두 가지 정의 — 둘 다 흔하고, 둘 다 유용하고, 섞어 쓰면 둘 다 틀립니다.
AI-using. 일부 팀원이 일부 작업에 가끔 AI를 쓰는 팀. 마케팅 사이트에 Cursor가 언급되어 있고, 엔지니어는 ChatGPT 구독료를 환급받고, "AI 도구" 슬랙 채널에서 가끔 누군가 프롬프트를 공유합니다. 지금 대부분의 회사는 AI-using입니다.
AI-first. AI가 일이 일어나는 핵심 경로에 들어와 있는 팀. 스탠드업은 작성되는 게 아니라 합성되고, 코드 리뷰는 AI 1차 패스로 시작하고, 스펙은 AI가 초안을 쓰고 사람이 강하게 편집하고, 고객 지원은 AI가 첫 번째 응답자입니다. 워크플로우에서 AI를 빼면 팀의 하루가 의미 있게 망가집니다.
겉보기에는 비슷해 보입니다. 같은 게 아닙니다.
구분 지점은 도구가 아닙니다. 어떤 아티팩트가 AI에게 먼저 닿느냐입니다. AI-using 팀은 사람이 쓰고 AI가 돕습니다. AI-first 팀은 AI가 쓰고 사람이 큐레이션하고 검증하고 편집하고 결정합니다.
이게 중요한 두 가지 이유.
첫째, 중요한 스킬이 달라집니다. AI-using 팀은 속도와 도구 숙련도에 보상합니다. AI-first 팀은 편집적 판단력, 프롬프트 설계, 그리고 모델이 확신에 차서 틀렸을 때 알아채는 능력에 보상합니다. 이건 다른 커리어 사다리입니다. "AI 숙련도"를 단일 루브릭으로 평가하려다가 깨달았습니다 — 같은 엔지니어가 한쪽에서는 탁월하고 다른 쪽에서는 평범할 수 있기 때문에, 단일 점수가 자꾸 헛소리를 만들어냈습니다.
둘째이자 더 어려운 점: 기존 성과 평가 시스템들은 암묵적으로 AI-using을 가정합니다. "이번 주 티켓 몇 개 닫았나요?"는 엔지니어가 그 종료 작업을 직접 했다고 가정합니다. "코드 라인 수"는 엔지니어가 그 라인들을 직접 썼다고 가정합니다. AI가 첫 번째 작성자가 된 순간, 이 메트릭들은 완전히 다른 것을 측정합니다 — 큐레이션 처리량(이것도 진짜이고 가치 있습니다)이거나, 비관적으로 보면 AI 청구액입니다.
GANEUM는 AI-first를 전제로 만들었습니다. 합성은 AI가 사람과 같은 신호를 읽는다고 가정하고, 역량 점수는 사람의 기여가 편집적 판단이라고 가정하며, 트라이앵귤레이션은 사람이 아티팩트의 대부분을 직접 쓰지 않았기 때문에 사람이 보고한 작업을 검증해야 한다고 가정합니다. 이 선택들은 AI-using 팀에는 의미가 없습니다. AI-first 팀에는, 이것만이 의미 있는 선택입니다.
본인이 어느 쪽인지 모르겠다면 — 이번 주 레포에 커밋된 것을 보세요. 사람이 초안을 쓰고 AI가 도왔다면 AI-using입니다. AI가 초안을 쓰고 사람이 다듬고 편집해 출시했다면 AI-first입니다. 어느 쪽도 부끄러울 일이 아니지만, 한쪽에 맞는 도구가 다른 쪽에는 맞지 않습니다.