문서

OMS에서 Claude AI를 활용하여 변화된 업무 방식

이준환 컬리 · 컬리 기술 블로그

AI 핵심 요약

12개 MSA를 4명이 운영하며 영향도 분석과 코드 정책 누락, 잦은 배포 요청에 어려움을 겪던 OMS팀은 Claude Code를 역할별 TPM·MSA AI로 나눠 협업 방식을 바꿨다. 각 역할에 맞는 문서만 불러오도록 AI Context를 설계하고, 프로젝트 지식과 개발·배포 절차를 분리했으며 API·Kafka 스펙은 JSON DSL로 관리해 서비스 간 호출 관계를 파악하게 했다. Jira·GitHub·Datadog MCP를 연결해 요구사항 분석부터 하위 티켓 생성, 개발, 배포 준비와 모니터링까지 지원하고, 엔지니어는 AI의 결과와 특히 TPM AI의 아키텍처 설계를 검증하는 데 집중한다. 이 경험은 AI 도입의 핵심이 코드 생성을 맡기는 데 그치지 않고 맥락을 체계화하고 인간이 결과에 책임지는 협업 구조를 만드는 데 있음을 보여준다.

역할별로 필요한 문서만 로드하면 컨텍스트 범위와 토큰 사용을 통제하기 쉽다.
프로젝트 지식은 ai-context에, 개발·배포 절차는 Skills에 분리해 관리한다.
API와 Kafka 연동 정보는 JSON DSL로 구조화하면 서비스 간 호출 관계를 추적하기 편하다.
AI의 답변과 코드는 신입 개발자의 제안처럼 검증하고, 특히 여러 MSA에 영향을 주는 1차 설계를 팀이 먼저 검토한다.
코드 리뷰에서는 정답을 바로 지시하기보다 힌트를 주어 AI가 기존 패턴을 찾아 학습하도록 유도한다.

소개

PM 1명과 엔지니어 3명이 12개 MSA를 운영하는 OMS팀이 Claude AI를 도입하여 16명 규모의 조직처럼 일하게 된 과정을 소개합니다.

비슷한 학습 자료

컨퍼런스 엔지니어링데이 2025

AI와 함께하는 프로젝트 자동화 : 더 빠르고, 더 스마트하게

컨퍼런스 엔지니어링데이 2025

네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2025 에서 발표되었던 세션을 공개합니다. [발표 내용] 로컬 환경에서 Ollama LLM과 mcp-agent를 연결해 빌드 실패 분석, 크래시 로그 요약, Slack 자동 리포트까지 구현했습니다. AI가 단순한 도구가 아닌, 프로젝트의 자동화 동료가 되는 과정을 공유합니다. [발표 대상] 로컬 LLM(Ollama)과 오픈소스 mcp-agent 를 활용한 AI 자동화 시스템 구축에 관심 있는 개발자 [목차] * AI와 자동화를 연결하기 * LLM을 활용한 빌드 실패 알림 자동화 * LLM을 활용한 크래시 모니터링 자동화 * Slack with LLM * LLM & MCP 면 만능일까?

데브옵스 · 인프라 AI에이전트 개발