대규모 서비스 출시에 따른 280건의 QA 티켓과 처리 속도
여기어때는 전 세계 100개 도시의 현지 투어 및 체험 상품을 제공하는 해외투어 서비스를 2026년 9월 7일 공식 출시했다. 론칭을 앞두고 웹과 웹뷰를 전담한 프론트엔드 개발자는 2명이었으며, 이 중 한 개발자에게 배정된 QA 티켓만 총 280건에 달했다. 담당 영역은 카테고리 홈, 상품 상세, 주문서, 예약 내역, 해외투어용 채팅뿐 아니라 예약 내역 탭과 회원 탈퇴 등 7개 이상의 주요 도메인 화면을 아울렀다.
해당 프로젝트에서 인입된 280건의 티켓은 일 최대 20건, 주간 최대 66건 수준이었으나, 전체의 56%가 접수 당일 하루 만에 해결되었고 81%가 3일 이내에 검증까지 완료되었다. 이는 2024년 가을 진행된 해외숙소 비회원 예약 QA(77건 중 1일 내 23%, 3일 내 48%) 및 2025년 봄 패키지여행 QA(55건 중 1일 내 42%, 3일 내 62%)와 비교했을 때, 작업 범위와 티켓 수가 크게 늘어났음에도 처리 리드타임이 단축된 결과다.
인간과 AI의 엄격한 역할 분담과 5단계 파이프라인
작업 속도 단축의 핵심은 사람과 AI 에이전트 간 명확한 파이프라인 구축에 있었다. 작업 원칙은 '원인을 확정하기 전에는 절대 코드를 수정하지 않는다'는 단 하나였다. 티켓 처리는 총 5단계로 진행되었다. 먼저 개발자가 로컬에서 문제를 재현한 뒤 티켓에 없는 맥락 정보를 보태어 에이전트에게 전달한다. 이어 에이전트는 Jira 본문과 첨부 자료를 분석하고 시뮬레이터나 브라우저 자동화로 현상을 재현했다.
이후 에이전트가 콘솔, 네트워크, 적재 로그를 추적해 수정안을 제안하면, 개발자는 원인 진단과 수정 방향이 타당한지 검토했다. 방향이 확정된 뒤에만 로컬에서 변경 사항을 검증하고 정해진 커밋 규칙에 맞춰 개발 환경에 배포했다. 주문서 상세주소 한글 입력 오류 당시에도 에이전트가 IME 조합 문제를 파악해 제안한 초기안을 개발자가 반려하고 자모 입력을 허용하도록 유도함으로써 불필요한 재작업을 원천 차단했다.
시뮬레이터 자동화를 통한 OS·디바이스 파편화 대응
단순 코드 검토만으로 발견하기 어려운 크로스플랫폼 버그는 가상 환경 자동화를 통해 규명했다. 터미널 명령인 xcrun simctl로 특정 iOS 버전의 시뮬레이터를 띄워 Safari에서 로컬 서버를 구동하고 스크린샷을 비교 분석했다. 복잡한 터치 인터랙션은 Playwright의 WebKit 엔진을 이용해 이벤트를 주입했으며, Android 환경 역시 adb로 에뮬레이터를 제어했다.
이를 통해 구체적인 렌더링 결함을 해결했다. iOS 16 이하 WebKit에서 숨김 처리된 측정용 문단 높이를 인식해 리뷰 모달 하단에 거대한 빈 공간이 생기던 문제를 시뮬레이터 비교로 밝혀내고 노출 문단 기준 로직으로 개편했다. 또한 Android 웹뷰에서 네이티브 화면을 거쳐 뒤로 가기를 누를 때 화면이 하얗게 남는 문제는 실기기에서 JS가 동작 중임을 확인하고 복귀 시 미세 스타일을 변경해 강제 재렌더링을 유도하는 우회 코드를 적용했다.
세션 망각을 극복한 MEMORY.md와 실패 방지 프로토콜
LLM 기반 에이전트가 세션 종료 후 대화 맥락을 잊는 한계는 파일 기반 지속성 메모리로 해결했다. 프로젝트 최상위의 MEMORY.md는 목차 인덱스 역할만 담당하며, 세부적인 지식은 project, reference, feedback 유형의 독립 마크다운 파일로 나누어 관리했다. 에이전트는 세션 시작 시 목차를 먼저 읽고 필요한 문서만 선택적으로 참조했다.
특히 API 명세서와 실제 백엔드 응답 간의 차이(예: 취소 정책 코드 개수 불일치, null 반환 필드 등)를 기록해 동일 API를 다루는 후속 티켓의 조사 시간을 줄였다. 병렬 세션 진행 중 발생한 Git 스테이징 파일 혼입 사고 이후에는 파일 경로를 명시한 git add 사용과 전체 커밋 해시 기반 git reset 프로토콜을 수립했다. 실환경 검증 코드를 임의 삭제하지 않는다는 업무 규칙 역시 메모리에 축적되어 후속 세션의 오류를 예방했다.
AI 기반 개발 실무의 본질: 자동화 속도보다 앞서는 '판단 통제'
여기어때의 회고 사례는 AI 도입의 성패가 단순한 코드 생성 속도가 아니라 작업 파이프라인의 통제력에 달려 있음을 시사한다. 에이전트가 아무리 정교한 코드를 빠르게 작성하더라도, 해결해야 할 문제의 전제가 잘못되었거나 비즈니스 명세를 벗어나면 전체 작업이 롤백될 수밖에 없다. 방향 설정과 근거 검증을 인간 개발자가 쥐고 있어야 한다는 원칙이 실무 안정성의 전제 조건으로 해석된다.
또한 컨텍스트 관리 체계는 생성형 AI를 일회성 질의응답기가 아닌 팀의 누적 지식 자산으로 전환하는 실무 방안을 제시한다. 세션마다 반복되는 조사 비용을 외부 파일 구조로 상쇄하고, Git 충돌이나 잘못된 명령 실행 같은 시행착오를 규칙화하여 에이전트에게 지속 주입하는 방식은 소프트웨어 결함 추적과 유지보수 과정에서 실질적인 효율을 확보할 수 있는 대안으로 평가된다.
출처
여기어때 기술블로그의 원출처와 본문에 표시한 참고자료를 바탕으로 한국어로 재구성했습니다. ‘ARCH.B 분석’은 자료를 읽고 덧붙인 편집 해석입니다.
QA 티켓 280건, AI와 함께 처리한 기록 (새 창)
.png&w=1200&q=75)