앞선 글에서 난바 토모코 회장이 AI Day 2026에서 발표한 성과를 다뤘다. 생산성 20배, 법무 90% 삭감, 효율화 패러독스. 숫자는 화려했다. 그렇다면 현장은 어떨까? DeNA에서 일하는 개발자 A군에게 직접 물었다.
#”인원을 절반으로 줄입니다” — 현장에 떨어진 한마디
2024년 6월, DeNA 전사 발표회에서 “인원을 절반으로 줄이는 것을 목표로 한다”는 이야기가 나왔다. 맥락 없이 던져진 한마디에 사내 채팅은 즉시 술렁였다. “자르겠다는 거냐”는 반응이 쏟아졌다.
이후 설명이 이어졌다. 지금 하는 일을 절반의 인원으로 해내고, 나머지는 새로운 AI 사업을 찾아가자는 것. 목표 기간은 약 2년. 한 명이 AI를 활용해 2인분 이상의 일을 해내야 한다는 의미였다.
#DARS — AI 활용 수준을 측정한다
DeNA는 2025년 8월부터 DARS(DeNA AI Readiness Score)라는 자체 지표를 전사에 도입했다. 비개발자(비즈니스/크리에이티브/매니저)와 개발자를 나누어, AI 활용 수준을 5단계로 측정한다. 비개발자에게는 “AI 출력을 다듬어 활용할 수 있는가”를, 개발자에게는 “AI 에이전트를 설계·운용할 수 있는가”를 기준으로 삼는다. 같은 레벨이라도 요구하는 역량이 다르다.
#개인 레벨 (개발자 기준)
- 1단계: AI와 대화해서 코드를 생성하고 정보를 수집할 수 있다
- 2단계: AI를 에디터에 통합하고, 프롬프트를 개선할 수 있다
- 3단계: 에이전트를 활용해 작업 일부를 대체하고, 프롬프트 체인을 설계할 수 있다
- 4단계: 독립형 에이전트를 팀 멤버로 운용하고, AI 앱/에이전트를 설계할 수 있다
- 5단계: AI 플랫폼과 오케스트레이션 에이전트를 구축하고, 조직 전체의 AI 개발을 이끌 수 있다
개인 레벨 외에 조직 레벨도 별도로 측정한다. “멤버의 50% 이상이 개인 레벨 2 이상”처럼 정량 기준이 있어서, 조직 단위로 AI 활용 수준을 추적할 수 있다.
A군에 따르면 대부분의 사원이 2단계에 머물러 있고, 4–5단계는 아직 도달한 사람이 없다. 회사가 원하는 건 개인이 4단계까지 올라오는 것이지만, 거기까지는 아직 거리가 있다.
현재 DARS는 인사 평가에 직접 연동되지 않는다. 다만 “언젠가는 들어갈 것”이라는 메시지가 강하게 전달되고 있다고 한다.
#AI 비용의 현실 — 실험에서 정착으로
AI 올인 선언 직후, DeNA 본사가 AI 사용 비용을 전액 부담했다. “마음껏 써봐라”는 기조 아래 전사적으로 Vertex AI API를 사용했고, 토큰 단위 과금이었기에 한 사람당 월 100만 원을 넘기는 경우도 나왔다.
하지만 실험이 끝나며 비용 구조도 바뀌었다. 2026년 4월부터 AI 비용이 본사에서 각 서비스 조직으로 이관됐고, 이에 맞춰 개인당 사용 가능 금액도 축소됐다. 대신 회사는 무제한으로 쓸 수 있는 도구를 구매해 제공했다. 태스크를 맡기면 스스로 계획하고, 코딩하고, PR까지 올리는 자율형 코딩 에이전트 Devin과 코드 리뷰 도구 CodeRabbit이 그것이다.
다양한 가능성을 검증하던 시기를 지나, 도구와 비용의 효율화를 잡아가는 단계에 접어든 셈이다.
#Devin이 바꾼 개발 풍경
Devin 도입 후 눈에 띄는 변화가 생겼다. GitHub PR(Pull Request)에 댓글이 200개씩 쌓인다. 예전에는 개발자가 로컬에서 작업했기 때문에 과정이 보이지 않았지만, 이제는 Devin과의 모든 대화가 기록으로 남는다.
이건 양면이 있다. 작업 과정이 투명해졌다는 장점이 있지만, 동시에 누가 얼마나 뭘 했는지가 모두에게 보이게 됐다는 의미이기도 하다.
개발 프로세스 자체도 바뀌었다. 예전에는 목업을 만들고 검토를 거친 뒤 개발에 들어갔다. 지금은 “일단 만들어”가 기본이다. AI로 빠르게 만들어놓고 수정하는 게 목업을 다듬는 것보다 빠르기 때문이다.
#팀마다 다른 속도
난바 회장은 “프로젝트에 따라 95%를 AI가 담당한다”고 했다. 현장 체감은 다르다. A군의 팀 기준으로는 약 40–50%. 95%는 특수 사례이고, 대부분의 팀은 이 범위에 가깝다.
팀 성격에 따른 차이도 있다. 보안 이슈 처리나 인프라 이관처럼 정형화된 공통 작업을 다루는 팀은 AI 활용률이 높은 반면, 새로운 기능을 설계하는 팀은 상대적으로 낮다. 이런 팀들은 AI에게 넘길 수 있는 좋은 컨텍스트를 먼저 만드는 데 시간을 쓰고 있다. AI 활용의 2단계, Context Engineering을 현장에서 체감하고 있는 셈이다.
팀 간 속도 차이도 생기고 있다. 어떤 팀은 3개월 계획을 2주 만에 끝내는 반면, 어떤 팀은 3개월로도 빠듯하다. 기존의 일정한 개발 주기가 팀마다 다른 속도로 재편되고 있다.
#신입 채용 동결, 2년째
AI 올인 선언 이후 A군이 속한 팀은 2년째 신입을 뽑지 않고 있다. “인원 절반”이라는 메시지가 나온 이상 공격적으로 채용할 수 없다. 필요하면 즉시 전력이 되는 경력직 위주로 채용한다.
A군은 말한다. “이 정도 규모의 회사가 신입을 안 뽑으면, 일본 개발자들은 도대체 어디로 가야 하나 싶기도 하다.” AI가 생산성을 높이는 만큼, 주니어가 성장할 자리는 좁아지고 있다. 효율화의 과실이 누구에게 돌아가는지는 아직 답이 나오지 않았다.
#현장이 말하는 진짜 변화
새로운 변화가 항상 그렇듯 경영진이 보는 숫자와 현장이 느끼는 온도는 다르다. 팀마다 편차가 크고, 풀어야 할 문제도 아직 많다.
그럼에도 개발자의 일상은 확실히 달라졌다. 설계하고, 검토받고, 그다음에 만들던 순서가 뒤집혔다. 일단 AI로 만들고, 거기서 고친다. 1년 전과 같은 방식으로 일하는 사람은 이미 없다.
AI 올인은 아직 진행 중이다. 하지만 돌아갈 수 없는 지점은 이미 지났다.