
프롬프팅에서 워크플로로, AI로 프런트엔드 개발 생산성 끌어올리기
프런트엔드 개발의 병목을 컨텍스트 통합 문제로 보고, AI를 프롬프트가 아닌 워크플로로 활용하는 방법을 설명했습니다. 계획-구현-검증-PR까지 닫힌 루프를 만들면 재작업을 줄이고 품질을 높일 수 있다고 정리했습니다.

프런트엔드 개발의 병목을 컨텍스트 통합 문제로 보고, AI를 프롬프트가 아닌 워크플로로 활용하는 방법을 설명했습니다. 계획-구현-검증-PR까지 닫힌 루프를 만들면 재작업을 줄이고 품질을 높일 수 있다고 정리했습니다.

AI가 PM을 완전히 대체하기보다, 목표 정렬과 진척 추적 같은 운영 부담을 덜어주는 데 더 적합하다고 보았습니다. 슬랙봇으로 OKR·KR 관리와 데일리 스크럼을 자동화해 팀의 방향성을 더 또렷하게 만들었습니다.

생성형 AI의 한계를 넘기 위해 개발 전 과정을 AI와 함께 수행하는 AI-DLC 방법론을 소개했습니다. 기획부터 운영까지 컨텍스트와 이력을 보존하는 워크플로우를 통해 엔터프라이즈 개발 생산성을 높이는 접근을 다뤘습니다.

업무용 LLM 봇에서는 모델보다 하네스가 더 중요하다는 점을 정리했습니다. 범위 설정, 근거 분리, 도구 실패 구분이 실제 운영 품질을 좌우했습니다.

데마에칸은 타사 채팅 솔루션 종료를 계기로 InquiryChat으로 전환했습니다. 후쿠오카 현장 조사와 FGT/FGI를 통해 운영 맥락을 반영하고 상담 효율과 경험을 개선했습니다.

AI 코딩 도구를 개인용에서 팀과 비개발자용으로 확장한 설계 과정을 다뤘습니다. Slack 기반 인터페이스와 품질 게이트로 QA와 기획자도 안전하게 작업하도록 만든 사례입니다.

생성형 AI를 QA 운영 체계에 통합해 품질 이벤트 분석과 테스트 설계를 자동화했습니다. 사람과 AI가 함께 작동하는 구조로 QA의 역할과 사고 범위를 확장했습니다.

PM 반복 업무를 재현 가능한 AI 워크플로우로 정리한 사례를 소개했습니다. 데이터 검증, 승인, 산출물 연결까지 포함해 조직 지식으로 축적하는 방법을 설명했습니다.

비개발자가 AI와 사내 가이드를 활용해 생산성 측정 대시보드를 만든 과정을 공유했습니다. 리드타임 계산부터 서버 구축, 데이터 검증까지의 시행착오와 배운 점을 정리했습니다.

에이전틱 코딩으로 구현부터 PR까지 자동화한 워크숍 사례를 소개했습니다. Jira·Confluence 연계와 단계별 명령어로 실무 적용성을 높인 점이 핵심입니다.

MCP 서버를 AI 어시스턴트와 연결해 개발 효율을 높이는 사내 활용 사례와 워크숍 내용을 소개했습니다.티켓 발행 자동화와 멀티 에이전트 PR 리뷰를 통해 안전한 확장과 보안 관리의 중요성을 강조했습니다.

ADK로 싱글·멀티 에이전트를 만들고 MCP로 사내 시스템과 연동한 워크숍 내용을 소개했습니다. 작은 자동화부터 시작해 팀 전체로 AI 활용을 확산하는 방법을 공유했습니다.