[AI]AI와의 성공적인 협업 사례 - 29CM

최근 29CM QE팀에서 공개한 'AI와의 성공적인 협업 사례'를 읽고 그 내용을 정리해 보았습니다. 상용 툴의 한계를 느끼고 Cursor AI(Vibe Coding)를 통해 직접 문제를 해결해 나간 과정이 인상 깊습니다.

---

1. 10년 쓴 상용 툴을 뒤로하고 직접 만들기로 한 이유?

많은 팀이 상용 TMS(Testcase Management System)를 사용하지만, 29CM QE팀은 다음과 같은 고질적인 문제에 직면해 있었습니다.

• 느린 기술 지원: 1년 넘게 방치된 버그와 계층 구조 오류로 인해 테스트 케이스 Import가 사실상 불가능했습니다.
• 도구의 파편화: 결국 신규 케이스는 구글 스프레드시트에 작성하고, 기존 케이스만 TMS에서 수행하는 '반쪽짜리' 운영이 계속되었습니다.
• 비용 대비 효율 저하: 지불하는 비용만큼의 가치를 얻지 못한다는 판단이 섰습니다.

---

2. AI 협업의 현실

처음에는 화면이 척척 만들어지는 모습에 감탄했지만, 프로젝트가 커질수록 AI의 한계가 명확해졌습니다.

• AI의 망각: 기능이 많아질수록 AI는 이전 작업 맥락을 잊고, 필요한 코드를 삭제하거나 수정해 버리는 상황이 발생했습니다.
• 프롬프트의 중요성: AI는 사용자가 모호하게 말하면 비효율적인 코드를 뱉어냅니다. 결국 개발 언어 자체보다 '내가 만들고 싶은 기능의 Flow'를 얼마나 정확히 이해하고 설명하느냐가 핵심이었습니다.

---

3.  개발 프롬프트의 3단계 Level UP 전략

단계	특징	비고
Level 1	일반적인 기능 요청	로그인처럼 학습 데이터가 많은 기능은 단순 요청만으로 구현 가능
Level 2	상세 Flow 및 화면 구성 설명	추상적 단어를 배제하고, 기능 간의 연관성과 동작 순서를 상세히 설명
Level 3	시스템 구조 직접 설계	DB Table 구조, API 응답 프로퍼티 등을 미리 설계하여 제공

 

💡 Tip: 디버깅 시에도 단순히 "고쳐줘"가 아니라, "Log를 추가해서 원인을 파악할 수 있게 해줘"라고 요청하거나, 논리적으로 의심되는 부분을 끝까지 추적하는 집요함이 필요했습니다.

---

4. 29TMS의 주요 기능

약 3개월의 개발 기간을 거쳐 탄생한 29TMS는 실무에 필요한 핵심 기능을 완벽히 갖추었습니다.

• 회원 관리: 관리자 승인 기반 로그인 및 Access Token 인증 체계.
• CSV Import: 시스템 필드와 헤더를 자동으로 매핑하는 Auto Mapping 기능과 업로드 화면 내 폴더 생성 기능.
• 테스트 실행 및 관리: 폴더별 플랜 생성, 진행률 확인, 벌크 결과 입력 및 메모 기능.
• 아카이브 및 PDF: 테스트 완료 처리 및 결과의 PDF 단건/벌크 다운로드 지원.
• Swagger API: 거의 모든 기능을 API로 제공하여, 기존에 운영 중이던 'QA 리포트 자동화 봇'과도 완벽히 연동되었습니다.

---

5. QE팀이 얻은 유무형의 성과

자체 시스템 구축은 팀에 엄청난 변화를 가져왔습니다.

1. 즉각적인 대응: 버그나 필요한 기능을 팀 내부에서 바로 수정/구현할 수 있습니다.
2. 성능 개선: 상용 툴 대비 API 응답 속도가 초(s) 단위에서 밀리초(ms) 단위로 비약적으로 빨라졌습니다.
3. 비용 제로: 더 이상 외부 솔루션에 비용을 지불하지 않아도 됩니다.
4. 기술적 자신감: Python만 다루던 테스터가 React와 Node.js 기반의 풀스택 도구를 만들어내며, 어떤 도구든 만들 수 있다는 자신감을 얻었습니다.

6. 마무리하며: 기술적 자신감이라는 수확

이번 프로젝트의 가장 큰 수확은 단순히 툴을 만든 것이 아니라, "AI와 함께라면 어떤 도구든 만들어낼 수 있다"는 자신감을 얻은 것입니다. 개발 지식이 부족하더라도 로직과 구조를 이해하고 있다면 AI는 최고의 파트너가 될 수 있음을 보여준 사례였습니다.