AI가 대신 코딩하는 시대, 기업들은 어떻게 일하고 있을까? 당근·토스·오늘의집 사례

MIT가 발표한 보고서에 따르면, 생성형 AI 도입을 추진한 기업들의 95%가 실질적 성과를 내지 못하고 있었습니다. 많은 기업이 AI 전환을 말하지만, 실제로는 챗봇을 붙이거나 몇몇 툴로 비효율을 줄이는 수준에 머무르는 경우가 적지 않죠. 반면 AI를 잘 쓰는 기업은 다릅니다. 개발 직군뿐 아니라 전 직군, 전사 차원에서 AI를 실무에 붙이고 업무 속도는 물론 협업 방식과 문제 해결 과정 자체까지 바꾸고 있습니다. 그래서 이번 글에서는 아래 세 가지 사례를 통해 요즘 기업들이 AI를 활용해 실제로 어떻게 일하고 있는지 살펴보겠습니다.

당근: AI로 제품을 다시 설계하는 법

당근은 검색, 추천, 게시글 작성처럼 일부 기능에 AI를 붙이는 데서 멈추지 않고, 처음부터 AI를 중심으로 설계된 네이티브 프로덕트를 지향합니다. 다만 여기서 당근이 더 중요하게 본 건 기술 자체가 아니라 사용자 경험이었어요. 생성형 AI가 기존의 업무 표준을 바꿔놓는 상황에서, “무슨 기술을 쓸까”보다 “사용자에게 더 빠르고 편리한 경험을 줄 수 있을까”를 먼저 본 것이죠.

그래서 당근은 완벽한 계획을 오래 세우기보다, 70% 정도의 가능성이 보이면 빠르게 실행하고 사용자 반응을 보며 개선하는 방식을 택했습니다. 또한 실행이 전사에 확산되도록 매주 AI Show & Tell 세션에서 각 팀의 시도와 시행착오, 레슨런을 공유하고 있어요.

부동산팀의 실험: 사용자의 관심사를 기반으로 매물 핵심 정보를 요약하는 AI 매물 정보 요약 기능

당근의 AI 전환 사례

• 슬랙 요약봇: 매일 보던 지표 점검 시간을 30분에서 3분으로 줄였습니다.

• AI 매물 정보 요약: 기능을 빠르게 테스트하고, 관심 수·채팅 수 반응을 바로 확인했습니다.

• 직군 경계 완화: PM, 디자이너, 엔지니어가 역할보다 문제 해결 중심으로 움직였습니다.

• VoC Playground: 반년 넘게 끌던 분석 시스템을 1주일 만에 AI 기반 도구로 전환했습니다.

• 사용자 반응 검증: 기능 추가에서 끝내지 않고, 온보딩과 실제 사용 반응까지 함께 봤습니다.

→ 기술 도입 그 자체보다, 제품을 만들고 검증하는 방식이 더 짧고 빠르게 바뀌고 있습니다.

토스: 문서를 읽는 개발에서, AI가 실행하는 개발로

지난해 토스페이먼츠가 PG 업계 최초로 MCP를 도입해 주목을 받은 이유는 단순히 새로운 AI 기술을 붙였기 때문만은 아닙니다. 더 본질적인 변화는 개발 방식에 있었죠. 원래 결제 연동은 API 문서를 읽고 예제 코드를 찾고 막히면 기술 지원을 요청하는 식으로 시간이 오래 걸리는 작업이었습니다. 특히 개발 리소스가 부족한 팀에게는 이 과정 자체가 큰 진입장벽이었고요. 토스는 바로 이 불편을 줄이는 데 집중했습니다.

이미지 출처

이제는 자연어로 연동 목적을 설명하면 AI가 먼저 코드를 만들고 사람은 그 결과를 검토하고 다듬는 쪽으로 개발 방식이 바뀌었습니다. 실제로 토스페이먼츠는 기존에 최대 3개월, 평균 1~2주 걸리던 결제 연동 과정을 AI 기반 환경에서 10분 내 수준으로 줄였다고 밝혔습니다. 이는 단순히 자동화했기 때문이 아니라 공식 문서와 예제 코드, 연동 가이드를 AI가 바로 이해하고 활용할 수 있게 다시 구조화했기 때문에 가능했던 변화였습니다.

토스의 AI 전환 사례

• 연동 시간 단축: 최대 3개월, 평균 1~2주 걸리던 결제 연동을 10분 내 수준으로 줄였습니다.

• 자연어 기반 연동: “결제창을 연결해줘” 같은 요청만으로 AI가 실제 코딩 작업을 수행할 수 있게 했습니다.

• 문서 구조화: 공식 API 문서, 연동 가이드, 예제 코드를 AI가 이해할 수 있는 형태로 연결했습니다.

• 진입장벽 완화: 개발 경험이 적거나 외부 개발에 의존하는 사업자도 연동에 접근하기 쉬운 구조를 만들었습니다.

→ AI가 제대로 이해하고 실행할 수 있도록 정보와 맥락을 설계하는 힘이 중요해지고 있습니다

오늘의집: AI Native 조직으로 일하는 방식을 다시 쓰다

오늘의집은 AI를 단순히 업무 효율을 높이는 도구로 쓰는 데서 멈추지 않고, 일하는 방식 자체가 AI와 결합된 AI Native 조직으로 가겠다는 방향을 분명히 하고 있습니다. 실제로 AI Transformation팀을 두고 각 팀의 페인포인트를 AI로 풀 수 있도록 돕고, 프롬프트·AI 워크플로·바이브 코딩 같은 실무 중심의 활용도 함께 넓히고 있죠. 몇몇 팀이 개별적으로 AI를 써보는 수준이 아니라, 조직 차원에서 AI를 실무에 붙이는 방식을 직접 만들어가고 있는 셈입니다.

이 변화는 실제 업무에서도 드러납니다. 오늘의집은 반복적인 정리와 초안 작성 같은 일을 AI로 줄이는 데서 출발했지만, 변화는 비개발 직무에만 머물지 않았습니다. SpaceAI팀은 지표와 릴리즈 맥락을 함께 읽는 분석 파이프라인을 만들었고, 유저인사이트팀은 Cursor AI와 MCP를 활용해 대시보드 세팅과 쿼리 작성 시간을 크게 줄였습니다. 덕분에 지표를 정리하거나 코드를 작성하는 데 쓰던 시간보다, 결과의 의미를 해석하고 더 나은 방안을 논의하는 데 더 많은 에너지를 쏟을 수 있게 됐죠.

▲ AI Transformation팀이 제공하는 AI 업무 상담 안내 노션 가이드 중

오늘의집의 AI 전환 사례

• AI Transformation팀: 각 팀의 페인포인트를 찾아 AI 솔루션을 함께 설계하고 있습니다.

• 지표 분석 자동화: SpaceAI팀은 지표 변화와 릴리즈 맥락을 함께 읽는 분석 파이프라인을 구축했습니다.

• VOC 리포트 자동화: 서비스운영팀은 월 20시간 가까이 쓰던 리포트 업무를 월 1시간 이내로 줄였습니다.

• 답변 Copilot 도입: 고객 답변 작성 시간을 건당 4분에서 20초 수준으로 단축했습니다.

• Cursor AI·MCP 활용: 유저인사이트팀은 대시보드 세팅과 쿼리 작성, 파일 수정 같은 분석 병목을 크게 줄였습니다.

→AI를 잘 쓰는 조직일수록 반복 업무를 줄이는 데서 끝나지 않고 사람이 더 중요한 해석과 판단에 집중하게 만듭니다.

세 가지 사례가 공통으로 보여주는 건 분명합니다. AI가 들어오면서 구현과 정리, 반복 작업의 부담은 줄었지만, 그만큼 더 중요해진 건 무엇을 먼저 풀어야 하는지 정하는 문제 정의력, 맥락을 구조화해 AI가 이해할 수 있게 만드는 설계력, 그리고 나온 결과를 검토하고 더 나은 방향으로 다듬는 판단력입니다. 결국 AI 시대에 경쟁력을 만드는 건 툴 자체보다, 그 툴을 제대로 활용할 수 있는 사람의 문제 해결 능력이라고 볼 수 있죠. 그래서 지금 필요한 준비도 단순한 문법 암기보다, 문제를 이해하고 구조화하고 끝까지 해결하는 연습에 더 가깝습니다. 코드트리에서 그 기본기부터 단단하게 다져보세요.