네이버 ENGINEERING DAY 2026 발표. 쇼핑 에이전트 답변 모델 개발에서 입력 스펙이 자주 바뀌는 문제를 해결하기 위해, 변경된 스펙만 입력하면 결함 탐지·프롬프트 최적화·SFT 학습 데이터 생성을 에이전트가 폐쇄 루프로 자동화하는 파이프라인을 설계한 경험을 다룬다.

Spotify가 AI 코딩 도구를 조직 전반에 확산하며 얻은 결론은 "코딩은 더 이상 병목이 아니고, 이제 무엇을 만들지 결정하는 일이 새 병목"이라는 것이다. 프로덕션 코드베이스가 엔지니어 수보다 7배 빠르게 커지며 폭증한 유지보수 부담을, 배경 코딩 에이전트 Honk와 자동화 파이프라인으로 흡수한 과정을 다룬다.

Stack Overflow 가 2026년 4월 말 개발자·기술 전문가 1,100명을 대상으로 한 펄스 서베이로 AI 에이전트 도입 현황을 짚는다. 핵심은 "Agents on a leash" — 도입은 1년 새 두 배로 늘었지만 완전 자율이 아니라 사람이 감시하는 단일 에이전트 모드가 주류라는 점이다.

AWS 의 Kiro CLI 시리즈 3부로, RDS/Aurora 장애 분석을 EC2 + cron 으로 매일 자동 실행해 HTML 보고서를 만들고 S3 presigned URL 을 SES 이메일과 Slack 으로 발송하는 운영 파이프라인을 다룬다. Part 1·2 의 IDE·터미널 분석을 무인 스케줄 배포로 확장한 셈이다.

AWS Kiro CLI 시리즈 1부로, RDS/Aurora 장애 분석을 IDE 에서 자동화하는 KIDA(Kiro Database Analyzer)를 다룬다. DBA 가 콘솔 7곳을 30분 넘게 수동으로 뒤지던 분석을, Kiro IDE 의 Steering·Hook·MCP 조합으로 버튼 한 번에 데이터 수집부터 근본 원인 도출·HTML 보고서까지 자동화한다.

14개 레포에서 한 주치 Git 커밋을 모아 주간 업무 보고서로 정리한 뒤 Confluence에 올리는 작업이 매주 30~60분씩 들었고, 포맷 일관성과 누락 방지도 사람이 일일이 챙겨야 했다.

AI가 코드 작성 속도를 높였지만 MR 라이프사이클(리뷰어 지정·피드백 반영·충돌 해결·리베이스)은 여전히 수동이라 병목이 됐다.

ScyllaDB 클러스터 증설과 OS 업그레이드는 수십 시간 동안 엔지니어가 순서와 상태를 직접 관리해야 하는 고위험 운영이었다.

마이리얼트립이 월 7만 5천 건의 CS 인입을 처리하면서 인력 효율과 고객 만족도의 균형을 맞춰야 함.

DevOps 의 PR 리뷰/의존성 점검/일일 보고 같은 추론 필요 반복 작업을 사람 손으로 매번 수행하면 시간이 많이 들고, n8n 같은 절차 자동화 도구로는 맥락 판단이 어렵다.

업무 성향이 다른데 AI 에이전트를 동일하게 도입하면 효과가 떨어진다.

요기요 모바일팀이 온콜 대응에서 로그/지표 분석을 사람이 매번 수행하면 시간이 걸리고 야간 대응 부담이 커진다.

AI 코딩 도구가 만들어내는 코드 양이 많아지면서 사람 리뷰어의 병목이 심해진다.

설정 파일 검증·정책 강제·세션 간 맥락 유지를 매번 손으로 챙기면 잊거나 일관성을 잃기 쉬웠다.

AI 보급으로 비개발자도 코드 작성을 시도하지만 터미널·Node·MCP·배포 같은 환경 세팅이 진입장벽이 되어 실행으로 잘 이어지지 않았다.

Self-Managed GitLab은 순차적 버전 경유와 Background Migration 대기, 실패 시 검색·롤백 같은 복잡한 절차 때문에 업그레이드마다 수 시간 대기 노동이 발생했다.

팀 메신저의 버그를 담당자 판단·멘션·티켓 생성·정리하는 데 시간이 소모돼 실제 코드 수정보다 행정 비용이 더 컸다.

배포 때마다 Jira 티켓 생성·브랜치 확인·머지·상태 변경 등 수작업 반복으로 개발자 컨텍스트 스위칭 비용과 태그·머지 누락 실수 발생

실시간 채팅 기반 고객지원의 구조적 한계. 문제 정의 전 해결부터 시도하는 비효율, FRT 집착이 오히려 TTR 증가 유발, 비정형 대화 데이터로 자동화·분석 불가

카카오페이증권은 모니터링·옵저버빌리티 같은 기술 영역 가시화는 고도화돼 있었지만, "고객 관점에서 지금 어떤 불편을 겪고 있는가" 를 빠르게 파악할 수단이 부족했다.