CJ올리브영의 AI 협업 개발 프로세스 구축과 AI-DLC 실전 적용 사례

CJ올리브영은 2026년 3월 AWS Korea 오피스에서 3일간 워크숍을 열고 **AI-DLC(AI-Driven Development Life Cycle)**를 실전에 적용했다. 24개 후보 과제 중 Greenfield(신규 개발) 4개와 Brownfield(기존 시스템 개선) 1개를 골라, CTO를 포함한 기술 조직 30여 명이 Kiro를 중심으로 요구사항 정의부터 설계, 구현, 품질 검증까지 전 주기를 AI와 협업하는 방식을 검증했다.

핵심은 개인 생산성을 팀 프로세스로 바꾸는 일이었다. Inception Phase에서는 요구사항 분석과 워크플로우 계획을 항상 실행하고, Brownfield 과제에는 리버스 엔지니어링을 붙였다. Construction Phase에서는 기능 설계, 비기능 요구사항, 인프라 설계, 코드 생성, 빌드·테스트를 연결하고, 각 단계마다 팀 리뷰를 거쳐 다음 단계로 넘기는 품질 게이트를 만들었다.

Day 1에는 Kiro Steering 문서로 규칙을 고정하고 요구사항과 개발 단위를 정리했으며, Day 2에는 코드 생성과 검증에 집중했다. 화면 캡처나 테스트 상태를 마크다운으로 다시 넣어 이슈를 풀었고, OpenAPI를 초기에 정의해 통합 품질을 높였다. Brownfield 과제에서는 Subagents로 분석과 리팩토링 역할을 분리했다.

선정된 5개 과제는 다음과 같다.

• 대화형 검색 고도화: Amazon Bedrock, Amazon OpenSearch Service의 하이브리드 검색과 RAG를 결합해 Intent Extraction으로 구매 의도를 파악하고 추천 이유와 리뷰 요약을 붙였다.
• 파트너 채널 자동 검증: 감사 추적과 Exactly-once 실행 보장이 필요해 멀티모달 Bedrock과 AWS Step Functions Standard Workflow를 택하고, 스크린샷과 SNS 메타데이터를 순차 검증해 AI 판정 결과와 신뢰도 점수를 관리자 백오피스(BO)에 전달했다.
• 물류센터 시뮬레이션 플랫폼: 몬테카를로 시뮬레이션과 경로 탐색으로 작업자 배치와 병목 구간을 예측했다.
• 장애 대응·보상 자동화: Strands Agents SDK로 장애 현황 요약, 피해 고객 분류, 보상 시뮬레이션 결과 해석을 tool calling으로 연결하고, 전체 기능을 재난 복구 Agent 인터페이스로 통합한 뒤 최종 판단은 Human-in-the-loop로 남겼다.
• 엔터프라이즈 현대화 PoC: 컴포넌트 재사용과 오픈소스 연동이 어려운 레거시 UI 솔루션을 React 기반 모던 스택으로 옮길 수 있는지 검증했다.

워크숍 뒤에는 데모데이를 열어 결과를 공유했고, 각 팀이 과제를 추가 발전시키며 AI-DLC 경험을 조직 전체로 확산했다.