# AI 도입 단계, 개발팀이 실험에서 멈추는 지점

- 게시: 2026.07.17
- 원문(HTML): https://trendbrief.news/articles/ai-%EB%8F%84%EC%9E%85-%EB%8B%A8%EA%B3%84-%EA%B0%9C%EB%B0%9C%ED%8C%80%EC%9D%B4-%EC%8B%A4%ED%97%98%EC%97%90%EC%84%9C-%EB%A9%88%EC%B6%94%EB%8A%94-%EC%A7%80%EC%A0%90.html
- 발행: [트렌드브리프](https://trendbrief.news/)

![AI 도입 단계, 개발팀이 실험에서 멈추는 지점](https://trendbrief.news/assets/articles/ai-%EB%8F%84%EC%9E%85-%EB%8B%A8%EA%B3%84-%EA%B0%9C%EB%B0%9C%ED%8C%80%EC%9D%B4-%EC%8B%A4%ED%97%98%EC%97%90%EC%84%9C-%EB%A9%88%EC%B6%94%EB%8A%94-%EC%A7%80%EC%A0%90/hero-1.png)

> 가트너 AI 성숙도 5단계로 정리한 조직의 AI 도입 지도. 개발자 90%가 AI를 쓰지만 전사 확장은 3분의 1에 그친다는 2025년 DORA·맥킨지·스택오버플로 조사로, 실험에서 운영으로 넘어가는 병목과 단계별 실무 순서를 짚는다.

Claude Code를 만든 Anthropic의 Boris Cherny가 2026년 7월 17일 X에 ['Steps of AI Adoption'(AI 도입 단계) 정리](https://x.com/bcherny/status/2077929379661844559)를 공유했다. 그는 "매일 다른 회사 엔지니어들과 대화하면 같은 이야기를 듣는다 — 한 사람은 Claude로 산출량을 10배로 내는데 조직의 나머지는 따라오지 못했다"며, 팀들의 AI 도입을 지켜보면 같은 4단계가 반복된다고 썼다.

AI 도입 단계는 보통 관심에서 시작해 실험, 운영 정착, 조직 확산, 사업 전환으로 이어지는 성숙도 흐름으로 나눈다. 이를 정형화한 대표적 틀이 리서치·자문 기업 가트너의 AI 성숙도 모델이다. 현장에서 정작 어려운 지점은 도구를 처음 만지는 앞 단계가 아니라, 개인이 쓰던 AI를 팀과 조직의 워크플로에 정착시키는 중간 단계다. 2026년 7월 기준 개발자 대다수가 이미 AI 도구를 쓰지만 조직 차원의 성과로 이은 곳은 소수라는 2025년 조사들이 이를 뒷받침한다.

이 글은 특정 도구의 설치법이나 모델 학습 방법이 아니라, 개발팀과 엔지니어링 조직이 AI를 단계적으로 받아들이는 과정과 각 단계에서 막히는 지점을 다룬다. 근거는 Cherny의 정리, 가트너의 성숙도 모델, 그리고 맥킨지·구글 DORA·스택오버플로가 2025년에 낸 조사다.

## AI 도입 단계는 어떻게 나누나

가트너(Gartner)의 AI 성숙도 모델은 조직의 AI 활용을 다섯 단계로 구분한다. 각 단계의 특징과 개발 조직에서 나타나는 신호를 표로 정리하면 이렇다.

| 단계 | 핵심 특징 | 개발 조직의 신호 |
| --- | --- | --- |
| 1. 인식 | AI를 화제로 얘기하지만 전략도 실험도 없음 | 슬랙에 기사 공유, 사이드 프로젝트 수준 |
| 2. 활성 | 개념 검증(PoC)과 파일럿 시작 | 일부 인원이 코드 자동완성·챗봇을 시험 |
| 3. 운영 | 최소 한 개 워크플로에 AI 투입, 예산과 책임자 존재 | 코드리뷰·테스트 생성에 상시 사용 |
| 4. 시스템 | 대부분의 업무에 AI가 스며들고 신제품에 내장 | 새 프로젝트가 기본으로 AI 활용을 검토 |
| 5. 변혁 | AI가 사업 구조의 전제 | AI 없이는 제품 설계가 성립하지 않음 |

단계가 오를수록 달라지는 건 모델 성능이 아니라, AI가 얼마나 많은 워크플로와 의사결정에 박혀 있느냐다. 특히 3단계부터 전용 예산과 책임자가 등장한다. 혼자 써 보는 실험과 조직 도입을 가르는 분기점이 여기다.

## 지금 개발자들은 어느 단계에 있나

도구를 손에 쥐는 단계는 대부분 통과했지만, 조직 확산은 초기에 머물러 있다. 구글 클라우드의 데브옵스 연구 조직 DORA(DevOps Research and Assessment)의 [2025년 보고서](https://dora.dev/)에 따르면 AI를 업무에 들인 소프트웨어 전문가는 90%에 이르고, 하루 중앙값으로 약 2시간을 AI와 함께 쓴다. [2025 스택오버플로 개발자 설문](https://survey.stackoverflow.co/2025)에서도 AI 도구를 쓰거나 쓸 계획이라는 응답이 84%로 전년 76%보다 올랐고, 전문 개발자의 51%가 매일 쓴다고 답했다.

조직 단위로 넘어가면 그림이 달라진다. 맥킨지가 2025년 11월 낸 AI 현황 보고서에 따르면 최소 한 개 업무 기능에 AI를 쓰는 기업은 88%지만, 전사로 확장한 곳은 약 3분의 1이다. 같은 보고서에서 여러 단계 업무를 스스로 계획하고 수행하는 에이전트형 AI를 실제 확장 중이라는 응답은 23%, 아직 실험 단계라는 응답은 39%였다. 개인은 성숙도 2~3단계에 가 있어도 조직은 3단계 문턱에 몰려 있는 셈이다. Cherny가 X 포스트에서 말한 풍경 — 한 사람은 10배를 내는데 조직은 못 따라오는 — 이 숫자로도 확인되는 셈이다.

## 실험에서 운영으로, 무엇이 발목을 잡나

확산을 막는 건 모델 성능이 아니라 조직의 준비 상태다. 맥킨지 보고서는 생성형 AI로 실제 이익(EBIT, 영업이익) 효과를 내는 데 가장 크게 작용하는 요인으로 워크플로 재설계를 꼽았다. 도구만 얹고 일하는 방식은 그대로 두면 단계가 오르지 않는다.

신뢰도 걸림돌이다. 2025 스택오버플로 설문에서 AI 도구를 신뢰한다는 응답은 29%로, 전년보다 11%포인트 내려갔다. DORA 보고서도 AI 도입이 배포 처리량은 늘리지만 배포 안정성과는 오히려 음의 관계를 보인다고 짚었다. 빠르게 뽑아낸 코드가 하류 공정에서 문제를 드러낸다는 뜻이다. 생성 속도보다 그 코드를 이해하고 검증하는 일이 새 병목이 되는 흐름은 [AI 코딩 시대에 개발자의 역할이 바뀌는 이유](https://trendbrief.news/articles/%EC%9D%B4%ED%95%B4%EA%B0%80-%EC%83%88%EB%A1%9C%EC%9A%B4-%EB%B3%91%EB%AA%A9%EC%9D%B4%EB%8B%A4-ai-%EC%BD%94%EB%94%A9-%EC%8B%9C%EB%8C%80-%EA%B0%9C%EB%B0%9C%EC%9E%90%EC%9D%98-%EC%97%AD%ED%95%A0.html)와 맞닿아 있다.

![컨베이어 위에 쌓인 수많은 정육면체가 돋보기가 걸린 좁은 관문 앞에 줄지어 서고, 관문을 통과한 소수만 받침대 위에 탑으로 쌓이는 선화](https://trendbrief.news/assets/articles/ai-%EB%8F%84%EC%9E%85-%EB%8B%A8%EA%B3%84-%EA%B0%9C%EB%B0%9C%ED%8C%80%EC%9D%B4-%EC%8B%A4%ED%97%98%EC%97%90%EC%84%9C-%EB%A9%88%EC%B6%94%EB%8A%94-%EC%A7%80%EC%A0%90/sec-bottleneck-1.png)

생성은 빨라졌지만, 코드를 이해하고 검증하는 관문이 새 병목이 된다.

## 단계를 끌어올리는 실무 순서

DORA 보고서는 성공적인 AI 도입을 도구의 문제가 아니라 시스템의 문제로 규정한다. 실무에서 조직의 단계를 올리는 순서는 대략 이렇다.

- AI 활용 방침부터 문서로 남긴다. 무엇에 AI를 쓰고 무엇은 사람이 검증하는지 팀이 합의한 내용을 적어 둔다. DORA는 분명하게 공유된 AI 방침을 핵심 역량으로 꼽는다.
- 실험할 안전망을 먼저 깔아 준다. Cherny는 조직에 "사람들에게 토큰과 실험할 안전망을 주되, 비용은 백엔드에서 통제하라"고 조언해 왔다(Anthropic은 시트당 예산 한도 같은 관리 도구를 제공한다). 개인이 비용 눈치를 보며 실험을 접는 상황부터 없애는 것이다.
- 내부 지식을 AI가 읽을 수 있게 연결한다. 코드베이스·문서·결정 기록을 도구가 참조하게 하면 결과 품질이 올라간다. 팀 규칙을 CLAUDE.md 같은 파일과 스킬로 남기라는 [제안](https://trendbrief.news/articles/boris-cherny%EC%9D%98-%EC%A0%9C%EC%95%88-%ED%8C%80-%EC%A7%80%EC%8B%9D%EC%9D%84-claude-md-%EC%8A%A4%ED%82%AC%EB%A1%9C-%EB%82%A8%EA%B2%A8%EB%9D%BC.html)이 같은 맥락이다.
- 워크플로 하나부터 상시 투입한다. 코드리뷰 보조, 테스트 생성, 장애 요약처럼 맥킨지가 소프트웨어 분야 대표 활용처로 든 작업 중 하나를 골라 운영(3단계)으로 넘긴다.
- 안정성 지표를 같이 본다. 처리량만 보지 말고 변경 실패율·복구 시간을 나란히 둬서 속도와 안정성의 균형을 지킨다.
- 측정은 활동이 아니라 수익 기준으로 한다. Business Insider 보도에 따르면 Cherny는 "사용량(대시보드)은 지켜볼 가치가 있지만, 그것은 활동을 재는 것이지 수익이 아니다"라며, 그 작업을 사람이 직접 했다면 들었을 엔지니어링 시간으로 환산한 값이 진짜 수익이라고 제안했다.

같은 보도에서 Cherny는 더 큰 이득은 "수정과 유지보수가 백그라운드에서 일어날 때" 온다고 했다. 그때 팀은 새로 만드는 일에 집중하고, 전에는 엄두를 못 내던 프로젝트를 시도하게 된다. 실험에서 운영으로 단계를 넘긴 팀이 그다음에 받는 보상이 이것이다.

## 도입 단계는 성적표가 아니라 거울이다

DORA 보고서의 표현을 빌리면, AI는 팀을 고쳐 주지 않고 이미 가진 역량을 키운다. 잘 굴러가던 팀은 AI로 더 나아지고, 프로세스가 무너진 팀은 약점이 더 도드라진다. 그래서 도입 단계는 몇 단계까지 왔는지 자랑하는 점수표가 아니라, 우리 조직이 지금 어디서 막혀 있는지 비추는 거울에 가깝다. 다음 도구를 들이기 전에, 지난 단계에서 워크플로와 신뢰 문제를 실제로 풀었는지부터 확인하는 편이 낫다.

## 관련 글

- [OfficeCLI 사용법: 설치부터 AI 에이전트 연동까지](https://trendbrief.news/articles/officecli-%EC%82%AC%EC%9A%A9%EB%B2%95-%EC%84%A4%EC%B9%98%EB%B6%80%ED%84%B0-ai-%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8-%EC%97%B0%EB%8F%99%EA%B9%8C%EC%A7%80.md)
- [AI 에이전트 스킬 만들기, SKILL.md 폴더 하나로 시작하기](https://trendbrief.news/articles/ai-%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8-%EC%8A%A4%ED%82%AC-%EB%A7%8C%EB%93%A4%EA%B8%B0-skill-md-%ED%8F%B4%EB%8D%94-%ED%95%98%EB%82%98%EB%A1%9C-%EC%8B%9C%EC%9E%91%ED%95%98%EA%B8%B0.md)
- [fenic으로 데이터프레임에 LLM 연산 붙이기](https://trendbrief.news/articles/fenic%EC%9C%BC%EB%A1%9C-%EB%8D%B0%EC%9D%B4%ED%84%B0%ED%94%84%EB%A0%88%EC%9E%84%EC%97%90-llm-%EC%97%B0%EC%82%B0-%EB%B6%99%EC%9D%B4%EA%B8%B0.md)
- [이해가 새로운 병목이다, AI 코딩 시대 개발자의 역할](https://trendbrief.news/articles/%EC%9D%B4%ED%95%B4%EA%B0%80-%EC%83%88%EB%A1%9C%EC%9A%B4-%EB%B3%91%EB%AA%A9%EC%9D%B4%EB%8B%A4-ai-%EC%BD%94%EB%94%A9-%EC%8B%9C%EB%8C%80-%EA%B0%9C%EB%B0%9C%EC%9E%90%EC%9D%98-%EC%97%AD%ED%95%A0.md)
- [사내 지식베이스 구축, 세 가지 방식과 도구 선택 기준](https://trendbrief.news/articles/%EC%82%AC%EB%82%B4-%EC%A7%80%EC%8B%9D%EB%B2%A0%EC%9D%B4%EC%8A%A4-%EA%B5%AC%EC%B6%95-%EC%84%B8-%EA%B0%80%EC%A7%80-%EB%B0%A9%EC%8B%9D%EA%B3%BC-%EB%8F%84%EA%B5%AC-%EC%84%A0%ED%83%9D-%EA%B8%B0%EC%A4%80.md)