[reinvent 2025] 아마존의 생성형 AI 접근 방식을 통한 개발자 생산성 가속화
Summary
아마존은 AWS Bedrock과 에이전트 AI(Agentic AI) 프레임워크의 조합을 활용하여 개발자 생산성을 혁신하는 지능형 개발 도구를 구축하고 있습니다. 이 세션에서는 개발팀이 겪는 비개발 활동(예: 문서화, 티켓 관리, 정보 검색)의 비효율성을 해소하고, Spec-Driven Development 자동화와 AI Teammate와 같은 AI 에이전트 통합의 실제 사례를 통해 조직의 제공 속도를 가속화하는 방법을 제시합니다.
리인벤트 2025 테크 블로그의 더 많은 글이 보고 싶다면?
Overview
들어가며
Spec-Driven Development: 명세 기반 개발로 기술 부채를 제거하다
Spec-Driven Development(SDD)는 기존의 코드 작성 방식에서 한 단계 추상화하여 명세(Specification)를 작성하고, AI가 이 명세를 기반으로 코드 초안의 상당 부분(80% 정도)을 자동으로 생성하도록 돕는 개발 방식입니다.SDD의 핵심은 통합된 신뢰의 원천(Unified source of truth)을 제공한다는 점입니다. 법률 및 접근성 관련 부서 등 다양한 이해관계자의 요구사항이 명세라는 하나의 채널로 통합되며, AI는 이 명세를 기준으로 개발 프로세스 적용 및 유효성 검사를 수행할 수 있습니다.
Spec Studio라는 내부 도구를 통해 아마존은 기존 코드를 분석하여 명세(Code to Spec)를 역으로 생성할 수 있게 되었습니다. 이 명세를 통해 개발자는 다음 아티팩트들을 자동으로 생성할 수 있습니다:
1. 자동 문서화 및 다이어그램: 코드에서 자동으로 시스템 개요, 개발자 문서, 사용 가이드, 그리고 시스템 상호작용 다이어그램 등을 생성합니다. 예를 들어, StoreGenAgentTimers 패키지의 코드를 분석하여 NLP(자연어 처리) 능력, 타이머 상태 관리, 알림 전달이라는 세 가지 핵심 기능을 담은 명세가 추출되었습니다.
2. 기술 부채 제거 및 일관성 보장: 명세에 핵심 로직을 추출하면, 해당 명세를 사용하여 다른 언어나 플랫폼에서 코드를 재구현할 때 불필요한 코드를 제거하고 기술 부채를 없앨 수 있습니다. 또한 웹과 모바일 같은 크로스 플랫폼에서도 일관된 구현이 가능합니다.
Spec Studio는 명세에 대한 질문 답변(Q&A)이나 의미론적 검색 기능을 제공하여, 개발자들이 코드를 일일이 읽지 않고도 필요한 정보를 쉽게 찾을 수 있도록 지원합니다.
AI Teammate: 개발팀의 맥락을 이해하고 주도적으로 협업하는 에이전트
AI Teammate는 단순히 특정 사용자를 돕는 도구가 아니라, 팀의 일원으로 작동하는 선제적인(Proactive) AI 에이전트입니다. 이는 팀의 Slack, Jira, Confluence 등 모든 시스템에 연결되어 끊임없이 학습합니다.
AI Teammate의 주요 특징은 다음과 같습니다:
• 지속적인 팀 메모리: 시스템과 커뮤니케이션 전반의 맥락(Context)을 유지하여(Memory), 이후의 작업에 이 컨텍스트를 활용합니다.
• 루틴 작업 자동화: 다른 팀의 질문에 답하거나, 문서를 작성하거나, 복구(Fallback) 조치를 실행하는 등 일상적인 작업을 자동 처리합니다.
• 고수준 작업 집중 지원: 개발자들은 AI Teammate 덕분에 아키텍처 설계, 전략 결정, 문제 해결과 같은 고수준의 활동에 집중할 수 있게 됩니다.
AI Teammate 활용 사례:
- 1. 정보 검색 및 답변: 팀원이 Slack에서 특정 패키지의 작동 방식(예: storage agent work package)을 물어보면, AI Teammate가 Spec Studio에서 명세를 즉시 조회하여 개발자에게 몇 초 만에 답변을 제공합니다. 이는 다른 개발자를 방해하는 불필요한 정보 검색 시간을 줄여줍니다.
- 2. 태스크 생성 및 관리: 새로운 기능 요청 문서(BRD)가 주어지면, AI Teammate는 문서를 읽고 이를 구현하기 위한 세부 태스크 목록을 자동으로 생성합니다. 또한, 대화의 결론에 도달하면 선제적으로(Proactively) 프로젝트 관리 시스템(예: Taskel)에 태스크 생성을 제안하고, 개발자의 확인을 거쳐 구체적인 태스크 항목을 자동으로 등록합니다.
- 3. 코드 구현 및 수정: AI Teammate에게 특정 태스크에 대한 초안 구현을 요청할 수 있으며, 생성된 코드가 코드 리뷰를 위해 게시되면(예: 우선순위 레벨 추가), 다른 개발자가 제공한 코드 리뷰 코멘트를 AI Teammate가 읽고 해당 코드를 자동으로 업데이트하고 개정할 수 있습니다.
결론
아마존은 생성형 AI를 활용하여 소프트웨어 개발의 진화를 목격하고 있습니다. AI는 2023년 Auto-complete, 2024년 Assistants를 거쳐 2025년에는 Agents의 시대에 접어들어, 개발 작업을 엔드투엔드로 완료하는 단계에 이르렀습니다.
아마존 스토어 팀(StoreGen)은 개발 속도를 가속화하기 위해 “실패하더라도 빠르게 실험하고, 개발자에게 실질적으로 도움이 되는 솔루션을 찾는” 스타트업 방식의 접근법을 채택했습니다. 이러한 노력의 결과, 일부 팀에서는 기능 출시 속도가 4배 증가했으며, 개발 시간이 몇 주에서 몇 시간으로 단축되는 성과를 거두었습니다.
AI의 도입은 단순히 ‘효율성(Efficiency)’을 높이는 것을 넘어, 개발 프로세스 자체를 재구상(Reimagining)하여 이전에는 불가능했던 문제들을 해결하는 데 초점을 맞춰야 합니다.
AI Native Development를 성공적으로 추진하기 위한 핵심 교훈은 다음과 같습니다:
- 소프트웨어 개발의 진화: AI Enhanced 도구에서 AI Native 개발을 통한 엔지니어링 방식의 재설계로 전환해야 합니다.
- 의도적인 AI Native 채택: 새로운 엔지니어링 방식을 수용하고, 새로운 기능을 탐색하며, 의도를 가지고 도구를 채택해야 합니다.
- 일관성과 표준화: AI의 영향력과 성공을 여러 팀에 걸쳐 확장하기 위해 관행과 메커니즘의 표준화 및 일관성(Consistency and Standardization)이 필수적입니다.
