[공모전 후기] Dev Agent, kt cloud의 업무 방식을 혁신하다

 

 

[ kt cloud 마케팅커뮤니케이션팀 ]

📋 요약

‘Dev Agent 활용 경험을 공유한 kt cloud 사내 공모전’을 통해

케클러들의 업무 효율화와 프로세스 고도화 사례를 확인해보세요.

---

 

kt cloud Dev Agent 공모전

 

안녕하세요, 마케팅커뮤니케이션팀입니다.

 

AI 기술은 이제 일상적인 업무 전반으로 빠르게 스며들고 있습니다.

케클러들 역시 AI를 실무에 적극적으로 투입하며 다양한 시도를 이어가고 있는데요.

 

ChatGPT·Gemini와 같은 범용 AI 도구부터 GitHub Copilot, Cursor 등 전문적인 ‘Dev Agent’에 이르기까지, 업무 목적 별로 최적화된 도구들이 현업의 필수 파트너로 자리 잡고 있습니다.

---

Dev Agent 활용 경험을 공유한 사내 공모전🎯

이처럼 Dev Agent를 활용한 업무 방식이 일상화됨에 따라, kt cloud는 실무 현장에서 일어나는 실제적인 변화와 생생한 노하우를 공유하고 확산하기 위해 ‘사내 Dev Agent 활용 후기 공모전’을 개최했습니다.

짧은 기간이었음에도 불구하고, 전사적으로 AI를 활용해 업무 효율을 극대화한 케클러들의 다양한 사례를 확인할 수 있었습니다 .🙌

 

📃공모전 개요 대상: kt cloud 전 임직원 기간: 1월 14일~ 1월 21일 공모 주제: Dev Agent를 활용한 개발 생산성 향상 체험기 실제 개발 업무 적용 사례(코드 작성, 리팩토링, 테스트, 문서화 등) 기존 개발 방식 대비 생산성·품질·속도 측면의 변화 Dev Agent 도입을 고민하는 동료를 위한 실질적인 인사이트

---

kt cloud의 실무자들은 Dev Agent를 어떻게 활용했을까?🔥

현업에서 반복적으로 마주하는 문제를 ‘더 나은 방식으로 해결할 수 없을까?’라는 질문에서 출발해,

문제를 정의하고 AI를 활용해 해결해 나간 케클러들의 다양한 고민과 시도를 공개합니다.

 

📌사례 1: Figma AI로 설계한 New 관리센터, 기획의 속도를 앞당기다!

(Cloud포털팀 정슬아 님)

 

Cloud 관리센터 프로토타입

 

‘Figma AI Dev Agent’ 도입으로 커뮤니케이션 최적화, 화면 기획안 도출 시간 60% 이상 단축

 

10년 이상 운영된 Classic 관리센터를 차세대 표준 아키텍처로 통합하는 ‘New 관리센터’ 프로젝트를 진행하며,
복잡한 구조와 촉발한 일정 속에서 기획 - 개발 간 간극을 최소화하기 위해 기획 상위 단계부터 Figma AI Dev Agent를 도입했습니다.

 

• 활용 과정🔥

1. 복잡한 비즈니스 로직을 한 번에 시각화하기 Classic 계정 중심 구조와 NEXT 조직 중심 구조의 매핑 로직을 프롬프트로 정의해 Figma AI에 입력하고, 조직·권한 관계를 UI로 시뮬레이션해 메뉴 구조를 재설계했습니다. 그 결과, 화면 기획 초안 도출 시간을 약 60% 이상 단축할 수 있었습니다.

 

2. 코드 생성으로 기획의 디테일을 사전에 확정하기 AI 화면에서 HTML/CSS 코드를 추출해 직접 수정하며 컬럼, 데이터 구조, 로딩 방식 등을 기획 단계에서 확정했습니다. 덕분에 개발 도중 로직을 다시 설계하는 반복 작업을 크게 줄였습니다.

3. 동적 프로토타입으로 현업과 빠르게 합의하기 추상적인 요구사항은 AI로 생성한 동적 프로토타입으로 바로 보여주며 논의했습니다. 이를 통해 의사 결정 속도는 높이고, 수정 횟수는 획기적으로 줄일 수 있었습니다.

• 주요 성과💫

1. 커뮤니케이션 최적화
머릿속에만 있던 비즈니스 로직을 AI 기반 동적 프로토타입으로 바로 보여줄 수 있어 불필요한 커뮤니케이션 시간을 단축할 수 있었습니다.
2. 설계 정밀도 향상
‘회원 정보’ 같은 추상적인 요구사항을 AI가 제안한 마크업 구조를 통해 필드·로직 단위로 구체화해 디자인·개발 단계의 Q&A를 최소화했습니다.
3. 추진력 강화
중간 결과물을 실시간 공유함으로써 유관부서와 프로젝트 방향과 이해도를 조기에 정렬할 수 있었습니다.

 

📌사례 2: “AI를 잘 쓰는 개발자들” 다음 단계: AGENTS.md로 팀 단위 AI 아키텍처 만들기

(FE개발팀 강민호 님)

 

 

개인의 도구 활용을 넘어, 팀 전체가 동일한 품질을 유지하기 위한 고민에서 시작된 사례입니다.

AI가 이해하는 기준을 일원화하기 위해 AI 사용 원칙을 명문화한 지침을 구축했습니다.

 

• 활용 과정🔥

AI가 반드시 읽고 따라야 할 단 하나의 지침, AGENT.md

 

✅4대 원칙

원칙 1. 지침 일원화 AI 지침은 오직 AGENTS.md 규격으로만 작성한다. AI 행동 규칙의 형식, 해석, 우선순위 체계를 하나로 통일한다. 원칙 2. 계층적 상속 AGENTS.md는 모노레포 구조에 따라 계층적으로 상속된다. 상위(Root) 규칙과 하위(App/Package) 규칙이 충돌할 경우, 하위 AGENTS.md가 우선한다. 원칙 3. 지식의 자산화 AI 지침을 코드와 동일하게 Git으로 관리한다. AI 협업 지식을 조직의 기술 자산으로 축적한다. 원칙 4. 도구의 비종속성 특정 IDE나 AI 서비스에 종속되지 않는 Open Format을 채택한다. 도구 교체·추가 시에도 구조 변경 없이 확장이 가능해야 한다.

 

✅계층 구조 설계

/ (Root)
├── .claude/                        # Claude 전용 AI 협업 설정
│   ├── agents/                     # 역할 기반 Agent 정의
│   │   └── {*}.md                  # {*} 전용 Agent
│   ├── commands/                   # 반복 작업용 커스텀 명령
│   │   └── {*}.md                  # /{커멘드} 명령 정의
│   ├── policies/                   # 조직/레포 단위 정책
│   │   └── {*}.md                  # {*} 원칙
│   ├── skills/                     # Agent가 사용할 기술/도구 정의
│   │   └── {*}.md                  # {*} 규칙
│   └── settings.json               # Claude 전체 동작 설정
│
├── AGENTS.md                       # 레포 공통 AI 규칙 (Single Source of Truth)
│
├── apps/
│   └── <app-name>/
│       └── AGENTS.md               # 앱 특화 규칙 (도메인/비즈니스 맥락)
│
└── packages/
    └── <package-name>/
        └── AGENTS.md               # 패키지 단위 규칙 (라이브러리/모듈 관점)

 

• 주요 성과💫

디자인 시스템 프로젝트에 우선 적용한 결과, 단순 반복은 AI가, 고차원 설계는 사람이 담당하는 명확한 역할 분담이 가능해졌습니다. 아키텍처 훼손이 줄고 코드 리뷰 및 설계 합의 시간이 단축되는 등 팀 전체의 생산성이 본질적으로 개선되었습니다.

현재는 이 방식을 프론트엔드 모노레포 전반으로 확장 적용하고 있습니다.
앞으로 검증된 AI 운영 방식을 확장하고 보안과 품질 기준을 일관되게 적용해, AI 협업 경험을 조직의 기술 자산으로 차곡차곡 쌓아갈 계획입니다.

 

📌사례 3: 코딩 비전공자가 AI로 만든 전력 장애 대응 시스템, Path Finder

(DC기술전략팀 조현제 님)

kt cloud Path Finder

 

*Path Finder는 데이터센터 전력 설비를 가상의 패스 맵으로 구성하고 설비 장애 발생 시 전력 흐름을 판단, 대체 경로를 찾고 복구 시나리오까지 제안해 주는 시스템입니다.

 

데이터센터 운용 실무자가 전력 장애 대응 시스템 Path Finder를 직접 설계하고 제작했습니다. 이번 프로젝트는 운용자의 판단 로직이 시스템으로 전환 가능한지 신속하게 검증하는 데 초점을 맞췄습니다.

ChatGPT와 Cursor를 활용해 프롬프트를 축적하며 아이디어 검증을 반복한 결과, 코딩 비전공자도 자신의 도메인 지식을 바탕으로 작동하는 시스템을 구현할 수 있음을 확인했습니다.

 

• 활용 과정🔥

기술적 실현 가능성 검증 - Python, Dev Agent	사고 축적 – ChatGPT 프로젝트 기능	구현 반복 – Visual Studio + GPT 워크플로우	도구 최적화 – Cursor 도입을 통한 워크플로우 개선
전력 설비를 그래프 구조로 모델링하고, 장애 발생 시의 경로 탐색·제약 조건 필터링·우선순위 판단 로직을 Python과 Dev Agent를 활용해 경량 프로토타입으로 구현 “이 아이디어가 실제로 동작하는가?”를 신속하게 검증	Path Finder를 하나의 ChatGPT 프로젝트로 구성해 운영자 매뉴얼 기반 기능 정의, 전력 흐름 판단 기준, 제약 조건, 특허 청구항 해석 등의 데이터를 지속 축적 단발성 프롬프트가 아닌, 시간이 지날수록 맥락이 강화되는 사고·지식 저장소로 활용	Visual Studio에서 코드를 작성·실행하고, 발생한 로그와 에러를 GPT에 피드백받아 반영하는 과정을 반복 특히 “운용 판단 로직의 코드화”나 “기존 기준을 유지한 리팩토링” 등 도메인 로직 중심의 요청을 통해 가독성 높은 코드 구조를 확보	PT 사용 시 발생하는 맥락 재설명의 번거로움과 도구 간 전환 문제를 해결하기 위해 Cursor 도입 전체 코드베이스를 이해하는 Cursor는 구현·리팩토링·코드 리뷰에 활용하고, GPT는 설계·판단 기준 정립 등 상위 사고 단계에 집중하도록 역할을 분담하여 업무 효율 향상

• 주요 성과💫

전문 개발자가 아님에도 개인의 실무 역량을 AI를 통해 구체화함으로써,

아이디어 검증부터 기술 구현, 특허 취득에 이르는 전 과정을 성공적으로 완수할 수 있었습니다.

 

 

 

 

• Path Finder 소개 영상 보러가기📺

 

---

Dev Agent가 만든 새로운 업무 방식😎

이번 공모전은 Dev Agent가 단순한 보조 도구를 넘어, 아이디어 기획부터 구현까지 업무 전반의 효율과 프로세스를 고도화할 수 있는 실질적인 수단임을 확인하는 계기가 되었습니다.

 

kt cloud는 이런 성공 사례들을 토대로 AI 협업 경험을 조직의 지속 가능한 역량으로 정착시켜 나가겠습니다.

AI와 함께 진화할 다음 이야기도 기대해 주세요! 💫

 

 

 

---