최근 AI 에이전트의 활용 방식이 개별 작업을 처리하는 수준을 넘어, 프로젝트의 큰 목표와 핵심 지표를 스스로 이해하고 필요한 작업을 찾아 수행하는 '소프트웨어 팩토리' 패턴으로 진화하고 있습니다. 이는 마치 사람이 프로젝트 매니저처럼 전체 그림을 보고 능동적으로 업무를 추진하는 방식과 유사합니다. 단순히 주어진 티켓을 해결하는 것을 넘어, 에이전트가 목표 달성을 위한 최적의 경로를 탐색하고 실행하는 새로운 패러다임이 열리고 있습니다.
이러한 변화를 주도하는 Imprint(임프린트)는 올해 초부터 AI 도구 도입을 넘어 작업 방식과 관리 체계를 연이어 혁신해왔습니다. 1월에는 모든 엔지니어에게 Claude Code(클로드 코드) 사용을 의무화했고, 4월에는 병목 현상을 해결하기 위해 독립적인 로컬 작업 공간 10여 개를 구축했습니다. 6월에는 에이전트의 전사 작업 파악과 권한 관리를 단순화하기 위해 Jira(지라)에서 Linear(리니어)로 전환했으며, 7월에는 Stripe(스트라이프)의 Minions(미니언즈)와 유사한 에이전트 실행·조율 시스템인 Agent Fleet(에이전트 플릿)을 도입했습니다. 이 모든 과정은 궁극적으로 AI 에이전트가 큰 목표를 가지고 반복적으로 작업을 수행하는 소프트웨어 팩토리 패턴을 구현하기 위한 기반을 다진 것입니다.
Imprint가 구현한 첫 번째 소프트웨어 팩토리 루프인 '/linear-project-loop'는 Linear 프로젝트를 읽고 Notion RFC(노션 RFC)에서 프로젝트 목표와 측정 방법을 확인하며, Datadog(데이터독) 대시보드나 Snowflake(스노우플레이크) 쿼리로 진척도를 점검합니다. 필요한 문서나 도구가 없으면 사용자와 함께 만들고, 지표와 이슈 상태를 검토하여 새로운 작업을 추가하거나 기존 작업의 상태를 갱신합니다. 이후 PR(Pull Request) 작성, 수정, 리뷰 요청 등 진행 가능한 작업을 수행하고, 작업 완료 후에는 프로젝트 설명의 최신 여부에 따라 다음 단계를 결정합니다. 이 방식은 사람이 머릿속에만 갖고 있던 목표와 측정 기준을 에이전트와 공유함으로써, 에이전트가 올바른 방향으로 가는지, 빠진 작업은 없는지 스스로 판단할 수 있게 합니다. 또한, 출시 후에도 낮은 빈도로 루프를 실행하여 도입률이나 오류율 변화를 놓치지 않고 점검할 수 있습니다.
이러한 소프트웨어 팩토리 패턴은 단순히 AI 도구를 활용하는 것을 넘어, 소프트웨어 개발 및 운영 전반의 효율성을 극대화할 잠재력을 가지고 있습니다. 목표와 측정 수단을 명확히 연결함으로써 에이전트가 단순히 티켓을 처리하는 것을 넘어, 현재 지표를 바탕으로 필요한 일을 재판단하고 능동적으로 목표 달성에 기여할 수 있게 됩니다. 이는 개발팀의 생산성을 혁신하고, 출시된 제품의 지속적인 개선 및 유지보수에도 큰 도움을 줄 것입니다. 궁극적으로는 인간 개발자가 더 고차원적인 문제 해결과 창의적인 작업에 집중할 수 있는 환경을 조성할 것으로 기대됩니다.