코드로 쓰는 정책서

조직 내에서 정책이나 업무 기준을 파악할 때, 우리는 종종 오래된 문서를 뒤지거나 여러 사람에게 반복적으로 문의해야 하는 번거로움을 경험합니다. 이러한 방식은 답변이 지연될 뿐 아니라, 전달받은 정보가 부정확하거나 불완전한 경우가 많아 실제 업무에 혼선을 일으키곤 합니다. 특히 최신 정책이 반영되지 않은 문서에 의존하면, 중요한 의사결정 과정에서 누락이나 오류가 발생할 위험도 높아집니다.

이런 현실 속에서, 정책 정보를 보다 신속하고 정확하게 전달하는 새로운 접근이 필요하다는 문제의식이 커지고 있습니다. 이번 실험은 코드에서 직접 정책을 추출하고, 최신 정보를 실시간으로 제공함으로써 반복적인 커뮤니케이션에 드는 시간과 노력을 크게 줄일 수 있음을 보여주었습니다. “문서는 오래되어 있고, 정책서도 최신 상태가 아니었죠.“라는 경험처럼, 이 실험이 조직의 민첩성을 높이는 중요한 출발점이 될 수 있음을 시사합니다.

박으뜸찬솔님은 AI와 코딩 에이전트인 Cursor를 활용해 이러한 문제를 혁신적으로 해결할 수 있다는 가능성을 발견하고, 직접 실험에 나섰습니다. 반복적인 문의와 오래된 문서에 의존하는 기존의 커뮤니케이션 방식을 넘어, 코드에서 최신 정책을 추출하고 실시간으로 정보를 제공하는 새로운 방식을 시도한 것이죠. 이제 그 구체적인 여정을 같이 떠나 보시죠.

플라이보드 프로젝트가 드러낸 현실

여행 서비스를 개발하다 보면 고객 여정의 연결고리가 끊어지는 지점을 발견하게 되죠. 한 PM이 플라이보드 프로젝트를 진행하면서 마주한 상황도 그랬어요.

“고객들은 항공편을 구매하고, 숙박도 예약하고, 투어 액티비티까지 다 구매하는데, 그 이후의 여정이 없어요. 고객은 거기서 여행이 끝나지 않았는데 저희는 그 이후에 뭔가 고객들의 액션이 없으니까 이것들을 계속 뭔가 고객여정의 끝까지 각구하기 위해서 더 고객들을 후킹해서 들어올 수 있게끔 하고자 했어요.”

4일 만에 기획부터 개발, 릴리즈까지 완료한 플라이보드 프로젝트. 실제 개발 시간은 8시간에 불과했지만, 이 프로젝트를 실제 서비스에 붙이는 과정에서 예상치 못한 벽에 부딪히게 되었어요.

“항공개발팀에서 되게 많은 도움을 주셨는데, 제가 사용자들을 늘리고 싶어서 인천공항으로 출발한 고객들에게 알림톡을 발송하는 것을 요청드렸어요. 근데 그분들의 배포주기와 코드 작업으로 인해서 저는 기다릴 수밖에 없었죠.”

문제는 단순히 기다리는 것이 아니었어요. 정책을 파악하고, 룰을 이해하고, 타겟팅 기준을 명확히 하는 과정에서 계속 사람에게 물어봐야 하는 상황이 반복되었거든요. 문서는 오래되어 있고, 정책서도 최신 상태가 아니었죠.

커서 룰로 AI 에이전트 길들이기

그렇다면 가장 최신의 정책을 담고 있는 것은 무엇일까요? 바로 코드예요. 코드에서 직접 정책을 추출하는 실험이 시작된 이유죠.

“결국 우리가 가장 최신 정책을 담고 있는 것은 모두 다 아실 거예요. 결국 코드예요. 그러면 그 코드 기반으로 정책을 뽑아낼 수 있는 방법은 없을까요?”

커서(Cursor)라는 AI 코딩 도구를 활용했지만, 단순히 도구를 쓰는 것이 아니라 ‘룰(Rules)’을 설정하는 것이 핵심이었어요. 마치 신입사원에게 회사의 업무 방식을 알려주는 것처럼 말이죠.

“커서한테 코딩을 시키면 얘는 그냥 자기 멋대로 코딩을 해요. 우리가 어떤 규칙과 어떤 프랙티스, 어떤 기준을 가지고 코딩하라는 정의를 내려주지 않았기 때문에 얘는 그냥 자기가 아는 대로 자기가 편한 대로 코딩을 할 거거든요.”

이 PM은 정산 백엔드 레포지토리에 PM의 철학을 담은 룰을 작성했어요. 단순한 텍스트가 아니라 AI가 코드를 분석하고, 데이터베이스를 조회하고, 검증까지 수행할 수 있도록 하는 체계적인 가이드라인이었죠.

자동화된 검증 시스템의 놀라운 결과

가장 인상적인 부분은 MCP(Model Context Protocol)를 활용한 검증 시스템이에요. 코드에서 추출한 정책이 정말 정확한지 실제 데이터베이스에 접속해서 확인하는 과정을 자동화했거든요.

“특히나 코드 기반으로 무언가를 추출했을 때 ,특히 테이블 명 같은 경우에도 제대로 못 뽑아내는 경우가 되게 많았어요. 이 테이블 명이 정확하지 않으면 얘가 해당 데이터를 추출해내지 못하게 되는 부분이 생기거든요.”

놀라운 것은 이 모든 과정을 코드를 전혀 모르는 PM이 구현했다는 점이에요.

“저는 Java를 잘 모릅니다. 안 본 지 너무 오래됐고 옛날에 Java로 구구단 짠 게 다예요. 그래서 저는 정산 쪽 담당하고 있으니까 그냥 모르는 사람 입장으로 한번 접근하겠습니다.”

프론트엔드 검증에서는 Playwright를 활용해 실제 웹페이지에 접속하고, 버튼을 클릭하고, 스크린샷을 찍어서 예상대로 동작하는지 확인하는 과정까지 자동화했어요.

실시간 문의 대응과 정확도 향상

이렇게 생성된 정책문서는 JSON 형태로 구조화되어 벡터 데이터베이스에 저장되고, 실시간으로 문의에 응답할 수 있는 챗봇 시스템으로 연결되었어요.

“실제로 환율 데이터 및 정책의 경우, 궁금해 하시는 분들이 많고 저희한테 문의를 제일 많이 주시거든요. 챗봇에 언제 환율 데이터 업데이트 되는지 물어보면 정책 뿐 아니라 MCP 를 통해 DB를 조회해서 몇시 몇분 몇초에 가장 최신 데이터를 가져왔다는 것까지 알 수 있어요.”

마치 살아있는 문서처럼 항상 최신 상태를 유지하면서, 구체적이고 정확한 정보를 제공할 수 있게 된 거죠. 파트너 페이지의 필터 종류, 캘린더 제한사항, 관련 API 정보까지 모든 것을 실시간으로 확인할 수 있어요.

AI 도입의 진짜 목표는 조직 민첩성

기존의 문서 검색이나 사람에게 직접 문의하는 방식은 답변이 늦게 오거나, 제공되는 정보가 부정확하거나 불완전한 경우가 많았습니다. 오래된 문서에 의존하다 보면 최신 정책을 반영하지 못해 업무에 혼선이 생기고, 일부 정보가 누락되거나 이미 유효하지 않은 내용을 참고하는 문제가 빈번하게 발생했습니다. 이러한 불확실성은 의사결정의 속도를 떨어뜨리고, 조직 전체의 효율성에 부정적인 영향을 미쳤습니다.

이번 실험은 이러한 문제를 해결하는 데 있어 중요한 첫걸음이 되었다는 점에서 의미가 있습니다. 코드에서 직접 정책을 추출하고, 최신 정보를 실시간으로 제공하는 과정을 통해 반복적인 문의와 검색에 드는 시간을 줄이고, 누락이나 오류 없는 정확한 정보 전달의 가능성을 보여주었습니다. 이 경험을 바탕으로 앞으로 더 많은 업무 영역에서 민첩성과 신뢰성을 높일 수 있는 새로운 방식이 확산될 수 있음을 시사합니다.