들어가며
개발자들이 이직할 회사를 판단할 때 매출이나 영업이익 같은 외부 지표도 중요하지만, 팀의 문화나 업무 방식은 직접 체감하지 않으면 알기 어려운 부분입니다. 그래서 이 글에서는 외부에서 파악하기 힘든 내부 관점, 즉 팀의 문화와 일하는 방식을 중심으로 개발팀의 상황을 살펴보고자 합니다.
한국딥러닝이 쌓아온 약 6년의 시간 중, 본격적으로 비전 인공지능 시장에서 자리를 잡기 시작한 건 지난 2년간의 압축 성장 덕분이라고 생각합니다. 이 기간 동안 우리는 수많은 장애물에 부딪히고, 그것들을 하나하나 해결해 나가며 지금의 자리에 도달했습니다. 물론 여전히 해결 중인 문제들도 있고요.
이 글에서는 그런 여정 속에서 3년 차 개발자이자 팀을 관리하는 매니저로서 제가 바라본 우리 회사의 현재를 정리해 보려 합니다. 여기에서 이야기할 기준들은 저 역시 과거 구직 활동 중 스스로에게 던졌던 질문이며, 합류를 고민할 때 실제로 도움이 되었던 판단 틀이기도 합니다. 개발자마다 기준은 다를 수 있지만, AI분야 개발자가 일하고 싶은 회사는 다음의 세 가지를 충족해야 한다고 생각합니다.
"개발자의 고유한 역량을 존중하는 팀인가?”
스타트업의 여러 장점 중에서도, 많은 뛰어난 개발자들이 가장 큰 매력으로 꼽는 것은 빠른 성장 기회입니다. 그래서 실력 있는 개발자일수록 배울 점이 많은 동료들과 함께 일하는 환경을 중요하게 생각하죠. 이런 관점에서 우리 팀이 가진 강점과 한계, 그리고 이를 개선해 나가는 과정을 공유해보려 합니다.
현재 우리 개발팀에는 아직 다양한 경험을 갖춘 팀 리더는 없습니다.
하지만 이것은 비단 우리 팀만의 문제가 아니라, AI 비즈니스 업계 전체에서 흔히 볼 수 있는 현실이기도 합니다. 그 정도 경력을 가진 분들은 보통 대기업 연구직, 해외 기업, 혹은 학계에 계시니까요. 그렇기에 혹시 이 글을 읽으며 "내가 바로 그 사람인데?" 싶은 분이 계시다면, 저희는 진심으로 [개발팀장 지원]을 기다리고 있습니다.
어차피 많은 스타트업들이 비슷한 상황이라면, 그중 어떤 팀이 보다 더 매력적으로 느껴질까요?
제가 생각하는 좋은 팀의 조건은, 서로 다른 강점을 가진 엔지니어들이 조화롭게 시너지를 내는 팀입니다. 우리 팀 역시 모두가 완벽하진 않지만, 각자의 강점을 살려 협력하고 배우는 문화를 만들어가고 있습니다. 다양성과 성장 가능성 면에서는 꽤 괜찮은 AI 솔루션개발팀이라고 자부할 수 있어요. 그럼, 우리 팀 동료 개발자들을 소개해 보겠습니다.
•
Eric은 수학적 기반이 탄탄해 모델 연구 시 핵심 논리들을 날카롭게 짚어냅니다. 팀원들이 제안하는 접근 방식을 정교하게 검토해주며, 중요한 모델링 의사결정을 할 때 늘 든든한 조언자 역할을 해줍니다.
•
Kai는 놀라울 정도로 빠른 개발 속도와 폭넓은 기술 스펙트럼을 자랑합니다. 다양한 관점에서 문제를 바라보고 해결책을 제시해주기 때문에, 팀 전체의 기술적 시야를 확장시켜주는 역할을 하고 있어요.
•
Ian은 배포, 환경 설정, 테스트 자동화 등 실험 인프라 전반을 책임지고 있습니다. 덕분에 내부적으로도, 외부로 보여지는 결과물 측면에서도 병목 없이 빠른 실험과 반복이 가능해졌습니다.
•
Loren은 새로운 모델에도 빠르게 적응하며, 반복 작업과 스몰 태스크의 부담을 효과적으로 분담해줍니다. 특히 커뮤니케이션과 프로젝트 매니징에 강해, 팀 전체의 조율자이자 윤활유 같은 역할을 해줍니다.
•
Han은 문제를 빠르게 이해하고, 이를 해결하기 위한 실행 전략을 빠르게 도출합니다. 아직 혼자 인프라 설계를 도맡고 있음에도, 차근차근 책임 영역을 넓혀가며 AI 엔지니어들이 실험에만 집중할 수 있도록 앞에서 고군분투하고 있어요.
우리 개발팀은 각자의 전문성과 강점이 최대한 발휘될 수 있도록 업무를 배분합니다. 특히 여러 명이 함께 프로젝트를 진행할 때는, 역할을 나눌 때 이러한 강점을 중심으로 조율합니다
예를 들어:
• Kai는 빠른 리서치 역량을 살려 선행 연구 논문들을 다양하게 조사합니다.
• Eric은 논문을 빠르게 읽고 핵심 내용을 파악한 후, 기존 모델에 어떻게 적용할 수 있을지 명확하게 공유합니다.
• Ian은 실험을 위한 환경 설정과 배포 준비를 맡아 기술적인 기반을 안정적으로 다져줍니다.
• Loren은 프로젝트 매니징과 팔로업을 책임지며, 동시에 필요한 개발 요청들을 세심하게 처리합니다.
• Han은 데이터 처리에서 발생할 수 있는 병목 요소들을 미리 예측하고, 문제를 해결하기 위한 기술적 접근을 수행합니다.
이처럼, 각자의 전문성과 강점을 기반으로 한 유기적인 협업 구조가 프로젝트의 속도와 품질을 모두 높이는 데 큰 역할을 하고 있습니다.
소통의 어려움도 빠르게 개선
팀워크는 결국 ‘사람 간의 소통’에서 출발합니다. 아무리 기술적으로 뛰어난 팀이라도, 소통 방식에 문제가 생기면 일의 방향이 어긋나기 마련입니다. 우리 팀도 예외는 아니었습니다. 어떤 경우엔 논의가 생산적인 방향으로 이어지기보다는, 서로의 말이 겹치거나 오해가 쌓여 논쟁이 과열되는 일이 있었죠. 문제를 해결하려던 회의가 오히려 감정적인 소모로 끝나기도 했습니다.
이러한 상황이 반복되자, 단순히 회의 방식을 바꾸는 것 이상의 근본적인 변화가 필요하다고 느꼈습니다. 그래서 시작한 것이 정기적인 1:1 피드백 세션이었습니다. 이 시간에는 단지 업무 이야기를 넘어서, 서로의 소통 스타일, 협업할 때 느꼈던 불편함, 혹은 고마웠던 점들까지 솔직하게 나누는 것을 목표로 삼았습니다. 팀원 각자의 말투나 표현 방식, 피드백을 주고받는 스타일 등 평소엔 말하기 어려웠던 부분들도 조심스럽지만 진지하게 이야기할 수 있었습니다.
피드백을 모아 정리한 후, 전체 팀에게 공유하고 함께 개선 방향을 논의하는 시간도 가졌습니다. 다행히 모든 팀원이 열린 자세로 피드백을 받아들였고, 이 과정에서 "내가 의도한 방식과 실제로 전달된 방식이 다를 수 있구나"라는 인식이 생겼습니다. 이후부터는 말의 어조나 회의 중 개입 방식, 의견 표현의 구조 등을 스스로 점검하고 조율하려는 분위기가 자연스럽게 생겨났죠.
그 결과, 지금의 우리 팀은 여전히 다양한 의견이 오가는 역동적인 팀이지만, 불필요한 갈등보다는 더 나은 해결책을 함께 찾아가는 협업의 에너지가 중심에 있습니다. 우리는 갈등을 피하기보다, 더 나은 소통 방식을 찾으며 팀워크를 단단히 만들어가고 있습니다.
팀장이 부재한 상황에서도 안정적인 운영을 위한 노력
현재 우리 팀은 팀장 포지션이 없는 상태이기 때문에, 외부 요청이나 다른 팀의 간섭 등으로부터 모든 이슈를 완벽히 예방하기는 어려운 상황입니다. 그럼에도 불구하고, 아래와 같은 방식으로 운영의 공백을 최소화하고 있습니다.
•
커뮤니케이션 관리: Loren
◦
팀의 매니징 역할을 맡은 Loren은 매주 전사 팀장회의에 참석하고, 회의에서 나온 주요 소통 내용을 매일 팀원들에게 업데이트하고 있습니다. 이를 통해 정보 전달의 공백을 최소화하고 있습니다.
◦
또한, 개발팀과 협의되지 않은 상태에서 타 부서와 계약이 진행되는 일을 방지하기 위해, 로렌은 다른 팀에 사전 협의 필요성을 지속적으로 강조하고 있으며, 모든 절차를 직접 더블체크하여 관리하고 있습니다.
•
개발 협업: 집단지성과 AI 개발 런치패드: Daily Scrum
◦
개발 측면에서는 집단지성을 기반으로 문제를 해결하고, 상호 합의를 도출하기 위해 매일 아침 데일리 스크럼을 진행하고 있습니다.
◦
이 시간은 각자가 어떤 문제를 해결하고 있는지, 어떤 업무를 수행할 예정인지 서로 공유함으로써, 개발 진행 상황을 명확히 파악하고 협업을 원활하게 유지하는 데 큰 도움이 되고 있습니다.
"회사가 뛰어든 프로덕트, 그 판이 충분히 넓은가”
회사의 성장은 기술력이나 마케팅, 자본보다도 먼저 시장 자체의 크기에 달려 있다고 생각합니다. 아무리 뛰어난 제품과 인재가 있어도, 그들이 활약할 수 있는 ‘판’이 작다면 함께 성장하고 배부를 수 있는 팀원 또한 제한될 수밖에 없죠.
요즘 누구나 AI 산업의 시장 규모나 성장성은 다양한 리서치 자료를 통해 수치로 확인할 수 있습니다. 하지만 실제로 AI 기업의 내부에 몸담고 있는 사람만이 느낄 수 있는 판단 지표도 있습니다.
그게 바로, “1년 전과 지금, 내가 고민하는 문제가 얼마나 다르게 진화했는가”입니다.
이 고민의 변화는 단순히 개인의 성장만을 의미하지 않습니다. 그것은 곧 시장이 얼마나 빠르게 확장되고, 더 복잡하고 고도화된 문제를 다룰 수 있게 되었는지를 보여주는 증거입니다. 그리고 그 차이를 몸소 체감할 수 있다면, 지금 뛰어든 ‘판’이 충분히 크고 깊다는 뜻이기도 합니다.
1년 전 vs 지금, 고민의 질이 달라졌습니다.
[1년 전 – 불확실성 속에서 던졌던 질문들]
• 시장 검증 단계:
"B2B AI 마켓이 과연 실존하는 시장인가?"
→ 시장 수요 자체에 대한 의구심이 크던 시절.
• 비즈니스 지속 가능성:
"지금 수행하는 사업들로 확보한 수익, 얼마나 유지될 수 있을까?"
→ 런웨이에 대한 불안감이 상존했던 시절.
• 시장 탐색 전략:
"인바운드가 거의 없으니, 매달 빠르게 새로운 PoC를 시도해봐야 하지 않을까?"
→ 아이템을 찾기 위한 조급한 실험들 반복.
[지금 고민 – 명확해진 방향성과 진짜 고민]
• 미래 먹거리아이템 확정 :
"B2G 비즈니스 성과로 인해 N년치 런웨이는 확보됐다. 이제 우리는 OCR에 집중하면 되겠구나."
→ 생존을 넘어 핵심 기술 역량 강화로 무게중심 이동.
• 고객 니즈의 세분화:
"프로덕트 데모 관련 인바운드가 엄청나다.
이제 고객이 원하는 범위 중, 빠르게 해결할 수 있는 기능은 어디까지일까?"
→ 기술영업 + TPM(기술설계) 파트와 함께 기능 정의 및 기술적 해법 탐색 중.
우리 개발팀을 포함한 한국딥러닝(KDL) 구성원 모두는 “AI 프로덕트의 시장은 예상보다 훨씬 넓고, 그 안에서 우리가 뛰어놀 수 있는 여지는 분명히 존재한다”는 확신을 가지고 있습니다.
불과 1년 전만 해도 B2B AI 프로덕트의 존재 가치에 의문을 품었던 우리가, 이제는 제품의 방향성과 역량의 전략적 분배를 본격적으로 고민하고 있습니다.
이 변화는 우연이 아닙니다. 고객의 수요는 분명해졌고, 해결해야 할 문제는 구체적이며, 실행을 위한 기반도 점점 단단해지고 있기 때문입니다.
이제 우리의 질문은 더 이상 “AI 시장이 실재하는가?”가 아닙니다. 그보다는 “우리는 이 커다란 판 위에서 어떤 영역을, 어떤 방식으로 차지할 것인가?”를 고민할 시점에 와 있습니다.
“결과 보상을 누릴 기회가 주어지는 회사인가?”
아무리 산업의 규모가 크다고 해도, 그 안에서 살아남는 스타트업은 극히 일부에 불과합니다. 수백, 수천 개의 팀이 잠재력을 펼쳐보기도 전에 시장에서 사라지곤 합니다. 이런 현실 속에서 ‘성장 가능성’은 단순한 낙관이 아니라, 생존과 직결된 중요한 판단 기준입니다.
개발자 입장에서도 이 지점은 특히 중요하게 작용합니다. 회사가 성장해야 다룰 수 있는 데이터의 양과 다양성 역시 함께 확장되기 때문입니다. 조직이 빠르게 성장할수록 기술적인 도전 과제는 더욱 정교해지고, 그만큼 개발자로서 성장할 수 있는 토양도 넓어집니다. 결국, 개발자의 커리어는 회사의 성장 속도와 밀접하게 연결되어 있습니다.
이러한 성장세를 단순히 수치로만 판단하기보다는, 내부 개발자의 시선에서 체감한 변화의 흐름을 살펴보는 것이 훨씬 직관적일 수 있습니다. 예를 들어, 1년 전과 지금의 개발 목표 설정 방식은 어떻게 달라졌는지, 과거에 맡았던 업무와 지금 집중하고 있는 역할은 어떻게 진화해 왔는지를 돌아보는 것이죠.
이러한 변화의 결을 공유함으로써, 단순한 성장 그래프보다 더 생생하게 회사의 성장 곡선을 전달할 수 있습니다. 그리고 결과에 대한 보상 역시, 그 흐름 속에서 충분히 감지하실 수 있을 것입니다.
1년 전의 방식: 고객 맞춤 중심의 관점
당시의 목표 설정은 개별 프로젝트에 초점을 맞춘, 다소 ‘내부 최적화’ 중심의 접근 방식이었습니다.
• 가장 우선시되었던 것은 고객사의 기대치를 정확히 파악하는 일이었습니다. “이 고객사는 어느 수준의 성능을 기대하고 있을까?”를 기준으로 목표를 설정하곤 했습니다.
• 그다음으로 고려했던 것은 투입 대비 효과(ROI)였습니다. 한정된 리소스를 최대한 효율적으로 배분하기 위해, 어떤 방식으로 고객사를 만족시켜야 우리가 가장 많은 성과를 낼 수 있을지를 깊이 고민했습니다.
• 이러한 모든 판단 기준은 경쟁사보다는 우리 내부의 역량과 자원 배분에 더 초점이 맞춰져 있었으며, 고객사와의 긴밀한 커뮤니케이션을 바탕으로 공수 산정과 일정 조율이 핵심이었습니다.
지금의 방식: 경쟁 환경까지 확장된 시야
현재는 위 요소들을 여전히 고려하면서도, 그 판단의 축이 외부 경쟁 환경으로까지 확대되고 있습니다.
• 동일한 성능을 달성하더라도, 경쟁사와 비교했을 때 우리는 어떤 수준에 위치해 있는가?에 대한 인식이 점점 더 중요해지고 있습니다.
• 내부적으로는 “우리는 특정 조건에서는 더 잘할 수 있다”는 감각이 있지만, 이를 뒷받침할 객관적인 지표나 벤치마크가 부족해 명확한 비교 기준을 세우기 어렵다는 현실적인 한계도 함께 느끼고 있습니다.
• 이제는 단순히 고객 만족을 넘어서, 경쟁 우위를 확보하기 위한 전략적 목표 설정이 필요해졌습니다. “경쟁사는 이러한 문제를 어떻게 해결하고 있을까?”에 대한 리서치와, 그에 맞춘 대응 전략 수립이 점점 더 중요한 과제로 떠오르고 있습니다.
고민의 방향 자체가 과거의 ‘우물 안 개구리’식 내부 최적화에 머물렀던 시기에서, 이제는 시장을 선점하고자 하는 전략적 시야로 확연히 전환되었다고 느끼고 있습니다. 단순히 “우리가 잘하고 있는가?”를 자문하는 수준을 넘어, “경쟁사와 비교했을 때 얼마나 앞서고 있는가?”, “우리는 어떤 기술적 우위를 확보할 수 있는가?”와 같은 질문을 던지는 단계로 나아가고 있는 것입니다.
이는 곧, 저희가 만들어낸 기술적 성과들이 시장 내 경쟁자들에게 의미 있는 견제가 될 수 있을 만큼의 수준에 도달하고 있다는 것을 보여주는 결과이기도 합니다. 이러한 방향성의 변화는 단순한 태도의 전환이 아니라, 기술력에 대한 자신감과 실제 성과가 그만큼 뒷받침되고 있다는 증거라고 생각합니다.
1년 전: 분산된 개발, 얕고 넓은 도메인 집중
•
당시 개발자들은 특정 프로덕트에 장기적으로 집중하기보다는, 그때그때 필요하거나 흥미를 느끼는 주제를 중심으로 개발을 수행하는 방식으로 일했습니다.
•
그 결과, 도메인이 지나치게 분산되었고, 한 분야를 깊이 있게 파고들기보다는 여러 기술을 넓게 경험하는 데 그치는 경우가 많았습니다.
•
팀원 모두가 다양한 분야의 기술을 동시에 다뤘으며, 예를 들어 Kai, Ian, Loren은 생성형 AI, OCR, LLM, 이미지 처리 등 서로 다른 기술 스택을 넘나들며 작업했습니다.
현재: 명확한 목표와 도메인 심화
•
현재는 OCR 프로덕트 완성이라는 명확한 목표 아래, 타팀 과의 유기적으로 협업하며 설계부터 리서치, 개발까지 전 과정을 유기적으로 이어가며 일하고 있습니다.
•
기술적인 깊이뿐만 아니라 프로덕트 관점에서의 완성도를 높이기 위한 노력도 함께 병행하고 있습니다.
•
여전히 해결해야 할 과제는 많지만, 이제는 보다 선명한 방향성과 우선순위 속에서 업무를 수행하고 있습니다.
점진적 변화와 믿음
과거에는 지금보다 외부 요청에 따라 개발자들이 각자 흩어져 일하는 경우가 많았다면, 현재는 하나의 공통된 목표 아래 정렬되어 함께 움직이고 있습니다. 이 과정에서 도메인 분리의 필요성도 뚜렷하게 체감하고 있으며, 이를 실현하기 위한 제도적 보완과 운영 방식의 개선 역시 진행 중입니다. 개발팀은 이러한 변화와 집중이야말로 AI 시장에서 누구보다 빠르게 기회를 선점하는 핵심 요인이 될 것이라 확신하고 있습니다.
마치며
지금까지 이야기한 기준들은 결국 "개발자로서 나의 기술과 시간이 의미 있게 쓰일 수 있는가?"라는 질문으로 수렴됩니다. KDL 개발팀은 문제 정의부터 기술 적용, 결과 확산까지 전 과정을 함께 설계하고 실현해 나가는 팀입니다. 단순히 주어진 업무를 처리하는 것이 아니라, '왜 이 일을 하는가'를 질문할 수 있는 환경과 그 질문에 답을 찾아 실행하는 과정이 우리의 일상입니다.
한국딥러닝은 리더들은 모든 구성원이 자기 역할의 의미를 이해하고, 명확한 목표 아래에서 주도적으로 일할 수 있도록 노력하고 있습니다. 이 글이 AI 산업에 기여하고 싶은 개발자분들, 그리고 일의 본질에 집중하며 성장하고자 하는 분들께 작은 힌트가 되었길 바랍니다.
만약 당신이 “기술로 문제를 해결하는 경험”을 팀과 함께 나누고 싶다면, 우리는 그 여정을 함께할 준비가 되어 있습니다.
[KDL 개발팀 소개와 채용정보]
