AI가 코드를 쓰는 시대, 거버넌스는 선택이 아니라 필수입니다. 커밋부터 배포까지 근거가 추적되도록, 이슈 기반 거버넌스 도구 aipm-ops를 직접 만들어 공개했습니다.
바쁜 분을 위한 3줄 요약
① AI 에이전트가 쓴 코드에는 커밋 근거·요구사항 추적·이슈-배포 흐름이 끊겨 있는 경우가 많습니다.
② 글로벌 AI 소프트웨어 개발 수명주기(AI-SDLC) 기준을 지키려면 GitHub 기반의 실용적인 추적 체계가 필수입니다.
③ 그래서 직접 만들었습니다 — 이슈 기반 거버넌스 도구 aipm-ops, MIT 라이선스 v1.0.0 공개.
이 편이 답하는 질문
- AI 에이전트 시대, 근거 없는 커밋·요구사항 미추적·흐름 단절 문제를 GitHub 이슈 거버넌스로 얼마나 해결할 수 있으며, 현재 조직의 SDD/PRD부터 배포까지 추적 체계가 완전히 끊어져 있다면 어느 부분부터 복구해야 하는가?
- aipm-ops 같은 AI-SDLC 도구를 도입했을 때, 팀의 실제 채택률과 버전 관리 규율이 높아지는 데 필요한 최소 임계값(교육 시간/감시 강도)은 얼마인가?
- AI 코딩 에이전트(Claude, Codex)가 코드를 쓸 때 근거·의사결정 기록·검증 기준이 명시되지 않으면, 유지보수 단계에서 “누가 이걸 왜 이렇게 만들었는가?”에 답할 수 없는데, 이를 기능 기획 단계부터 어떻게 선제적으로 설계해야 하는가?
- MIT 라이선스 v1.0.0으로 공개된 aipm-ops가 실제 프로덕션에 도입되려면 Git Hook·CI·PR 검증이 모두 작동해야 하는데, 도입 과정의 가장 높은 실패 지점은 어디이고 그 지점을 통과하기 위한 조직 준비는?
이 시리즈를 읽는 세 개의 눈
- PO: AI가 코드를 쓰는 시대, 거버넌스는 선택이 아니라 필수이며, 요구사항부터 배포까지 모든 의사결정의 근거가 남아야 규제·감사·유지보수 리스크를 사전에 차단할 수 있다.
- PM: 이슈 기반 거버넌스는 도구가 아닌 조직 규율의 문제. 커밋 메시지 5줄 이상 의무·PR 리뷰 체크리스트 자동화·스프린트 종료 시 미해결 이슈 zero tolerance를 명시적으로 강제해야 한다.
- PL: AI 에이전트가 작업할 때 매 단계 결정 기록(ADR·커밋 메시지)이 없으면 나중에 코드 리뷰·유지보수 비용이 기하급수적으로 증가하므로, 초기 설계부터 “근거 추적”을 아키텍처 수준에서 강제해야 한다.
PART 1 · PROBLEM
AI가 코드를 써줄수록, 근거는 더 빨리 사라집니다
AI 코딩 에이전트 시대, 거버넌스 없이 괜찮을까? Claude, Codex 같은 AI 에이전트가 코드를 써주는 건 좋습니다. 그런데 현장에서 보니 세 군데가 끊겨 있었습니다.
현장에서 확인한 세 가지 단절
1. 커밋에 근거가 없습니다.
2. 풀 리퀘스트(Pull Request·PR)에 요구사항 추적이 안 됩니다.
3. 이슈부터 배포까지 흐름이 끊겨 있습니다.
1. 커밋에 근거가 없습니다.
2. 풀 리퀘스트(Pull Request·PR)에 요구사항 추적이 안 됩니다.
3. 이슈부터 배포까지 흐름이 끊겨 있습니다.
AI가 코드를 써주는 건 좋은데, 정작 유지보수 단계에서 "누가 이걸 왜 이렇게 만들었는가?"에 답할 수 없더라고요.
글로벌 AI 프로젝트 매니저(PM)·개발 리더(PL) 기준, 곧 AI-SDLC를 준수하려면 어떻게 해야 할까요. GitHub 기반의 실용적인 추적 체계가 필수입니다.
PART 2 · SOLUTION
그래서 직접 만들었습니다 — 근거 추적이 내장된 aipm-ops
aipm-ops는 소프트웨어 설계 문서(SDD)와 제품 요구사항 문서(PRD) 착수부터 종료까지를 잇는 도구입니다. 모든 단계에서 근거 추적이 가능한, 이슈 기반 거버넌스 도구입니다.
이슈 생성부터 머지·배포까지 — aipm-ops가 강제하는 AI-SDLC 추적 흐름.
PART 3 · NEXT
거버넌스는 내일 아침 명령어 하나로 시작할 수 있습니다
핵심 요약
1. AI 에이전트 시대에도 요구사항부터 배포까지 의사결정의 근거가 남아야 합니다.
2. aipm-ops는 이슈 기반 거버넌스로 그 추적을 도구 수준에서 강제합니다.
3. 명령어 하나로 Git Hook·CI·PR 검증이 설치되고, MIT 라이선스 v1.0.0으로 공개되어 있습니다.
1. AI 에이전트 시대에도 요구사항부터 배포까지 의사결정의 근거가 남아야 합니다.
2. aipm-ops는 이슈 기반 거버넌스로 그 추적을 도구 수준에서 강제합니다.
3. 명령어 하나로 Git Hook·CI·PR 검증이 설치되고, MIT 라이선스 v1.0.0으로 공개되어 있습니다.
자세한 내용은 @aipm.pl 또는 bio 링크에서 확인하세요.
#AISDLC
함께 읽기 · Related Posts
시리즈 네트워크에서 이 편과 연결된 글
- A-2 · 실전 실험
AI가 코딩하고, AI가 관리한 1주일의 기록 - A-3 · 실전 실험
AI-SDLC 도입, 그 첫 실험의 소회 - G-1 · 실전 도구
삼성전자 GAUSS PM Agent: 효과적 설계로 주니어 PM 지원하기 - G-2 · 실전 도구
주니어 PM 위한 AI 하네스 구축 가이드 - K-4 · 사고 체계
Karpathy: AI의 사고 체계를 PM에 어떻게 적용할까? - B-3 · PM/PL 역할 전환
AI 시대, PM/PL의 역량이 근본부터 바뀌어야 하는 이유
🧭 길잡이·수렴 (전체 진입)
- M-1 Agentic PM 시리즈 진입 가이드 — 전체를 한 장으로
- Z-1 실록(Sillok) — 5세기 Audit-Grade 거버넌스를 LLM 운영에 빌려온 한국형 LLMOS 하네스
- Z-2 실록(Sillok) 2026 상반기 결산 — RAG·고객사·지능화 루프·오픈소스
- Z-3 하네스×RAG 기업 컨설팅 — 네 현장·환각 방지·TOP10 자가진단·진화 루프
- Z-4 하네스 엔지니어링 백서 — Weng 하네스론×실록 구조 매핑·자기개선 루프·정직한 결산
- Z-5 에이전트 스킬 수명주기 백서 — Dynamic Agent Skills 8단×실록 매핑(7 온전+1 갭)·분기 12문항 레퍼런스·PO/PM/PL 컨설팅 직역
🧱 개념·프레임워크 (Lv2–3)
🔄 역할·역량 전환 (Lv1–2)
🧠 사고 체계 (Lv2–3)
- K-1 Agentic 시대, PM의 온톨로지맵 — Obsidian을 통해 나만의 RAG를 만드는 법
- K-2 Karpathy의 LLM과 Obsidian 지식 결합
- K-3 Karpathy의 autoresearch: PM에서의 적용 사례
- K-5 Karpathy LLM OS 시각으로 본 AX PM/PL 역량 — Claude Code 소스 교차 분석
- K-6 30시간 RAG 실측 — Karpathy llm-wiki vs obsidian-vault 양강 비교
- K-7 구글 OKF·Obsidian Vault·llm-wiki — 무엇을 어떻게 시작할까
- K-8 Obsidian × LLM 4만 노트 — 개인 RAG 최종 아키텍처 5층
- K-9 PM 온톨로지맵 템플릿 배포판 — 30분에 채우는 5칸
👤 AI 인물·리더 (Lv1)
- P-0 7인의 사고 체계 종합 프레임워크
- P-1 Karpathy: 제약 설계 + 닫힌 루프
- P-2 Sutskever: 압축이 곧 지능이다
- P-3 Hassabis: 제1원리 분해
- P-4 LeCun: 세계 모델 + 예측
- P-5 Hinton: 거버넌스 + 자기부정
- P-6 Ng: AI 전환 플레이북
- P-7 Fei-Fei Li: 인간중심 설계
- P-8 Builders 종합: Boris·Cat·Truell·Masad·Murati·Brockman
- P-9 Operators 종합: Altman·Amodei·Nadella·Pichai·Zuckerberg·Suleyman
- P-10 Hardware 양강: Jensen Huang · Lisa Su
- P-11 DeepSeek 량원펑 — 연속 학습의 공백과 하네스
📈 AX 전략·조직 전환 (Lv4)
- X-1 AI/AX 2030 전략: McKinsey, BCG, Accenture, Deloitte, Gartner 교차 분석
- X-2 빅테크 리더십 격변과 AX 전략
- X-3 2026년 GitHub에서 주목할 프로젝트와 AI 전환 신호
- X-4 AI 에이전트 2026 상반기 대해부 — 지금 무슨 일이, 리더는 무엇을
- W-1 Agentic 월간 관전포인트 2026-05 — 가우스+빅테크 듀얼 모델 시대
- W-2 Agentic 2026 상반기 총결산 — 다섯 축 6개월
- E-1 AI 네이티브 기업 전환 — CHO·PMO 재정의
- E-2 한국 기업 AX 2030 (Capstone)
- E-3 NH농협은행 SAFe 애자일 3년 — 페이스메이킹의 기록
- E-4 하나은행 × BCG 애자일 전환 — 두 개의 리듬으로
- E-5 네이버랩스 AKI — 하이브리드 애자일 PMO로 7개 제품을 한 박자로
🏢 현장 검증·사례 (Lv1–4)
- S-1 Agentic PM의 시대가 열리다 — LG전자 SW PM 워크숍을 마치며
- S-2 삼성전자 PMC: AI와 함께하는 PM 교육 혁신
- S-3 SKT Agent 도출을 위한 AI 퍼실리테이션 기법
- S-4 리스크는 그릇이었다 — LG전자 SW공학연구소 GenAI RISK 워크숍
- S-5 코드 한 줄 없이 손익관리팀이 만든 에이전트 — 신한EZ손해보험
- S-6 “어디까지 입력해도 되나요?” — 삼성 구매 현장의 Agentic 각성
- S-7 지금 Agentic으로 전환해야 하는 이유 — 삼성·LG·KT·Clean&Science 300여 분의 증명
- S-8 ‘바이브 프로젝트 매니징’을 스스로 이름 붙였습니다 — 현대모비스 편
- S-9 “대충 시키면 다 해줄 줄 알았는데” — SK쉴더스 보안 PM들의 이틀
- S-10 휴맥스 전사 ALM 정착 — 표준 4개를 codeBeamer 하나에
- S-11 AI로 신약 프로젝트 관리 — KDRA 바이오 PM 3일 워크숍
- S-12 AI 바이오·제약 회사는 무엇부터 자동화해야 하는가 — 26주 실측
- S-13 에이전트를 어디까지 붙일 것인가 — 되돌릴 수 없는 일 먼저 NEW
- S-14 같은 기준, 다른 답 — 22개 업무 유형의 사람 확정 지점 NEW
- S-15 가장 무거운 일은 전문 업무가 아니었다 — 에이전트 10종 NEW
🔧 하네스·에이전트·RAG 구축 (Lv3)
- G-1 삼성전자 GAUSS PM Agent: 효과적 설계로 주니어 PM 지원하기
- G-2 주니어 PM 위한 AI 하네스 구축 가이드
- G-4 삼성 DX 엔지니어를 위한 Codex 온보딩 — 하네스 & 개인 RAG
- G-5 나의 Agent 비서, 블록 12개로 조립한다 — 재사용 블록과 77%의 법칙
- G-6 내 업무를 맡길 AI 에이전트 — 6블록 설계와 PROFILE BIND
- CC-6 사내 지식을 RAG로 — 망분리·토큰0 6단계
- CC-4 내 노트 4만 개 검색 — LLM 직접 읽기 vs 전용 CLI, 하이브리드 5.5배
- CC-5 Obsidian 노트를 앱 없이 검색 — 오픈소스 byeori(벼리)
🧪 AI 개발·SDLC 실험 (Lv3)
⚖️ 모델·도구·맥 환경 실측 (Lv3)
- A-5 Fable 5와 보낸 첫 하루 — 모델 × 하네스 × RAG 실측 회고
- A-8 좋은 엔진은 없다, 맞는 엔진이 있다 — Codex/Sol vs Claude/Fable 5대 실전 비교
- CC-3 Opus xhigh 솔로 vs ultracode 멀티에이전트 — 작업유형별 A/B 실측
- A-6 맥은 이미 AI 워크스테이션 — 사진·노트·인박스 0원 정리
- A-7 Mac@Work 2026 — 맥 20년차의 도구 모음과 Agentic 카테고리
- G-3 대기업 직장인을 위한 AI Agent & Skill 추천 가이드 2026
- G-7 녹취 엔진 두 레인 — SpeechAnalyzer와 Alt, 코칭·컨설팅 6장면 판단표
🏛️ 공공·SI 사업관리 (Lv2–4)