AI 네이티브 SDLC - 개발 전 과정을 에이전트에 맞게 재설계하기

에이전트가 코드 작성 시간을 크게 줄여도 계획과 검토, 보안 승인, 배포가 기존 속도로 움직이면 병목이 개발 전후 단계로 이동할 뿐 전체 출시 속도는 크게 나아지지 않음 기존의 선형적인 역할별 인계 대신 계획, 설계, 구현, 테스트, 배포, 운영에 AI를 넣고, 각 단계가 만든 산출물이 다음 단계를 자동으로 시작하는 순환 구조로 바꿀 것을 제안함 intent.md, spec.md, plan.md, 코드와 테스트, PR 검토 결과, 장애 기록을 Git에 남겨 사람과 에이전트가 같은 정보를 읽고 작업하게 하며, 커밋 기록을 감사 추적으로 사용함 기계적인 검증과 정책 적용은 테스트, 평가 스위트, 스킬, 훅과 샌드박스로 자동화하고, 사람은 요구사항 승인과 위험 판단, 중요 코드 검토와 프로덕션 배포 같은 판단 지점에 집중함 운영 지표가 허용 범위를 벗어나면 결정론적 감시가 에이전트를 호출해 진단 결과를 새 intent.md로 만들고, 다시 계획부터 배포까지 같은 통제 경로를 순환하게 함 코드를 빨리 만드는 것만으로는 개발이 빨라지지 않음 기존 SDLC는 코드를 작성하고 구현하는 단계가 가장 오래 걸린다는 전제에서 만들어짐 요구사항 문서, 작업량 추정, 설계 검토와 보안 승인은 수주에서 수개월 걸리는 구현 과정에서 정렬과 통제를 유지하기 위한 장치였음 코딩 에이전트로 구현이 몇 시간까지 줄어들면 기존 과정의 균형이 깨짐 계획과 요구사항 정리는 여전히 회의와 문서 작업을 기다리고, 코드 검토와 보안팀은 사람이 만든 코드 양을 전제로 운영됨 코드 생성량만 늘리면 검토 대기가 쌓이거나 충분히 확인하지 못한 코드가 배포되는 문제가 생김 규제와 보안 요구가 있는 조직은 둘 다 받아들이기 어려우므로, 구현 단계뿐 아니라 개발 수명주기 전체가 에이전트의 속도에 맞춰 바뀌어야 함 선형 인계에서 산출물이 이어지는 순환 구조로 전통적인 개발 과정에서는 프로덕트 매니저가 요구사항을 쓰고, 설계자가 이를 해석하며, 엔지니어와 QA, 배포와 운영팀으로 작업이 순차적으로 넘어감 각 인계는 문서와 티켓, 회의와 승인으로 이루어져 느리고 원래 의도가 손실되기 쉬움 AI 네이티브 SDLC에서는 각 단계가 사람이 검토할 수 있고 다음 에이전트가 실행할 수 있는 산출물을 Git에 커밋함 산출물의 흐름은 다음과 같음 문제와 원하는 결과를 담은 intent.md 요구사항과 설계를 담은 spec.md 변경 파일과 순서, 위험과 검증 방법을 담은 plan.m...