것이었다.
그러나 Opus 5와 Claude Code가 제시하는 인공지능 에이전트 시대에는 이러한 미세 관리(Micro-management) 스타일의 기획 방식이 오히려 인공지능의 성능을 저해하는 요소가 된다.
기획자가 인공지능에게 모든 실행 단계를 일일이 지정해 주는 것은 모델의 자율적인 문제 해결 능력을 억제하는 결과를 초래한다.
따라서 기획자는 세부 지침을 일일이 프롬프트로 작성하는 대신, 인공지능 에이전트가 달성해야 할 고차원적인 목표와 사업적 제약 조건, 그리고 작업의 완료를 판가름할 수 있는 종료 조건(Exit Criteria)을 정확히 정의하는 기획 방식으로 전환해야 한다.
[기존 기획 방식]
버튼 A 클릭 -> 입력값 유효성 검사 -> 오류 시 팝업 B 노출 -> 성공 시 페이지 C 이동 (세부 지침 작성)[에이전트 시대 기획 방식]
사용자가 이탈 없이 가입을 완료할 수 있는 가장 간결한 흐름을 구축하라.
종료 조건: 가입 완료율 향상, 예외 처리 조건 [X, Y, Z] 충족
ㄴ. 프로토타이핑과 시장 분석의 완전 자동화
기획자는 아이디어를 검증하기 위해 개발팀의 일정이 비기를 기다릴 필요가 없다. Claude Code에 요구사항을 전달하고 몇 시간 만에 실제로 동작하는 프로토타입을 제작하여 빠르게 가상 테스트를 진행할 수 있다.
또한 반복적 분석 업무 역시 에이전트에 위임이 가능하다. 매일 아침 경쟁사 서비스의 업데이트 내역을 수집하고 사용자 리뷰 데이터를 분류하여 요약 리포트를 슬랙으로 전송하는 자율 루틴 에이전트를 상시 가동함으로써, 기획자는 본연의 전략적 의사결정에만 집중할 수 있게 된다.
2. 가치를 높이는 디자이너의 비주얼 검증 루프 구축
ㄱ. 디자인 시스템을 자동 유지보수하는 디자이너의 변화
디자이너의 역할 역시 피그마(Figma) 화면을 단순 전달하는 스펙 작성자에서, 인공지능이 디자인 시스템을 올바르게 준수하고 있는지 검증하는 시스템 설계자로 확장되고 있다.
개발자가 수작업으로 마크업을 변경할 때 디자인 토큰이나 하드코딩된 스타일 값이 깨지는 문제가 자주 발생했으나, 이제는 디자이너가 직접 에이전트에게 검증 역할을 부여할 수 있다.
대표적으로 코드베이스 내에 제각각으로 파편화되어 있는 컬러 값, 폰트 스타일, 버튼 컴포넌트를 탐색하여 디자인 시스템 토큰으로 통합 단일화하는 자율 루틴을 가동하는 방식이다. 내부적으로 ‘구조 경찰(Abstraction Police)’이라 불리는 이러한 에이전트는 매일 밤 전체 코드베이스를 탐색하여 중복된 디자인 요소를 단일화하는 깃허브 풀 리퀘스트(PR)를 자동으로 생성한다.
“디자이너는 단순히 시안을 그리는 것에 그치지 않고, 인공지능 에이전트가 코드 환경에서 디자인 시스템을 유지할 수 있도록 자동 검증 루프를 제공해야 한다.”
ㄴ. 픽셀 단위 비주얼 비교 검증 시스템의 실전 적용
Opus 5가 가진 컴퓨터 유즈(Computer Use) 및 시각 인식 능력의 비약적 향상 덕분에 디자이너는 자동화된 비주얼 검증 루프를 구축할 수 있다.
- 가상 환경에서의 스크린샷 캡처: 가상 머신 상에서 구현된 앱 화면을 실시간으로 캡처함.
- 원본 시안과의 픽셀 비교: 원본 피그마 시안과 실제 구현된 화면을 픽셀 단위로 대조하여 오차 영역을 자동으로 식별함.
- 자율 수정 명령 부여: 오차가 발견된 컴포넌트의 CSS 및 레이아웃 코드를 인공지능이 스스로 고치도록 루프를 설정함.
이러한 비주얼 피드백 루프를 갖추면, 디자이너가 일일이 화면을 픽셀 단위로 검수하는 수고를 덜 수 있게 된다.
3. 핵심을 관통하는 개발자의 에이전트 오케스트레이션 전략
ㄱ. 코드를 타이핑하는 개발자에서 시스템 지휘자로
개발자의 본질적인 역할은 직접 코드를 입력하는 작업자에서, 수백 수천 개의 에이전트를 배치하고 통합하는 ‘시스템 오케스트레이터(Orchestrator)’로 이동하고 있다. 단순 기능 구현은 최신 모델이 훨씬 빠르게 처리할 수 있으므로, 개발자는 인공지능이 안전하게 작동할 수 있는 샌드박스 환경을 세팅하고 검증 로직을 설계하는 데 역량을 집중해야 한다.
단일 프롬프트로 한 번에 모든 코드를 수정하라고 지시하는 방식은 한계가 명확하다. 효과적인 개발자는 Dynamic Workflow 기법을 적용하여 역할을 분담한 에이전트 군단을 가동한다.
[다이내믹 워크플로우 구성 예시]
1단계: 코드 분석 및 수정 에이전트 작동
2단계: 빌드 및 유닛 테스트 전담 에이전트의 검증 수행
3단계: 코드 리뷰 및 보안 취약점 점검 에이전트의 검토
4단계: 통합 및 풀 리퀘스트(PR) 생성 에이전트의 최종 정리
ㄴ. 자율 루틴(Routine & Loop)을 활용한 코드베이스 정비
개발자는 매일 반복되는 잡무를 크론(Cron) 형태의 인공지능 루틴에 완전히 위임할 수 있다. 실제로 Anthropic 내부에서는 다양한 자율 루틴을 설정하여 앱을 정비하고 있다.
- 사용하지 않는 코드(Dead Code) 삭제 루틴:
전체 코드베이스에서 정적 및 동적 분석을 통해 쓰이지 않는 구문을 찾아내어 삭제하는 PR을 매일 생성함. - 실험 기능 코드 정합성 유지:
100퍼센트 배포가 완료된 A/B 테스트 조건문 코드를 자동으로 추적하여 코드베이스에서 제거함. - 테스트 커버리지 보완:
테스트 코드가 부족한 모듈을 탐색하여 유닛 테스트를 자동으로 추가하고, 불필요해진 오래된 테스트 구문은 정제함.
4. 실전 팁 주기적 프롬프트 삭제 및 어블레이션
ㄱ. 6개월마다 기존 지침 전면 지우기
인공지능 에이전트 활용에서 가장 중요한 실천 원칙 중 하나는 주기적인 ‘프롬프트 삭제’이다. 모델의 지능이 지속적으로 향상되고 있음에도 불구하고, 과거 모델의 한계를 보완하기 위해 작성했던 CLAUDE.md, 커스텀 스킬 지침, 복잡한 프롬프트 가이드라인을 그대로 유지하는 것은 모델의 발목을 잡는 결과를 낳는다.
새로운 모델 세대가 출시될 때마다 기존에 적용해 두었던 지침 파일을 전면 삭제해 보는 어블레이션(Ablation) 과정을 거쳐야 한다. 지침을 모두 지운 백지 상태에서 모델을 가동해 보고, 모델이 실제로 실수를 범하는 부분만 확인하여 최소한의 지침만 다시 추가하는 방식이다.
- 기존 프롬프트 및 지침 문서 전체를 전면 제거함.
- 아무런 보조 프롬프트 없이 신규 모델에서 작업을 실행함.
- 반복적으로 발생하는 오류 지점만 확인하여 최소한의 설명 구문만 다시 반영함.
ㄴ. 미세 지침을 덜어냈을 때 발생하는 성능 향상
실제로 시스템 프롬프트를 80퍼센트 이상 삭제했을 때 모델은 이전보다 훨씬 넓은 맥락을 파악하고 창의적인 방식으로 문제를 해결하는 모습을 보여주었다. 미세 지침을 덜어내는 것은 인공지능에게 더 많은 자율성을 부여하는 것이며, 이는 곧 생산성의 극대화로 이어진다.
5. 직군을 넘어선 공통의 핵심 역량
기획자, 디자이너, 개발자 모두에게 공통적으로 요구되는 핵심 역량은 하나로 귀결된다. 인공지능에게 세세한 명령을 내리는 프롬프트 작성 기술이 아니라, “인공지능 에이전트가 스스로 결과를 테스트하고 오차를 바로잡을 수 있도록 검증 환경과 피드백 도구를 제공하는 능력”이다.
기획자는 명확한 종료 조건과 목표를 제공하고, 디자이너는 픽셀 비교 스크린샷 검증 체계를 구축하며, 개발자는 가상 머신과 테스트 수트 기반의 다이내믹 워크플로우를 세팅해야 한다. 각 직군이 정기적으로 과도한 프롬프트를 삭제하고 자율성을 부여할 때, 인공지능 에이전트는 진정한 협업 파트너로서 압도적인 가치를 발휘하게 될 것이다.