AI와 협업해 1인 개발로 구현한 프로젝트 / 업무 관리 플랫폼

① 어떤 상황에서 AI를 활용했나요?
일이 끝났는데, 그 일을 다시 정리하고 설명하기 위한 일이 시작되는 순간이 있습니다.

프로젝트를 진행하다 보면 일정, 담당자, 작업 내용, 진행 상황, 기록과 보고가 서로 연결되어 있습니다. 모두 필요한 업무이지만, 정보가 여러 곳에 흩어져 있으면 이미 수행한 일을 다시 찾아 정리하고, 진행 상황을 확인하고, 다른 사람에게 설명하는 과정이 반복됩니다.
저는 이러한 반복을 줄이고 싶었습니다.
단순히 업무를 기록하는 도구가 아니라, 업무를 수행하는 과정에서 기록과 맥락이 자연스럽게 축적되고, 그 경험이 다음 업무의 판단과 실행에도 활용될 수 있는 플랫폼을 만들고 싶었습니다.

하지만 이를 현실로 만드는 데에는 한계가 있었습니다.
기획과 UI/UX 디자인부터 프론트엔드, 백엔드, 데이터베이스, 보안, 서버 운영과 유지보수까지 모든 과정을 혼자 감당해야 했기 때문입니다.
이러한 한계를 극복하기 위해 생성형 AI를 단순한 질문 / 답변 도구가 아니라, 아이디어를 구체화하고 실제 작동하는 서비스로 구현하기 위한 개발 협업 도구로 활용하기 시작했습니다.

② 어떤 AI를 어떻게 활용했나요?
ChatGPT, Claude Code, OpenAI Codex를 활용하여 PLAN-A WORK의 기획, 설계, 개발, 테스트, 운영 문제 분석 및 개선 과정을 진행했습니다.

AI를 활용한 과정은 크게 네 단계로 이루어졌습니다.
첫째, 문제 정의와 기획입니다.
일상 업무에서 발견한 불편을 AI와 함께 분석하고, 이를 해결할 기능과 사용자 경험을 설계했습니다.
단순히 기능 구현을 요청하기보다 해결하려는 문제와 필요한 기능, 기존 시스템에서 유지해야 할 조건을 구체화하고 여러 구현 방안을 비교했습니다.

둘째, 실제 서비스 개발입니다.
React, FastAPI, MySQL을 기반으로 프로젝트 / 작업 관리, 일정, Roadmap, 오늘 할 일, 개인 메모, 작업 기록 등의 기능을 구현했습니다.
AI를 활용해 기존 코드의 구조와 기능 간 연관성을 분석하고, 새로운 기능이 기존 데이터나 다른 기능에 영향을 미치지 않도록 검토하면서 개발했습니다.

셋째, 테스트와 오류 분석입니다.
AI가 작성한 코드를 그대로 적용하지 않고, 예외 상황과 사용자 권한, 데이터 변경 범위 등을 확인했습니다.
테스트 코드 작성과 수정, 오류 로그 분석, 원인에 대한 가설 수립에도 AI를 활용했습니다.
다만 AI가 제시한 원인을 확정된 사실로 받아들이지 않고, 실제 코드와 테스트 결과를 통해 확인했습니다.

넷째, 실제 사용과 지속적인 개선입니다.
사용자의 불편 사항(VOC)을 분석하고, 이를 새로운 요구사항과 기능 개선으로 연결했습니다.
예를 들어 사용자가 '오늘 할 일'에서 개인적으로 완료 여부를 표시하더라도, 다른 구성원과 공유하는 원본 작업 상태는 변경되지 않도록 구분했습니다.
개인의 편의와 협업 데이터의 일관성을 함께 고려한 것입니다.

이 과정에서 반복적으로 사용한 협업 방식은 다음과 같습니다.
문제 정의 → 요구사항 / 제약조건 정리 → AI 제안 및 구현 → 테스트와 검증 → 피드백 → 재개선
AI에게 모든 작업을 한 번에 맡기기보다, 각 단계의 결과를 직접 확인하고 다음 단계의 판단에 반영하는 방식으로 활용했습니다.

③ 활용 결과 어떤 변화가 있었나요?
가장 큰 변화는 혼자서 구현하기 어려웠던 범위를 실제 작동하는 Web 서비스로 만들어내고, 이를 조직의 실제 업무 환경에 도입할 수 있었다는 점입니다.
AI와 협업하여 개발한 PLAN-A WORK는 현재 회사에 도입되어 10,023명의 구성원이 등록되어있고 이용하고 있는 플랫폼으로 운영되고 있으며, 하루 평균 300명 이상의 사용자가 실제 업무에 활용하고 있습니다.
기획 단계의 아이디어에 머무르지 않고, 실제 사용자들이 지속적으로 이용하는 서비스로 발전시켰다는 점에서 의미가 있습니다.
이 플랫폼에서는 프로젝트와 작업을 관리하고, 일정과 Roadmap을 통해 진행 상황을 파악하며, 오늘 할 일과 개인 메모, 작업 기록을 통해 자신의 업무를 정리할 수 있습니다.
기존에는 업무 현황을 파악하기 위해 관련 정보를 각각 확인하고 다시 정리해야 했다면, PLAN-A WORK에서는 업무와 관련된 정보를 하나의 플랫폼 안에서 연결해 관리할 수 있도록 구성했습니다.

또한 단순히 기능의 개수를 늘리는 데 집중하지 않았습니다.
실제 사용자들의 피드백(VOC)을 바탕으로 자주 확인하는 정보에 쉽게 접근할 수 있도록 배치하고, 반복적인 선택이나 불필요한 조작을 줄이며, 개인의 기록과 구성원 간 공유 정보가 혼동되지 않도록 개선했습니다.

개발 과정에서도 변화가 있었습니다.
AI를 통해 기획과 설계, 코드 구현, 테스트 작성, 오류 분석, 수정 작업을 연결함으로써 1인 개발의 범위를 확장할 수 있었습니다. 또한 실제 사용 과정에서 발견된 문제를 AI와 함께 분석하고 개선하면서, 개발과 운영이 지속적으로 이어지는 체계를 만들어 왔습니다.
AI 활용의 결과는 단순히 코드 작성 시간을 줄이거나 개인의 개발 역량을 확장하는 데 그치지 않았습니다. 한 사람의 아이디어를 실제 조직에서 사용하는 플랫폼으로 구현하고, 사용자들의 업무 경험을 지속적으로 개선하는 데까지 이어졌습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?
가장 중요하게 생각한 원칙은 AI에게 구현을 맡길 수는 있어도, 판단과 책임까지 맡겨서는 안 된다는 것입니다.
AI는 다양한 해결 방법을 제안하고 코드를 작성할 수 있습니다. 그러나 사용자가 무엇을 불편해하는지, 어떤 기능이 실제로 필요한지, 어떤 정보가 보호되어야 하는지는 사람이 판단해야 합니다.
따라서 AI에게 기능 구현을 요청할 때에도 단순히 '이 기능을 만들어줘'라고 지시하기보다, 다음과 같은 조건을 함께 고려했습니다.
- 기존 기능과 데이터가 유지되어야 하는 범위
- 사용자별 접근 권한과 개인정보 보호
- 예외 상황 및 오류 발생 시의 동작
- 실제 사용자 관점에서의 편의성
- 수정 이후 기존 기능 관련 문제발생 검증
특히 AI가 제안한 해결책이 적절해 보이더라도 실제 코드와 데이터 구조를 확인하고, 필요한 경우 반례와 예외 상황을 검토해 수정하도록 했습니다.
이를 통해 AI를 단순한 자동 코드 생성 도구가 아니라, 사람이 문제를 정의하고 판단하며 AI가 구현과 검토를 지원하는 협업 방식으로 활용했습니다.

PLAN-A WORK의 기능을 설계할 때에도 같은 원칙을 적용했습니다.
사용자가 더 많은 기능을 배우고 선택하도록 만드는 것보다, 사용자가 별도로 신경 쓰지 않아도 업무의 기록과 흐름이 자연스럽게 이어지는 경험을 중요하게 생각했습니다.
AI는 사람의 경험과 판단을 대체하기 위한 기술이 아니라, 그 경험을 실제 결과로 구현하고 더 오래 활용할 수 있도록 돕는 수단이라고 생각합니다.

⑤ 다른 사람도 따라 할 수 있나요?
가능합니다.
처음부터 큰 플랫폼을 개발하거나 모든 기술을 이해할 필요는 없습니다.
자신의 업무에서 반복되는 과정이나 불편한 순간 하나를 발견하는 것부터 시작할 수 있습니다.
예를 들어 매번 반복해서 작성하는 업무 보고, 여러 곳에 흩어진 일정과 작업 기록, 진행 상황을 확인하기 위해 반복하는 정보 검색 등이 출발점이 될 수 있습니다.
먼저 해결하고 싶은 문제를 명확하게 정리하고, AI와 함께 가능한 해결 방법을 검토합니다.
이후 가장 작은 기능부터 구현하거나 업무에 적용하고, 실제 사용 결과를 확인하면서 개선합니다. 이때 AI가 제안한 결과를 직접 검증하고, 중요한 판단과 최종 책임은 사람이 맡는 것이 중요합니다.

PLAN-A WORK 역시 처음부터 완성된 플랫폼을 목표로 모든 기능을 한꺼번에 구현한 것은 아닙니다.
작은 문제를 발견하고, AI와 해결 방법을 고민하고, 구현과 검증을 반복하면서 기능과 사용 경험을 확장해 왔습니다.
이러한 방식은 개발뿐 아니라 다양한 업무에서도 적용할 수 있다고 생각합니다.
AI 활용의 가치는 얼마나 많은 일을 대신했느냐 뿐 아니라, 한 사람이 가진 생각과 경험을 어디까지 현실로 만들 수 있게 했느냐에도 있습니다.

PLAN-A WORK
일의 끝에서, 새로운 일이 시작되지 않도록.
우리가 해온 일의 경험이 사라지지 않고, 다음 일의 시작을 돕는 플랫폼을 만들어가고 있습니다.