코드를 짜던 엔지니어의 일이 달라졌습니다. Uber에서 시니어 개발자의 주요 업무 중 하나는 이제 AI가 만든 코드를 검토하고 승인하는 것입니다. 직접 코드를 작성하는 시간은 줄고, 여러 AI 에이전트에 작업을 배분하고 결과를 확인하는 시간이 늘었죠.

Pragmatic Engineer 뉴스레터가 Uber의 AI 개발 도구 전략을 공개했습니다. Uber 엔지니어링 디렉터 Anshu Chada와 수석 엔지니어 Ty Smith가 Pragmatic Summit에서 내부 AI 스택을 처음으로 상세히 공개한 내용입니다. 개발자의 84%가 이미 에이전트 코딩을 사용하고 있으며, IDE 기반 도구에서 생성된 코드의 65~72%가 AI 산출물이라는 수치가 핵심입니다.

출처: How Uber uses AI for development: inside look – The Pragmatic Engineer

단순 도입이 아닌 인프라 구축

Uber가 AI를 개발 전반에 도입하면서 가장 먼저 맞닥뜨린 현실은, 외부 도구를 그냥 쓰는 것만으로는 부족하다는 점이었습니다. 사내 코드베이스, Slack 대화, JIRA 티켓 같은 내부 맥락을 AI가 이해하지 못하면 효용이 크게 떨어지거든요. 그래서 Uber는 직접 인프라를 쌓았습니다.

에이전트 시스템은 크게 네 레이어로 구성됩니다. 자체 ML 플랫폼 Michelangelo 위에 올린 내부 AI 플랫폼, 소스코드와 문서·슬랙 정보 등을 에이전트의 “기억”으로 제공하는 내부 컨텍스트 레이어, Claude Code·GitHub Copilot·Codex 같은 외부 도구를 지원하는 산업 에이전트 레이어, 그리고 테스트 생성·코드 리뷰 등을 담당하는 전문화된 에이전트 레이어입니다.

MCP 게이트웨이와 에이전트 빌더

에이전트들이 내부 시스템과 통신하는 표준 통로로는 MCP(Model Context Protocol)를 채택했습니다. MCP는 AI 에이전트와 데이터 소스를 연결하는 인터페이스인데, Uber는 여기서 한 발 더 나아가 중앙 MCP 게이트웨이를 직접 구축했습니다. 내부 백엔드 엔드포인트를 MCP 서버로 노출하고, 인증·텔레메트리·로깅을 한 곳에서 처리하는 구조입니다. 개발자들이 사용 가능한 MCP 서버를 찾고 직접 등록할 수 있는 레지스트리와 샌드박스도 함께 제공합니다.

에이전트 제작 도구도 만들었습니다. Uber Agent Builder는 노코드(no-code)로 에이전트를 만들 수 있는 플랫폼으로, 내부 데이터 소스에 접근하거나 다른 에이전트에게 작업을 넘기는 워크플로우를 시각적으로 구성할 수 있습니다. 만들어진 에이전트는 레지스트리에 등록돼 다른 팀이 검색하고 재활용할 수 있죠. 전사 배포 관리는 AIFX CLI라는 전용 커맨드라인 도구가 담당합니다. Claude Code, Cursor 등 AI 도구의 버전 업데이트를 일괄 적용하고 MCP 서버 설정을 표준화하는 역할입니다.

병렬 에이전트 시대의 새로운 과제

개발자 워크플로우 자체도 바뀌었습니다. 예전에는 IDE에서 코드를 직접 작성하다가, 초기에는 에이전트 하나와 대화하며 수정을 승인하는 방식이었다면, 지금은 여러 에이전트를 동시에 돌리는 병렬 구조로 진화했습니다. Ty Smith는 이렇게 설명합니다. 에이전트 하나에 작업을 맡기고 기다리는 동안, 자연스럽게 다른 에이전트를 또 띄우게 된다고요. 이 습관이 쌓이면서 Uber 전체의 AI 관련 비용은 2024년 대비 6배 증가했고, 토큰 비용 최적화가 새로운 우선순위로 떠올랐습니다.

AI 도입 속도 자체도 예상보다 느렸다는 점은 흥미로운 부분입니다. 탑다운 방식의 사용 지시보다 동료 엔지니어가 성과를 공유하며 자연스럽게 확산되는 방식이 훨씬 효과적이었다고 합니다.

코드가 늘면 리뷰도 늘어난다

AI가 만들어내는 코드량이 증가하자, Uber는 그에 맞는 새 도구들도 개발했습니다. Autocover는 월 5,000건 이상의 단위 테스트를 자동 생성하고, uReview는 AI 코드 리뷰에서 노이즈를 줄여 중요한 코멘트만 남깁니다. Code Inbox는 PR을 적합한 리뷰어에게 자동 배분하고, Shepherd는 대규모 코드 마이그레이션을 처음부터 끝까지 관리합니다. 단순히 AI로 코드를 만드는 것에서 끝나지 않고, AI가 만든 코드를 관리하는 새로운 인프라 레이어가 생겨난 셈입니다.

Uber의 사례는 AI 코딩 도구를 조직 전체에 깔기 위해 얼마나 많은 “보이지 않는” 플랫폼 작업이 필요한지를 보여줍니다. Claude Code 사용률이 3개월 만에 두 배(32%→63%)로 뛴 반면 IDE 기반 도구는 정체된 점, 그리고 에이전트 병렬 사용이 가져온 비용 급등 문제까지, 원문에는 벤치마크 수치와 각 도구의 상세 설계도 담겨 있습니다.