AWS(Amazon Web Services)의 클레어 리구오리(Clare Liguori)가 아마존 사내 팀들을 관찰해, AI(Artificial Intelligence) 코딩 에이전트로 크게 빨라진 팀들의 습관을 정리한 강연 내용이다. 핵심은 도구를 바꾸는 것이 아니라 일하는 방식을 의도적으로 바꾸는 것이다.
다섯 가지 습관
- 에이전트 컨텍스트에 투자한다: 에이전트가 실수하거나 방향을 잡아 줘야 했을 때마다 무엇이 빠져 있었는지 묻고 지침에 보탠다. 새 모델이 나오면 기존 지침이 아직 필요한지 점검하고 지운다
- 빨라지려고 느려진다: 새 방식은 처음에 속도를 떨어뜨린다(J커브, J-curve). 컨텍스트 쌓기, 도구의 에러 메시지 개선, 새 도구 만들기, 코드베이스 구조 정리 같은 투자를 먼저 한다 → A·B·C 작업과 복리로 자라기
- 지켜보지 말고 먹여 준다: 핑퐁을 반복하며 지켜보는 대신, 무엇을 할지와 어떻게 검증할지를 한 번에 준다. 매번 쓰는 지시는 지침 파일에 넣는다
- 의도를 명시한다: 코드를 만든 뒤 의도가 달라 반복 수정하는 것은 낭비다. 먼저 스펙으로 의도를 구체화한다
- 테스트를 앞당긴다(shift left): 에이전트가 오래 혼자 일하려면 스스로 확인할 기준이 필요하다. 린터(Linter), 목(Mock) 서비스, 단위·통합 테스트를 로컬에서 바로 돌릴 수 있게 한다 → 테스트 피라미드, 자가 테스트 코드, MSW로 API 모킹
어려운 점
- 번아웃: 에이전트를 놀리면 안 될 것 같은 압박, 여러 에이전트를 동시에 돌리는 인지 부담, 그리고 AI 결과를 리뷰하는 것이 직접 쓰는 것보다 어렵다는 점 → 인지 부채와 이해 병목
- 조직의 변화: 일부러 느려지는 기간에 대한 합의가 필요하다. 너무 넓게 한꺼번에 퍼뜨리지 말고 실험과 확산을 점진적으로 한다
- 새 병목: 작성이 아니라 결정 속도가 병목이 된다. 되돌릴 수 있는 결정은 최대한 빨리 내린다
관련: AI 시대 엔지니어의 역할 변화, LLM 사용 습관
출처: From AI-Assisted to AI-Native: Building a Frontier Development Team Clare Liguori, AI Engineer World's Fair 2026