심 혁주 베이글코드의 ‘AI First’는 AI와 함께 성장의 영역을 넓혀가는 여정입니다.
<AI First, with Bagels>는 그 길 위에 선 동료들의 생생한 목소리를 담습니다.
[Vol. 5 – 데이터&AI팀 김은채님]
: AI와 일하면서 배우는 방법 – Study OS를 만든 이유
데이터 엔지니어의 일은, 보이지 않는 곳에서 시작됩니다.
유저가 게임 안에서 아이템을 구매하거나 이벤트를 완료하는 순간, 그 행동은 바로 데이터가 됩니다. 은채님의 팀은 게임과 UA에서 발생하는 데이터를 수집하고 이벤트 파이프라인을 운영해 분석에 활용할 수 있는 형태로 만들어냅니다. 동시에 데이터팀 인프라 전반을 관리하는 것도 DE팀의 역할입니다.
데이터가 틀리면, 그 위의 모든 판단도 어긋납니다.
은채님도 처음에는 조심스러웠습니다.
“저희는 기존 인프라가 되게 크고 많아가지고, 처음에는 AI한테 뭔가 맡기기가 좀 조심스러웠어요. 데이터 유실 같은 큰 이슈가 생기면 문제가 커지거든요”
지금은 다릅니다.
은채님은 이제 Claude Code 세션을 5개씩 열어두고 일할 만큼 AI에 진심입니다.
1. 성장할 수 있는 곳으로
은채님은 베이글코드 두 번 입사했습니다.
첫 번째는 인턴.
다른 회사를 거쳐 다시 돌아왔습니다.
이전 회사에서는 DBA(데이터베이스 관리자)로 일했습니다.인프라에 더 가까운 포지션이었습니다.
맡은 일은 정해져 있었고, 그 안에서 움직였습니다.
은채님은 다시 돌아온 가장 큰 이유를 ‘성장’이라고 말합니다.
“베이글코드에서는 새로운 기술이라든지, 직원들이 하고 싶은 업무를 말했을 때 시켜주시는 문화가 있어요. 더 많이 성장할 수 있을 것 같아서 다시 돌아왔습니다.”
이 마음이 나중에 Study OS를 만드는 밑거름이 됩니다.
2. 막막했던 디버깅, AI로 극복하다
DE팀에서 오류 원인을 찾는 건 쉬운 일이 아닙니다.
데이터가 최종 형태로 나오기까지 여러 컴포넌트를 거칩니다.
어느 지점에서 문제가 생겼는지, 로그를 한 줄씩 직접 뜯어보며 추적해야 했습니다.
혼자서는 원인을 찾을 수 없어 결국 경험 많은 팀원에게 물어보는 것으로 끝나는 날이 많았습니다.
지금은 다릅니다.
Claude Code 세션에 인프라 맥락을 넘기면 AI가 확인해야 할 지점들을 먼저 추려줍니다.
모든 문제를 해결해주진 않지만 초기 디버깅 시간이 눈에 띄게 줄었습니다.
뜻밖의 수확도 생겼습니다.
“AI가 원인을 찾아주는 과정에서, 제가 모르는 개념이 등장하는 거예요. 저보다 얘(AI)가 더 똑똑하니까, 제가 모르는 부분을 배워야겠다고 생각했어요.”
문제를 찾는 일에서 자신을 키우는 일로 바뀌었습니다.
3. Study OS : 배움을 시스템으로 만들다
시작은 단순한 불편함이었습니다.
업무를 하다 모르는 개념이 나올 때마다 바로 검색하거나 찾아보기 시작하면 일의 흐름이 끊깁니다.
AI를 쓸수록 이런 순간은 더 자주 옵니다. 내 지식 바깥을 AI가 먼저 보여주기 때문입니다.
그래서 만든 게 Study OS입니다.
“업무를 하다 새로운 개념이 나왔을 때, 그냥 목록에 바로 추가해버리고 하던 일을 계속하자. 그게 처음 목적이었어요.”
처음에는 Claude 스킬 하나에서 시작했습니다. `study-add` 명령어를 치면 Claude 세션 어디서나 학습 주제를 백로그에 추가할 수 있었습니다. 업무 흐름을 끊지 않고, 나중에 몰아서 공부하는 방식입니다.
스킬이 자리를 잡으면서 한 가지 욕심이 생겼습니다. 웹 페이지로 만들면 더 좋겠다는 생각이었습니다.
하지만 은채님은 웹 개발자가 아닙니다.
“웹 개발은 할 줄을 아예 몰랐어요. 그래서 스킬에 대한 설명 마크다운 파일을 가지고, ‘이거를 웹으로 만들려 하는데 어떻게 하는 게 좋을까’라고 AI랑 같이 브레인스토밍을 했어요.”
UI 디자인도, QA 테스트도 AI와 함께 해결했습니다.
웹 개발을 모르는 은채님이 Study OS를 완성할 수 있었던 건 모르는 영역을 만날 때마다 AI와 함께 하나씩 해결해갔기 때문입니다.
뭘 선택해야 하는지조차 몰랐던 디자인도, AI가 먼저 선택지를 보여주면서 ‘이런 걸 정해야 하는구나’부터 배울 수 있었습니다.
처음 Study OS에 로그인하면 학습 깊이를 선택할 수 있습니다. 깊이 파고들지, 가볍게 훑을지. 사용자의 수준에 맞춰 AI가 개념 설명부터 퀴즈, 복습까지 진행합니다.
복습 시점도 시스템이 잡아줍니다. 기억 곡선에 맞춰 틀린 건 더 자주, 맞힌 건 간격을 늘려서.
퀴즈는 객관식이 아니라 서술형입니다. ‘대충 안다’와 ‘정확히 안다’의 차이를 구분하기 위해서입니다.
“그냥 검색만 해봐도 알 수 있는 부분이긴 한데, 다른 점은 저한테 질문을 하거든요. 제가 이해를 확실하게 했는지 이런 걸 확인해 준다는 점에서 좋았고 가장 큰 장점인 거 같아요.”
Study OS: 퀴즈에 대한 피드백과 다음 복습 간격 지정
4. AI First 미팅: 공유가 곧 성장이다
2월부터 AI Lab팀과 함께 일하면서 은채님의 AI 활용 방식은 더 깊어졌습니다. 매주 새로운 시도를 공유하는 AI First 미팅에도 자연스럽게 참여하게 됐습니다.
처음에는 부담이 있었습니다. 오래 AI를 고민해온 분들의 이야기를 들으면서, 뭔가 대단한 발견을 공유해야 하는 자리처럼 느껴졌습니다.
하지만 시간이 지나면서 깨달았습니다. 각자의 도메인이 다르기 때문에, 같은 업무를 하는 사람끼리 나누는 소소한 발견이 오히려 가장 실용적이라는 것. 공유 자체가 배움이었습니다.
은채님이 동료들에게 하고 싶은 말도 같은 맥락입니다.
“스터디 OS가 좋으니까 다 쓰세요, 이런 목적보다는 생각보다 엄청 쉽고 가볍게 만들 수 있으니까 각자 필요하신 도구를 만들어서 쓰시도록 하는 걸 목적으로 하고 싶어요.”
누구나, AI First가 될 수 있습니다.
[에디터 한 마디]
은채님은 AI로 더 빠르게 배우고, 그 지식으로 AI를 더 잘 씁니다.
베이글코드는 도메인 지식이 깊은 사람이 AI를 만날 때 압도적인 결과가 나온다고 믿습니다.
은채님은 그 도메인 지식 자체도 AI로 키울 수 있다는 걸 보여줍니다.
'더 성장할 수 있어서' 돌아왔다는 말. 그 의미를 알 것 같습니다.