Endava는 ChatGPT Enterprise와 Codex를 조합해 소프트웨어 딜리버리 전 과정을 AI 에이전트로 재설계했습니다.
핵심은 ‘사람이 검토하고 에이전트가 반복 작업을 처리하는’ 역할 분리 구조입니다.
한국 실무 맥락에서는 보고서 초안, 회의록 정리, 코드 리뷰 코멘트 자동화가 가장 빠른 진입점입니다.
도구보다 먼저 SOP를 정의하는 것이 도입 성패를 가릅니다.
개발 조직이 AI를 도입할 때 흔히 빠지는 함정이 있습니다. 도구는 샀는데, 쓰는 방식은 그대로인 경우입니다. Endava는 반대로 갔습니다. 소프트웨어 납품 구조 자체를 AI 에이전트 중심으로 재설계했습니다. 어떤 순서로, 어떤 역할 분리로 그것을 실행했는지 — 한국 실무에 맞게 풀어봅니다.
Endava가 바꾼 것은 도구가 아니라 납품 구조였습니다
글로벌 IT 서비스 기업 Endava는 ChatGPT Enterprise와 OpenAI Codex를 도입하면서 단순 생산성 향상을 목표로 잡지 않았습니다. 소프트웨어 딜리버리 파이프라인 자체를 AI 에이전트가 작동할 수 있도록 재설계한 것이 핵심입니다.
구체적으로는 요구사항 분석, 코드 생성, 테스트 시나리오 작성, 코드 리뷰 코멘트까지 — 반복적이고 문서화 가능한 작업 전반에 에이전트를 배치했습니다. 사람은 의사결정과 최종 검토에 집중하는 구조입니다.
이 접근의 의미는 단순합니다. 에이전트는 SOP가 명확할수록 잘 작동합니다. Endava가 먼저 한 일은 도구 선택이 아니라, 각 납품 단계에서 ‘무엇이 반복되는가’를 정의하는 작업이었습니다.
조직 전체에 AI 네이티브 문화를 심기 위해 내부 교육과 프롬프트 라이브러리 공유도 병행했습니다. 도구 도입이 아니라 체질 전환에 가깝습니다.
한국 실무에서 가장 빠르게 적용할 수 있는 세 가지 진입점
Endava의 프레임을 한국 실무 맥락에 그대로 이식하기는 어렵습니다. 납품 구조보다 보고 문화, 회의 빈도, 이메일 커뮤니케이션 비중이 다르기 때문입니다. 그래서 진입점을 다르게 잡아야 합니다.
첫 번째는 회의록 자동화입니다.
한국 조직에서 회의는 많고, 회의록은 늘 늦게 나옵니다. 녹취 텍스트나 메모를 ChatGPT에 넣고 ‘결정 사항, 액션 아이템, 담당자, 기한’ 형식으로 정리하도록 프롬프트를 고정하면 — 10분짜리 작업이 2분으로 줄어듭니다. 이것이 가장 빠른 체감 지점입니다.
두 번째는 보고서 초안 생성입니다.
데이터 요약, 현황 설명, 시사점 도출의 구조는 반복됩니다. 보고서 형식 자체를 프롬프트 템플릿으로 만들어두면, 실무자가 매번 빈 화면 앞에서 시작하지 않아도 됩니다. 초안이 있는 것과 없는 것은 체감 피로도가 다릅니다.
세 번째는 이메일 및 제안서 문구 다듬기입니다.
고객사 담당자님께 보내는 제안이나 팔로업 메일은 톤과 맥락이 중요합니다. 직접 쓴 초안을 넣고 ‘격식체 유지, 요청 사항 명확히, 200자 이내’처럼 제약 조건을 프롬프트에 명시하면 AI가 편집자 역할을 합니다.
세 가지 모두 공통점이 있습니다. 형식이 반복되고, 판단보다 정리가 주된 작업이라는 점입니다. 에이전트가 가장 잘 작동하는 조건이기도 합니다.
프롬프트를 SOP로 만들어야 조직이 씁니다
Endava 사례에서 주목할 부분은 개인 역량이 아닌 시스템으로 전환했다는 점입니다. 잘 쓰는 사람이 혼자 활용하는 것과, 팀 전체가 같은 품질로 출력을 뽑는 것은 다릅니다.
그 차이를 만드는 것이 프롬프트의 SOP화입니다.
예를 들어 회의록 프롬프트를 한 사람이 잘 만들었다면, 그것을 Notion에 올리거나 Slack 워크플로에 버튼으로 연결하는 것이 다음 단계입니다. 개인의 노하우가 팀의 표준 도구가 되는 순간, 도입 효과가 선형이 아닌 방식으로 확장됩니다.
Endava가 내부 프롬프트 라이브러리를 공유한 이유도 같습니다. 잘 작동하는 프롬프트는 자산입니다. 버전 관리가 필요하고, 누가 어떤 맥락에서 쓰는지 기록이 남아야 합니다.
국내 조직에서 현실적인 방식은 다음과 같습니다.
– 팀 공용 Notion 페이지에 ‘프롬프트 사전’ 문서를 만들고 용도별로 분류합니다.
– 각 프롬프트에는 ‘사용 맥락’, ‘입력 형식’, ‘기대 출력 예시’를 함께 기재합니다.
– 월 1회 회고에서 잘 작동하는 프롬프트를 업데이트합니다.
도구 도입 자체는 어렵지 않습니다. 그것을 팀이 지속적으로 쓰게 만드는 구조를 설계하는 것이 실제 과제입니다. Endava가 증명한 것도 결국 그 부분입니다.
마무리
AI 에이전트는 아직 모든 것을 자동화하지 못합니다. 하지만 반복되고 형식화된 작업에서는 이미 실무자의 시간을 돌려줄 수 있습니다. 중요한 것은 도구가 아니라, 어떤 작업을 먼저 넘길지 결정하는 판단입니다. 그 판단이 쌓이면 체질이 됩니다. 🙂