아임웹은 약 110명의 구성원이 함께 일하는 조직입니다. 팀, 챕터, 스쿼드로 구성되어 각자의 역할과 책임 안에서 협업하고 있어요. AI 역시 이미 그 일상 안에 들어와 있습니다. 어느 날 갑자기 등장한 동료가 아니라, 개인의 시도에서 팀의 실험으로 조직의 일하는 방식으로 확장되며 이제는 대부분의 구성원이 자연스럽게 함께 쓰는 존재가 됐습니다.
그렇다면 아임웹 구성원은 AI를 어떻게 활용하고 있을까요? 각자의 자리에서 만들어낸 변화의 장면들을 하나씩 소개해보려 합니다.
도구가 아닌 팀원, AI가 바꾼 일하는 방식
"작은 일에도 AI를 쓰자"
AI, 몰래 쓰는 도구에서 공개된 동료로
아임웹의 AI 전환은 어느 날 갑자기 선언된 일이 아니었습니다. 이미 구성원들 사이에서는 각자 AI를 써보고 있었지만 그 장면이 항상 드러나진 않았죠. ChatGPT에 물어본 걸 굳이 말하지 않거나, “이걸 써도 되나?” 하고 망설이거나 아직은 믿기 어렵다며 거리를 두는 분위기도 있었습니다. 그래도 작은 시도는 계속됐습니다. 로그를 붙여 넣어 방향을 물어보고 막막한 문서의 첫 문장을 받아보고 초안을 다시 고쳐 쓰는 식으로요. 완전히 확신하진 못했지만 업무의 시작이 조금씩 가벼워진다는 경험은 쌓이고 있었죠. 그래서 “작은 일에도 AI를 쓰자”는 분위기부터 만들었습니다. AI 사용에 대한 심리적 안정감을 제공한 덕분에 AI는 몰래 쓰는 도구에서 공개적으로 함께 일하는 동료가 됐습니다.
실험을 넘어, 일상이 되다
엔지니어링 조직에서 시작된 시도는 점점 다른 직군으로 번졌습니다. 한 팀의 실험이 아니라 여러 팀의 반복이 되면서요. 개발과 비개발 직군 구분 없이 누구나 호기심이 생기면 가설을 세우고, 테스트하고, 검증합니다. 그 출발점에 AI가 함께 있을 뿐이에요. 이렇게 안착할 수 있었던 건 AI를 ‘일의 시작을 앞당기는 도구’로 바라보는 아임웹의 기준이 있었기 때문입니다. 비용과 도구 지원을 아끼지 않았고 특정 툴을 강제하기보다 각자의 방식으로 충분히 써보고 경험을 나눌 수 있도록 했죠. 그래서 지금은 AI 사용이 특별한 일이 아니라 아임웹 구성원의 일상에 자연스럽게 스며든 방식이 됐습니다.
아임웹의 AI 지원 제도
AI 활용이 구호에 그치지 않도록, 실제 제도와 예산을 함께 운영하고 있습니다.
작은 실험에서 전사 도입까지, 아임웹이 실제로 어떻게 AI를 지원하고 있는지 궁금하다면 여기에서 더 자세히 확인해 보세요.
AI 전사 도입 후, 아임웹에 생긴 변화
사례 1. 쿼리곰 : 늘어나는 데이터 요청의 병목을 해결하다 - 데이터팀
아임웹에는 #ask-anything-data라는 공개 슬랙 채널이 있어요. 누구나 데이터 질문을 올릴 수 있는 공간이죠. 1년 동안 쌓인 메시지는 7,000건이 넘고 월 평균 질문도 50건 이상이었습니다. 그런데 이 질문을 두 명의 분석가가 나눠서 대응하고 있었어요. 다른 업무도 병행하다 보니 모든 요청을 바로 처리하기에는 한계가 있었고 스레드는 길어지고 미응답도 생겼습니다. 100명이 넘는 사람이 보는 채널에 질문을 올리는 것 자체가 부담이 되기도 했어요. 늘 바빠 보이는 데이터팀을 의식해 아예 묻지 못하는 경우도 있었고요. 그래서 데이터팀은 “더 빨리 답하자”기보다, 질문하는 장벽을 낮추는 것부터 바꾸기로 했습니다.
메시지를 살펴보니 데이터 요청의 약 70%는 ‘특정 기간의 특정 지표를 조건별로 조회’하는 반복 패턴이었습니다. 반복되는 구간을 줄이면 흐름이 달라질 수 있다고 보고, 데이터팀은 슬랙 기반 AI 봇 *‘쿼리곰’을 만들었어요. 이후 단순 조회는 자동화되고, 데이터팀은 더 깊이 있는 분석에 집중하게 됐습니다. 배포 후 질문량은 눈에 띄게 늘었지만 응답 시간은 크게 줄었어요. 무엇보다 분위기가 달라졌습니다. 채널에 눈치 보며 묻는 대신, 각 팀 채널에서 봇에게 가볍게 질문하고 바로 확인해보는 방식이 자리 잡았거든요. 쿼리곰은 단순 자동화 봇이 아니라 데이터 접근 문화를 바꾸는 계기가 됐습니다.
아임웹 구성원이 데이터 요청을 위해 직접 사용하고 있는 쿼리곰
*쿼리곰(Query-Gom): 데이터팀이 개발한 Slack 기반 AI 데이터 분석 봇입니다. 사내 구성원이 각자 팀 채널에서 자연어로 질문하면, 쿼리곰이 SQL을 생성해 Databricks에서 실행하고 결과를 바로 전달합니다.
사례 2. 아임웹 배너 메이커: AI로 디자인 검수 과정을 바꾸다 - 디자인 챕터
디자인 챕터는 파트너사들이 홍보 배너를 만들 때 가이드라인을 지키기 어려워한다는 점에 주목했어요. 아임웹 스토어에 입점한 파트너사들은 각자 배너를 제작해 보내는데, 브랜드 가이드를 벗어나는 경우가 적지 않았습니다. 기존에는 PDF로 가이드를 전달하고 디자이너가 결과물을 하나씩 검수한 뒤 수정 요청을 보내는 방식이었죠. 단순해 보이지만 이 과정이 반복되면서 공수가 계속 쌓였습니다. 문제는 “왜 가이드를 안 지키냐”가 아니었습니다. 가이드를 문서로 전달하고 결과물을 나중에 확인하는 구조에서는 어긋날 수밖에 없었어요. 그래서 설득하기보다 애초에 가이드를 벗어날 수 없는 방식으로 바꾸기로 했습니다.
그렇게 탄생한 게 *아임웹 배너 메이커예요. 개발자의 도움 없이 디자이너가 *Figma Make를 활용해 직접 구현한 도구로 파트너사가 정해진 가이드 안에서 배너를 제작할 수 있도록 설계했습니다. 제작이 끝나면 버튼 한 번으로 담당자에게 바로 전달할 수 있게 했습니다. 덕분에 반복적인 디자인 검수는 사실상 사라졌어요. 수정 요청을 주고받는 대신 디자이너는 사용자 경험과 브랜드 전략 같은 더 본질적인 고민에 시간을 쓰게 됐죠. 이렇듯 AI는 불필요한 반복 업무를 덜어내고, 디자이너가 더 중요한 판단에 집중할 수 있게 했습니다.
아임웹 배너 메이커 화면 예시
*아임웹 배너 메이커: 외부 파트너사나 입점사가 브랜드 가이드를 준수한 상태에서 직접 홍보 배너를 제작할 수 있도록 만든 도구입니다.
*Figma Make: 텍스트 프롬프트를 기반으로 실제 동작하는 인터페이스를 생성할 수 있는 Figma의 AI 기능입니다.
사례 3. CLAUDE.md : 클로드 코드를 상시 운영 파트너로 만드는 방법 - 인프라팀
아임웹 인프라팀은 100만 개 이상의 사이트가 운영되는 플랫폼을 책임지는 소수 팀이에요. 규모가 크지 않지만 DevOps, SRE, Security, DB는 물론 CISO 역할까지 맡고 있다 보니 장애 대응부터 각종 운영 이슈까지 직접 다룹니다. 업무량 자체도 적지 않았지만, 더 큰 문제는 대응 방식과 판단 기준이 개인의 경험과 기억에 의존하고 있다는 점이었어요. 비슷한 상황이 오면 또 비슷하게 고민해야 했고 같은 실수가 반복되기도 했죠.
그래서 인프라팀은 팀이 어떻게 일하는지, 어떤 판단을 해왔는지를 *CLAUDE.md에 정리했고 Claude Code(클로드 코드)가 그 내용을 읽고 함께 움직이도록 만들었습니다. AI가 우리 팀의 기준을 이해한 상태에서 일하게 한 것이죠.
그 이후 운영 방식이 조금씩 달라졌습니다. 장애가 끝나면 Slack 스레드 기반으로 타임라인을 만들고, 근본 원인을 분석해 Notion에 정리해야 하는 반복 업무는 AI에게 맡기고 인프라팀은 판단과 방향을 정하는 일에 더 집중하게 됐어요. 이 외에도 장애분석 및 타임라인 정리, 월간 비용 리포트, WAF 로그 분석, 보안 점검표 응답 등 최소 30분에서 길게는 반나절까지 시간을 들여야했던 작업들도 최소 80% 이상 절약할 수 있게 되었죠.
무엇보다 실수를 대하는 태도가 달라졌습니다. 예전에는 “다음엔 조심하자”로 끝났다면, 이제는 같은 일이 반복되지 않도록 기준을 하나씩 보완합니다. 기억에 남기기보다 시스템에 남기는 방식이죠. 정리해둔 기준은 다음 작업부터 바로 반영되고 반복은 자연스럽게 줄어듭니다. 이제 인프라팀에게 AI는 항상 곁에서 함께 일하는 운영 파트너에 가깝습니다.
자동 생성된 포스트모템 보고서 내용
*CLAUDE.md: Claude Code가 프로젝트 시작 시 자동으로 읽는 팀 운영 기준 문서입니다. 한 번 정리해두면 이후 작업에서 계속 참고되며 팀의 판단 기준을 공유하는 역할을 합니다.
직군별 AI 활용 한눈에 보기
이 밖에도 아임웹 구성원들은 직군을 가리지 않고 AI를 적극적으로 활용해 업무 속도와 완성도를 높이고 있어요.
AI와 함께 일하는 방식이 만든 변화
지금까지 아임웹에서 AI와 함께 일하는 세 가지 사례를 살펴봤습니다. 서로 다른 팀의 사례였지만 공통점은 분명했어요. AI가 일을 대신한 것이 아니라 곁에서 함께 시작을 돕는 동료로 자리 잡았다는 점입니다. 그 변화는 팀 안에서만 머물지 않습니다. 일을 시작하는 속도가 빨라지고 반복이 구조로 남기 시작하면 그 방식은 자연스럽게 제품과 서비스로 이어집니다. 결국 더 빠르고 더 정확하게 고객에게 닿는 조직이 되는 것. 아임웹은 그 방향으로 조금씩 바뀌고 있습니다.
다음 편에서는 이 속도가 어떻게 한 사람의 임팩트를 키우는 구조로 이어지는지 소개 해드릴 예정이니 많은 관심 부탁드립니다!
imweb Corp.
아임웹은 약 110명의 구성원이 함께 일하는 조직입니다. 팀, 챕터, 스쿼드로 구성되어 각자의 역할과 책임 안에서 협업하고 있어요. AI 역시 이미 그 일상 안에 들어와 있습니다. 어느 날 갑자기 등장한 동료가 아니라, 개인의 시도에서 팀의 실험으로 조직의 일하는 방식으로 확장되며 이제는 대부분의 구성원이 자연스럽게 함께 쓰는 존재가 됐습니다.
그렇다면 아임웹 구성원은 AI를 어떻게 활용하고 있을까요? 각자의 자리에서 만들어낸 변화의 장면들을 하나씩 소개해보려 합니다.
도구가 아닌 팀원, AI가 바꾼 일하는 방식
AI, 몰래 쓰는 도구에서 공개된 동료로
아임웹의 AI 전환은 어느 날 갑자기 선언된 일이 아니었습니다. 이미 구성원들 사이에서는 각자 AI를 써보고 있었지만 그 장면이 항상 드러나진 않았죠. ChatGPT에 물어본 걸 굳이 말하지 않거나, “이걸 써도 되나?” 하고 망설이거나 아직은 믿기 어렵다며 거리를 두는 분위기도 있었습니다. 그래도 작은 시도는 계속됐습니다. 로그를 붙여 넣어 방향을 물어보고 막막한 문서의 첫 문장을 받아보고 초안을 다시 고쳐 쓰는 식으로요. 완전히 확신하진 못했지만 업무의 시작이 조금씩 가벼워진다는 경험은 쌓이고 있었죠. 그래서 “작은 일에도 AI를 쓰자”는 분위기부터 만들었습니다. AI 사용에 대한 심리적 안정감을 제공한 덕분에 AI는 몰래 쓰는 도구에서 공개적으로 함께 일하는 동료가 됐습니다.
실험을 넘어, 일상이 되다
엔지니어링 조직에서 시작된 시도는 점점 다른 직군으로 번졌습니다. 한 팀의 실험이 아니라 여러 팀의 반복이 되면서요. 개발과 비개발 직군 구분 없이 누구나 호기심이 생기면 가설을 세우고, 테스트하고, 검증합니다. 그 출발점에 AI가 함께 있을 뿐이에요. 이렇게 안착할 수 있었던 건 AI를 ‘일의 시작을 앞당기는 도구’로 바라보는 아임웹의 기준이 있었기 때문입니다. 비용과 도구 지원을 아끼지 않았고 특정 툴을 강제하기보다 각자의 방식으로 충분히 써보고 경험을 나눌 수 있도록 했죠. 그래서 지금은 AI 사용이 특별한 일이 아니라 아임웹 구성원의 일상에 자연스럽게 스며든 방식이 됐습니다.
아임웹의 AI 지원 제도
AI 활용이 구호에 그치지 않도록, 실제 제도와 예산을 함께 운영하고 있습니다.
작은 실험에서 전사 도입까지, 아임웹이 실제로 어떻게 AI를 지원하고 있는지 궁금하다면 여기에서 더 자세히 확인해 보세요.
AI 전사 도입 후, 아임웹에 생긴 변화
사례 1. 쿼리곰 : 늘어나는 데이터 요청의 병목을 해결하다 - 데이터팀
아임웹에는 #ask-anything-data라는 공개 슬랙 채널이 있어요. 누구나 데이터 질문을 올릴 수 있는 공간이죠. 1년 동안 쌓인 메시지는 7,000건이 넘고 월 평균 질문도 50건 이상이었습니다. 그런데 이 질문을 두 명의 분석가가 나눠서 대응하고 있었어요. 다른 업무도 병행하다 보니 모든 요청을 바로 처리하기에는 한계가 있었고 스레드는 길어지고 미응답도 생겼습니다. 100명이 넘는 사람이 보는 채널에 질문을 올리는 것 자체가 부담이 되기도 했어요. 늘 바빠 보이는 데이터팀을 의식해 아예 묻지 못하는 경우도 있었고요. 그래서 데이터팀은 “더 빨리 답하자”기보다, 질문하는 장벽을 낮추는 것부터 바꾸기로 했습니다.
메시지를 살펴보니 데이터 요청의 약 70%는 ‘특정 기간의 특정 지표를 조건별로 조회’하는 반복 패턴이었습니다. 반복되는 구간을 줄이면 흐름이 달라질 수 있다고 보고, 데이터팀은 슬랙 기반 AI 봇 *‘쿼리곰’을 만들었어요. 이후 단순 조회는 자동화되고, 데이터팀은 더 깊이 있는 분석에 집중하게 됐습니다. 배포 후 질문량은 눈에 띄게 늘었지만 응답 시간은 크게 줄었어요. 무엇보다 분위기가 달라졌습니다. 채널에 눈치 보며 묻는 대신, 각 팀 채널에서 봇에게 가볍게 질문하고 바로 확인해보는 방식이 자리 잡았거든요. 쿼리곰은 단순 자동화 봇이 아니라 데이터 접근 문화를 바꾸는 계기가 됐습니다.
아임웹 구성원이 데이터 요청을 위해 직접 사용하고 있는 쿼리곰
*쿼리곰(Query-Gom): 데이터팀이 개발한 Slack 기반 AI 데이터 분석 봇입니다. 사내 구성원이 각자 팀 채널에서 자연어로 질문하면, 쿼리곰이 SQL을 생성해 Databricks에서 실행하고 결과를 바로 전달합니다.
사례 2. 아임웹 배너 메이커: AI로 디자인 검수 과정을 바꾸다 - 디자인 챕터
디자인 챕터는 파트너사들이 홍보 배너를 만들 때 가이드라인을 지키기 어려워한다는 점에 주목했어요. 아임웹 스토어에 입점한 파트너사들은 각자 배너를 제작해 보내는데, 브랜드 가이드를 벗어나는 경우가 적지 않았습니다. 기존에는 PDF로 가이드를 전달하고 디자이너가 결과물을 하나씩 검수한 뒤 수정 요청을 보내는 방식이었죠. 단순해 보이지만 이 과정이 반복되면서 공수가 계속 쌓였습니다. 문제는 “왜 가이드를 안 지키냐”가 아니었습니다. 가이드를 문서로 전달하고 결과물을 나중에 확인하는 구조에서는 어긋날 수밖에 없었어요. 그래서 설득하기보다 애초에 가이드를 벗어날 수 없는 방식으로 바꾸기로 했습니다.
그렇게 탄생한 게 *아임웹 배너 메이커예요. 개발자의 도움 없이 디자이너가 *Figma Make를 활용해 직접 구현한 도구로 파트너사가 정해진 가이드 안에서 배너를 제작할 수 있도록 설계했습니다. 제작이 끝나면 버튼 한 번으로 담당자에게 바로 전달할 수 있게 했습니다. 덕분에 반복적인 디자인 검수는 사실상 사라졌어요. 수정 요청을 주고받는 대신 디자이너는 사용자 경험과 브랜드 전략 같은 더 본질적인 고민에 시간을 쓰게 됐죠. 이렇듯 AI는 불필요한 반복 업무를 덜어내고, 디자이너가 더 중요한 판단에 집중할 수 있게 했습니다.
아임웹 배너 메이커 화면 예시
*아임웹 배너 메이커: 외부 파트너사나 입점사가 브랜드 가이드를 준수한 상태에서 직접 홍보 배너를 제작할 수 있도록 만든 도구입니다.
*Figma Make: 텍스트 프롬프트를 기반으로 실제 동작하는 인터페이스를 생성할 수 있는 Figma의 AI 기능입니다.
사례 3. CLAUDE.md : 클로드 코드를 상시 운영 파트너로 만드는 방법 - 인프라팀
아임웹 인프라팀은 100만 개 이상의 사이트가 운영되는 플랫폼을 책임지는 소수 팀이에요. 규모가 크지 않지만 DevOps, SRE, Security, DB는 물론 CISO 역할까지 맡고 있다 보니 장애 대응부터 각종 운영 이슈까지 직접 다룹니다. 업무량 자체도 적지 않았지만, 더 큰 문제는 대응 방식과 판단 기준이 개인의 경험과 기억에 의존하고 있다는 점이었어요. 비슷한 상황이 오면 또 비슷하게 고민해야 했고 같은 실수가 반복되기도 했죠.
그래서 인프라팀은 팀이 어떻게 일하는지, 어떤 판단을 해왔는지를 *CLAUDE.md에 정리했고 Claude Code(클로드 코드)가 그 내용을 읽고 함께 움직이도록 만들었습니다. AI가 우리 팀의 기준을 이해한 상태에서 일하게 한 것이죠.
그 이후 운영 방식이 조금씩 달라졌습니다. 장애가 끝나면 Slack 스레드 기반으로 타임라인을 만들고, 근본 원인을 분석해 Notion에 정리해야 하는 반복 업무는 AI에게 맡기고 인프라팀은 판단과 방향을 정하는 일에 더 집중하게 됐어요. 이 외에도 장애분석 및 타임라인 정리, 월간 비용 리포트, WAF 로그 분석, 보안 점검표 응답 등 최소 30분에서 길게는 반나절까지 시간을 들여야했던 작업들도 최소 80% 이상 절약할 수 있게 되었죠.
무엇보다 실수를 대하는 태도가 달라졌습니다. 예전에는 “다음엔 조심하자”로 끝났다면, 이제는 같은 일이 반복되지 않도록 기준을 하나씩 보완합니다. 기억에 남기기보다 시스템에 남기는 방식이죠. 정리해둔 기준은 다음 작업부터 바로 반영되고 반복은 자연스럽게 줄어듭니다. 이제 인프라팀에게 AI는 항상 곁에서 함께 일하는 운영 파트너에 가깝습니다.
자동 생성된 포스트모템 보고서 내용
*CLAUDE.md: Claude Code가 프로젝트 시작 시 자동으로 읽는 팀 운영 기준 문서입니다. 한 번 정리해두면 이후 작업에서 계속 참고되며 팀의 판단 기준을 공유하는 역할을 합니다.
직군별 AI 활용 한눈에 보기
이 밖에도 아임웹 구성원들은 직군을 가리지 않고 AI를 적극적으로 활용해 업무 속도와 완성도를 높이고 있어요.
AI와 함께 일하는 방식이 만든 변화
지금까지 아임웹에서 AI와 함께 일하는 세 가지 사례를 살펴봤습니다. 서로 다른 팀의 사례였지만 공통점은 분명했어요. AI가 일을 대신한 것이 아니라 곁에서 함께 시작을 돕는 동료로 자리 잡았다는 점입니다. 그 변화는 팀 안에서만 머물지 않습니다. 일을 시작하는 속도가 빨라지고 반복이 구조로 남기 시작하면 그 방식은 자연스럽게 제품과 서비스로 이어집니다. 결국 더 빠르고 더 정확하게 고객에게 닿는 조직이 되는 것. 아임웹은 그 방향으로 조금씩 바뀌고 있습니다.
다음 편에서는 이 속도가 어떻게 한 사람의 임팩트를 키우는 구조로 이어지는지 소개 해드릴 예정이니 많은 관심 부탁드립니다!
AI가 일상이 된 팀에서 일하고 싶다면?
아임웹 대규모 채용