AI-Native란? 크몽이 '사내 AI 마켓플레이스'로 정보의 격차를 허문 비결 [크몽 AI-Native Story #1]

"팀 이름이 AI-Native팀입니다.”

최근 모든 기업의 화두는 단연 AI 전환(AX, AI Transformation)일겁니다. 수많은 회사들이 AI 도구 도입을 선언하고 전사 구성원에게 유료 계정을 배포합니다. 하지만 "그래서 그거 써서 진짜 업무가 얼마나 바뀌었어요?” 이런 질문을 들었을 때 답하기 어려운 곳도 많습니다. AI를 개인의 업무 보조 도구로 도입하는 'AI 도입(Adoption)' 단계에 그치는 경우가 많기 때문입니다.

크몽도 시대의 흐름에 맞추어 'AI-Native' 조직을 선언하고 'AI-Native'팀을 신설했습니다. 크몽이 지향하는 것은 앞서 언급한 단순한 AI 도입과는 다릅니다. 우리는 AI가 단순한 도구를 넘어 조직의 일하는 방식이자 인프라 그 자체가 되는 'AI-Native' 상태를 목표로 달리고 있습니다. 마치 스마트폰이 처음 등장했을 때 모바일 퍼스트(Mobile First)를 넘어 모바일 네이티브(Mobile Native) 서비스들이 세상을 바꾼 것처럼, AI가 전기처럼 당연한 업무 인프라로 자리 잡는 세상을 크몽 내부에서부터 먼저 구현합니다. 이를 통해 AI와 인간이 협업하며 시너지가 나는 형태로 ‘일하는 방식의 혁신’을 만드는 것이 목표입니다.

📍 목차

1. 'AI도입'과 'AI Native'의 차이
2. 직군별 사일로와 정보의 격차 해결
3. 크몽 AI -Marketplace로 정보의 격차를 해결한 방법
4. MCP 도입으로 돌파구를 찾은 방법

1. 'AI 도입'과 'AI-Native'의 본질적인 차이

AI-Native 조직으로 전환한다는 것은 어떤 의미일까요? 크몽 AI-Native팀 리드개발자 BK는 이를 '슈퍼카'와 '고속도로'의 관계에 비유했습니다.

BK

AI 도입이 개인에게 고성능 AI 모델이라는 '슈퍼카'를 쥐어주는 단계라면, AI-Native는 그 슈퍼카들이 제 성능을 내며 안전하게 달릴 수 있도록 신호등, 아스팔트, 주유소가 완비된 '정보 인프라 고속도로'를 조직 차원에서 구축해 주는 단계입니다. 정말 조직이 AI를 잘 쓰길 바란다면 회사 차원에서 ‘도로’를 만들어주는 데 집중해야됩니다.

아무리 마력이 높은 슈퍼카(GPT, Claude, Gemini 등)를 가지고 있어도, 주행할 도로가 사람들이 넘쳐나는 시장이나 비포장도로라면 시속 30km도 내지 못하고 사고만 날 뿐입니다. 기업에서 이 비포장도로는 '파편화된 사내 정보'와 '보안 장벽'라고 보시면 됩니다.

대부분의 실무자가 AI 도구를 100% 활용하지 못하는 이유는 AI 모델의 성능이 부족해서가 아닙니다. AI에게 "지난달 크몽의 특정 카테고리 거래액 추이를 분석해 줘"라고 명령했을 때, AI가 크몽 내부 데이터베이스나 노션, 슬랙에 접근할 권한도, 경로도 없기 때문입니다. 결국 실무자는 데이터를 직접 엑셀로 내려받고, 개인정보를 마스킹하고, 이를 다시 프롬프트 창에 복사해서 붙여넣는 번거로운 과정을 거쳐야 합니다. 이 과정에서 보안 사고의 위험은 극도로 높아지고, 생산성 향상은 한계에 부딪힙니다.

2. AI를 쓰겠다는 조직이 마주하는 현실 : 직군별 사일로와 정보의 격차

AI-Native로 가기 위한 첫걸음으로, 크몽은 전사 구성원들이 AI를 어떻게 쓰고 있는지 현황 파악부터 시작했습니다. 확인해보니 '직군 간 정보 격차(Silo)' 가 생각보다 깊었습니다.

개발자들은 이미 GitHub Copilot이나 Cursor 같은 도구를 쓰며 날아다니고 있었지만, 정작 회사 내부의 고유한 시스템 아키텍처나 레거시 코드의 맥락까지 AI가 알지 못해 아쉬워했습니다. 비개발 직군과 CX 직군은 사내 정보에 안전하게 접근할 경로가 없어 AI를 단순한 텍스트 요약기로만 쓰고 있기도 했죠.

결국 모두가 슈퍼카를 타고 있었지만, 각자의 사일로(Silo)에 갇혀 제 속도를 내지 못하고 있었던 셈입니다. 이 파편화된 정보들을 안전하게 엮어 AI 에이전트들이 마음껏 달릴 수 있는 통합 고속도로를 만드는 것, 그것이 크몽 AI-Native팀이 해결해야 할 떨어진 최우선 과제였습니다.

3. 솔루션: 크몽의 정보 허브, kmong-ai-marketplace

이 문제를 해결하기 위해 크몽 개발팀은 전사 구성원 누구나 안전하게 사내 데이터와 인프라를 AI 에이전트에 연결해 쓸 수 있는 플랫폼인 kmong-ai-marketplace를 빠르게 구축했습니다. 

이 마켓플레이스는 쉽게 말해 '사내용 AI 플러그인 상점'입니다. 개발팀이 크몽의 다양한 내부 시스템과 데이터베이스를 AI가 이해할 수 있는 API 형태로 표준화해 올려두면, 구성원들은 자신의 AI 에이전트(GPTs, Claude Projects 등)에 필요한 플러그인을 조립하듯 연결해 사용할 수 있습니다.

현재 크몽 마켓플레이스에 등록되어 전사 구성원의 생산성을 책임지고 있는 5개의 대표적인 플러그인은 다음과 같습니다.

💡 크몽 AI 마켓플레이스 5대 핵심 플러그인 라인업

① product-engineer (PE) — AI-Native의 결정체

: /pe 라는 명령어를 입력하면 목표 인터뷰부터 구현, 코드 리뷰, Headless E2E 테스트, 그리고 Draft PR(Pull Request) 생성까지의 개발 전 과정을 AI 에이전트가 스스로 수행합니다. 등록된 스킬(Skills)만 11개로, 마켓 내 최대 규모를 자랑합니다.

이게 좋아요

"AI가 단순 보조를 넘어 업무의 주체가 된다"는 AI-Native의 명제를 가장 직관적으로 증명하는 플러그인입니다. 실제로 비개발자도 이 플러그인을 통해 직접 PR까지 올리는 마법 같은 일들이 벌어지고 있습니다.

② claude-evolve — 자가발전 협업 정책 엔진

: 본인의 세션 로그를 실시간으로 모니터링하며 협업 실패 패턴(Retry Loop, Scope Drift, Token Burn 등)을 감지하고, 이를 바탕으로 CLAUDE.policy.md 정책 파일을 스스로 자동 갱신하는 상태머신 기반 엔진입니다.

이게 좋아요

도구가 스스로를 학습하며 진화합니다. "고속도로가 스스로 교통사고 데이터를 학습해 신호등을 알아서 단다"는 비유가 딱 들어맞는, 크몽 AI-Native 기술력의 가장 독특한 한 방입니다.

③ ral-review — 수렴형 코드리뷰 안전망

: 개발자가 작성한 코드의 Diff를 분석하여 CRITICAL 및 HIGH 등급의 보안/성능 이슈가 0건이 될 때까지 반복 검수하고 수정을 가이드합니다. 프론트엔드(FE)와 백엔드(BE)를 자동으로 판별해 분기 처리합니다. 현재 크몽의 Git Workflow에 BLOCKING 조건으로 강제 연결되어 있습니다.

이게 좋아요

뒤이어 소개할 '바이브 코딩의 위험성'을 완벽하게 통제하는 최후의 가드레일입니다. "속도를 아무리 높여도 사고가 나지 않는 강력한 제동 장치" 역할을 해내고 있습니다.

④ knowledge — 크몽 전사 지식베이스 검색

: 사내 기술 문서, 시스템 맵, 인프라 구성도, 그리고 과거 시스템 장애 복구 기록(Post-mortem)까지 자연어로 한 번에 검색할 수 있는 전 직군 공통 플러그인입니다.

이게 좋아요

앞서 언급한 "직군 간 정보 사일로 붕괴"를 실체화한 결과물입니다. 실제로 크몽의 전 직군이 매일 업무 지식을 동기화하는 데 사용하고 있습니다.

⑤ api-docs-mcp — 크몽 내부 API MCP 서버

: 크몽 내부의 수많은 API 스펙을 실시간으로 검색·조회하고, 즉시 실행 가능한 cURL 명령어를 자동으로 생성해 주는 실제 MCP 서버 기반 플러그인입니다.

이게 좋아요

뒤이어 설명할 MCP 표준화의 산증인이자, "Kmong API Helper"의 실체입니다. 복잡한 API 연동을 단 몇 초 만에 해결해 줍니다.

4. MCP(Model Context Protocol) 도입으로 날개를 달다

마켓플레이스를 구축하는 과정에서 기술적으로 가장 큰 돌파구가 된 것은 바로 앤트로픽(Anthropic)이 발표한 오픈소스 표준 프로토콜인 MCP(Model Context Protocol)의 도입이었습니다.

BK

MCP는 서로 다른 사내 데이터 소스(SaaS, DB, API 등)와 다양한 AI 클라이언트 간의 연결 방식을 하나로 표준화하는 규격입니다. MCP를 도입하면 개별 도구마다 전용 연동 코드를 새로 짤 필요 없이, 하나의 MCP 서버 구축만으로 모든 AI 에이전트가 사내 정보에 안전하게 접근할 수 있게 됩니다.

예를 들어, 과거에는 장애 기록 데이터베이스를 AI에게 연동하려면 ChatGPT용 연동 코드와 Claude용 연동 코드를 각각 따로 개발해야 했습니다. 하지만 크몽은 이를 MCP 표준 규격으로 통일했습니다. 

덕분에 개발자들은 자신이 선호하는 어떤 AI 도구를 사용하든, kmong-ai-marketplace에 등록된 MCP 서버를 호출하는 것만으로 과거의 장애 복구 히스토리를 실시간으로 탐색하고 분석할 수 있게 되었습니다. 정보의 파이프라인이 하나로 통합되면서, 인프라 관리 비용은 획기적으로 줄고 연동 속도는 비약적으로 상승했습니다.

5. 마치며 : 고속도로를 만들었으니, 이제 달릴 시간입니다

크몽은 kmong-ai-marketplace와 MCP 표준 인프라를 통해, AI 에이전트들이 사내 정보를 안전하게 탐색하고 활용할 수 있는 '정보 인프라 고속도로'를 성공적으로 완공했습니다. 직군 간의 정보 사일로는 사라지기 시작했고, 구성원들은 비로소 진짜 비즈니스 가치를 만드는 일에 AI를 결합하기 시작했습니다.

하지만 고속도로가 뚫렸다고 해서 모두가 곧바로 시속 200km로 안전하게 질주할 수 있는 것은 아닙니다. 

속도가 빨라진 만큼, 예기치 못한 커브길에서 사고가 날 위험도 함께 커지기 마련이니까요. 실제로 비개발 직군을 포함한 수많은 구성원들이 이 고속도로 위에서 자신만의 프로그램을 직접 짜는 '바이브 코딩(Vibe Coding)'을 시작하면서, 개발팀과 보안팀은 또 다른 차원의 문제가 많다는 사실을 알게 됐습니다. 고속도로는 만들었지만, 고속도로 위에서는 다른 차원의 사고가 발생한다는 사실을 말이죠.

크몽 비개발자들의 AI-Native 고군분투기와 크몽만의 문제 해결 과정은 다음 글에서 이어집니다.

2화 : "이거 왜 안 돼요?" 마케터가 바이브 코딩에 부딪히며 배운 것들 (예정)

3화 : 디자이너가 AI로 프로덕트를 어떻게 바꿀 수있을까 ((예정)

4화 : AI로 대시보드를 만들었는데 CFO님과 공유할 수 없는 이유 (예정)

5화 : AI 영상은 진짜 하루 만에 만들 수 있을까? . (예정)

직원들과 함께 바이브코딩으로 다양한 시도를 하고 계시거나 AI_native 전환이 고민이시라면 정식으로 AX 도입을 검토해 보세요. 전문가 플랫폼으로써 오랫동안 쌓아온 비즈니스 데이터를 기반으로 비즈니스부터 이해하는 크몽 AX팀이 무료 진단부터 도와드리겠습니다. 신청은 아래 링크에서 3분이면 가능합니다.

👉🏻 크몽 AX 무료 진단 신청하기