AI-native 하게 재고 플랫폼 구축하기
CIAP의 설계, 구현, 검증 워크플로를 AI와 하네스로 재설계해, 재고와 배송 약속 두 도메인을 프로덕션에 적용한 경험을 공유합니다.
이런 분께 권합니다
- AI에게 코드 작성을 맡기는 단계를 넘어, 시스템 구축 과정과 검증 체계 자체를 다시 설계하고 싶은 엔지니어에게 권합니다.
- AI를 활용하는 Senior Backend, Platform Engineer, Tech Lead, Staff Engineer, Engineering Manager
연사
무신사 Core Engineering 조직에서 재고 & Promise 시스템 을 설계하고 구현하고 있습니다. 팀원의 생산성을 높이는 것을 가치있게 생각하며 함께 지식을 공유하며 성장하는 문화에 관심이 많습니다.
무신사 Core Engineering 조직에서 상품. 재고. Promise 도메인의 기술 의사결정을 이끕니다. 코드 맥락을 팀과 AI가 재사용할 수 있게 구조화합니다.
세션 소개
PART 1AI-native 하게 재고 플랫폼 구축하기
무신사에서 시스템을 구현하는 과정을 문서 작성, 이해, 구현, 검증의 네 단계로 다시 정의하고 각 단계의 병목을 AI로 개선했습니다. 특히 완성된 설계 문서를 입력으로 요구사항, 구조, 코드, 테스트, 검증 증거를 연결하고, 결정적인 작업과 검증 계약을 코드로 강제한 하네스 엔지니어링에 집중합니다. CIAP의 재고 플랫폼과 배송 약속 엔진을 프로덕션에 적용하며 정착한 메커니즘, 폐기한 검증 방식, 문서 중심 워크플로의 한계를 함께 소개합니다.
PART 2AI가 코드를 쓰는 시대, Staff Engineer는 왜 잡부가 되었나
CIAP에서는 코드 구현과 함께 재고, 배송 정책, 데이터 소유권, 출시 범위를 여러 조직이 합의해야 했습니다. 김도영은 32건의 ADR 하위 의사결정을 운영하고, 지금 만들 것과 나중에 다시 검토할 것을 구분했습니다. 또한 KILO와 Orbit으로 반복 조사와 코드 맥락을 팀과 AI가 재사용하는 경로로 만들었습니다. 성공 사례뿐 아니라 Orbit 자동 실행 중단, 시간 절감 지표 부재, AI와 역할 변화의 인과가 아직 검증되지 않았다는 한계도 함께 다룹니다.