핵심 요약

  • Linear의 카리 사리넨은 AI 도구가 발전해도 좋은 제품을 만들고 사업을 성장시키는 일은 여전히 어렵다고 봤다.
  • 제품을 만드는 과정에는 결과물뿐 아니라 고객과 문제를 이해하는 학습이 남는다. 실행을 자동화할수록 이 학습이 끊기지 않도록 살펴야 한다는 주장이다.
  • Linear는 반복적인 버그 조사에 AI를 쓰는 한편, 절약한 시간을 고객 접점과 제품 품질을 높이는 데 쓰려 한다.
  • 고객 의견을 모아 AI로 살피고, 팀이 함께 제품을 비평하는 방식으로 판단 기준을 공유한다.

AI 도구의 발전과 좋은 제품 사이

사리넨은 여름 동안 최신 AI 모델과 에이전트 소식을 따라가지 않았다. 돌아와 보니 새로운 모델과 기법은 나왔지만, 좋은 제품을 만들고 매출을 늘리는 일의 어려움은 크게 달라지지 않았다고 느꼈다. 도구가 더 빠르고 많은 일을 할 수 있게 된 것은 분명하지만, 그 결과 제품이나 팀이 실제로 좋아졌는지는 별개의 문제라는 것이다.

그는 소프트웨어 생산량을 늘리려는 조직의 관심이 AI 이전부터 있었다고 설명했다. 인력을 늘리고 역할을 세분화한 뒤, 규모에 맞춰 절차와 실험을 도입하는 식이다. 속도와 자동화에는 가치가 있지만, 고객이 구매하는 것은 코드의 줄 수나 실험 횟수가 아니다. 사리넨이 강조한 기준은 누군가 원하는 제품을 만드는 일이다.

제품을 만들며 얻는 두 번째 결과

사리넨에 따르면 제품을 만드는 과정에서는 제품과 학습이라는 두 가지 결과가 나온다. 무엇을 어떤 형태로 만들지 고민하고 고객과 이야기하는 동안 팀은 문제와 고객의 관점을 익힌다. 이 경험이 쌓이면 팀은 무엇이 중요한지 판단하는 기준과 제품에 대한 감각을 갖게 된다.

그는 포뮬러 1 자동차의 운전대를 누적 학습의 사례로 들었다. 팀이 오랜 시간 해당 용도에 맞는 조작 방식을 익히면서 일반 자동차의 운전대와 다른 형태가 됐다는 설명이다. 제품팀도 실행 과정에서 배우지 못하면 지금 가진 강점을 점차 잃을 수 있다고 그는 우려했다. AI에 일을 맡기는 것 자체보다 실행과 학습 사이의 연결이 약해지는 상황을 경계한 것이다.

반복 작업을 줄이고 고객에게 가까워지기

Linear에서는 AI가 버그를 조사하고 수정안을 작성하는 데 쓰인다. 관련 데이터와 오류 추적 도구, 코드베이스를 살펴 원인을 찾으면 엔지니어가 결과를 검증하고 필요에 따라 고친다. 사리넨은 이런 반복 작업에서 시간을 아낄 수 있다고 봤다.

그 시간을 쓸 곳으로는 고객 문제를 꼽았다. Linear는 초기부터 엔지니어를 비롯한 팀원들이 고객과 공유하는 슬랙 채널에 참여해 질문에 답하고 고객의 이야기를 듣도록 권해 왔다. 실행에 드는 시간이 줄면 고객과 더 많이 대화하고, 해결책을 탐색하거나 작업의 품질을 높일 여지가 생긴다는 설명이다.

AI를 고객 맥락을 배우는 데 쓰는 방법

사리넨은 AI가 일을 대신 수행하는 능력만큼, 팀에 무엇을 알려줄 수 있는지도 중요하게 봤다. Linear는 영업 통화와 회의, 지원 이메일, 내부 논의에서 고객 의견을 모은다. 사리넨은 여기에 에이전트를 연결해 자신이 주목할 만한 내용을 살피게 한다.

그가 받는 사례 중 하나는 고객의 AI 업무 흐름에 관한 일일 요약이다. 회사마다 AI 도구를 쓰는 방식이 다르고 아직 뚜렷한 모범 사례가 없다고 보기 때문에, 고객이 어떻게 사용하고 무엇을 원하는지 몇 개의 요점으로 확인한다. 고객의 모든 요청을 직접 따라가기 어려운 규모에서도 고객 문제를 계속 접하기 위한 방식이다.

함께 비평하며 판단 기준을 공유하기

사리넨은 각자가 에이전트와 혼자 일하는 방식이 효율적일 수 있지만, 동료에게 배우는 기회는 줄어들 수 있다고 봤다. Linear의 ‘품질 수요일’에는 팀원들이 매주 제품에서 작은 품질 문제 하나를 찾아 고친다. 어색한 마우스 오버 상태, 매끄럽지 않은 애니메이션, 문구 오류처럼 짧게 고칠 수 있는 문제도 포함된다. 수정 자체와 더불어 문제를 발견하는 눈을 기르고, 회의에서 발견 내용과 수정 방법을 공유하는 것이 목적이다.

새 기능에는 누구나 참여할 수 있는 비평 모임도 연다. 처음 기능을 본 동료가 느낀 혼란이나 작은 불편까지 말하면 담당 팀이 질문하고 의견을 정리해 수정할 항목으로 만든다. 사리넨은 이런 대화가 팀 전체에 무엇을 살펴야 하는지 알려준다고 설명했다. 다만 동료의 혼란이 곧 고객의 반응으로 확인된 것은 아니다. 그는 이를 고객이 혼란을 느낄 가능성을 살피는 단서로 본다.

결론

사리넨이 말한 ‘맥락이 제품이 된다’는 생각은 고객에 대한 이해와 팀의 판단이 제품을 만든다는 뜻이다. 그는 AI로 반복 작업을 줄이되, 팀이 고객의 이야기를 듣고 서로의 작업에서 배우는 과정을 이어가야 한다고 강조했다.