AI 시대에 애자일의 생존 전략

정재용  | 애자일 코치 | AGIN

우리는 모든 것이 AI로 연결되는 시대에 살고 있다. 애자일을 사랑하는 사람으로 AI와 애자일은 어떤 관계가 있을지를 고민하게 되었고 우리가 혹시라도 간과하고 있는 것은 없는지, 상호 간에 어떤 보완적인 관계가 있을지 생각해 봤으면 한다.

애자일은 AI에 어떤 도움을 줄 수 있을까? AI 개발은 불확실성을 내재하고 있다. 눈에 보이는 가시적인 성과보다는 점진적으로 개선되어 가는 방식으로 접근해야 한다. 이런 환경에 애자일은 어떤 역할을 할 수 있을까?

첫 번째는 애자일은 AI의 불확실성을 수용할 수 있는 유연한 프레임워크다.

AI 모델 개발은 실험 중심이고 결과가 예측 불가한 경우가 많다. 애자일은 초기 가설, 반복 실험, 피드백 수용을 전제로 하기 때문에 AI 프로젝트의 본질과 매우 잘 맞는다 생각된다. 즉 전통적인 개발 방법에서 추구하는 고정된 요구사항보다 점진적 학습 기반 접근이 가능한 애자일이 AI 개발에 더욱 적합한 방법이다.

두 번째는 애자일의 작게 만들고 자주 피드백 하는 방식은 AI 실험을 최적화할 수 있다.

AI는 학습 데이터, 하이퍼파라미터, 알고리즘 선택 등에서 수많은 선택지를 지속적으로 다뤄야 한다. 애자일은 “작은 기능 단위로 개발 – 자주 통합 – 반복 검증 및 피드백” 이를 좀 더 효과적으로 관리할 수 있게 한다. 애자일 방식을 통해 실험 결과를 빠르게 시장 피드백으로 검증하는 MVP 기반 AI 제품 개발이 가능하게 할 수 있는 것이다.

세 번째는 Cross-functional 팀 문화를 통한 AI 개발 협업을 향상시킬 수 있다.

AI 개발에는 ML 엔지니어, 데이터 과학자, 도메인 전문가, UX 디자이너 등이 협업하는 구조이다. 애자일은 이런 크로스펑셔널 팀 기반 협업을 지원하며, 정기적인 의사소통 구조(Sprint Planning, Daily, Retro 등)를 통해 이들 간의 상호 협업을 더욱 강력하게 만들어 줄 수 있다. 또는 AI 제품이 기술적으로만 뛰어난 것이 아니라 사용자 가치 중심으로 완성되게 하는 환경을 제공해 줄 수 있다.

네 번째는 지속적인 학습과 개선 기반의 실험 문화를 만들어 준다.

AI는 지속적으로 개선되어야 하는 시스템이다. 한 번으로 100의 성과를 만들어 내는 것이 아니라 지속적으로 좀 더 좋은 결과에 접근해 가는 것이다. 애자일은 지속해서 회고하고 개선하는 문화(Retrospective, Kaizen) 내재화하고 있어, AI 모델 운영과 성능 유지 및 개선에 좀 더 효율적인 개발 문화이다. AI의 MLOps(모델 운영) 과정과 애자일의 개발 문화와 지속적 빌드 및 배포 환경을 제공하는 CI/CD를 접목해서 운영한다면 좀 더 강력한 시너지를 낼 수 있을 것이다.

다섯 번째로 애자일은 AI 윤리와 책임 문제를 투명하게 관리하는 프레임워크 역할을 한다.

AI는 투명성, 공정성, 책임 문제가 민감한 요소이다. 애자일은 정기적으로 팀이 “무엇을, 왜 만드는지” 투명하게 공유하고 정렬하는 문화를 가지고 있어, AI 윤리 기준을 현실적으로 적용할 수 있게 도움을 줄 수 있다. 예를 들어 모델 설명 가능성(Explainability)이나 편향 문제를 정기 회의를 통해 수정하고 방향을 보완해 나가는 등의 활동을 할 수 있다. 단순히 ‘잘 작동하는 AI’가 아닌, 신뢰할 수 있는 AI를 만들기 위한 기반을 제공해 주는 것이다.

다음에는 좀 더 구체적으로 애자일과 AI의 연관성을 이야기해 보도록 하겠다.