- Replit은 사람이 목표와 우선순위/절충점을 정하고, 여러 AI 에이전트가 필요한 맥락을 수집해 작업/검증/에스컬레이션을 수행하는 조직을 자율주행 기업(The Self-Driving Company) 으로 정의함
- 에이전트를 편집기나 채팅 도구에 머물게 하지 않고 사내 시스템에 연결했으며, 직원마다 여러 하위 에이전트를 병렬 실행하는 관리자 에이전트를 제공해 검증 가능한 작업을 반복하는 루프 엔지니어링을 확장함
- 2026년 1월 초부터 6월 말까지 전체 코드 기여량은 5.8배, 동일 엔지니어 집단의 1인당 생산량은 2.9배 증가했지만 코드 검토 지연/되돌림/인시던트는 증가하지 않았고 사람의 PR 검토 시간은 30% 절감됨
- 에이전트 활용은 데이터 분석/영업/마케팅/고객 지원으로 확산돼 실시간 지표와 자료 작성, 잠재 고객 조사, 출시 문서 생성, 지원 티켓 조사를 지원했으며 사람이 처리하는 고난도 지원 티켓 해결 시간은 60% 단축됨
- 내부 에이전트가 일부 상용 도구보다 낮은 비용과 높은 통합성을 보이면서 구축 대 구매 판단도 달라졌으며, Replit은 정책/권한/보안/비용 통제를 갖춘 형태로 이 운영 방식을 사용자에게 제공하려 함
사람이 목적지를 정하는 자율주행 조직
- 자율주행 기업은 사람이 없는 조직이 아니라, 사람이 목적지를 선택하고 중요한 문제/어려운 절충점/취향을 결정하며 결과에 책임지는 조직임
- 사람은 목표에 도달하기 위한 모든 세부 단계를 직접 수행하지 않고, 에이전트가 목표를 받아 맥락을 모으고 작업한 뒤 결과를 검사하며 인간 판단이 필요한 지점만 에스컬레이션함
- Replit의 에이전트는 프로덕션 인시던트 조사, PR 검토, 사내 질문 응답, 사업 데이터 분석, 지원 티켓 분류, 영업 계정 조사, Replit Agent 자체 개선에 사용되고 있음
- 직원들은 자신의 역할이 자동화됐다고 느끼기보다 반복 작업에서 벗어나 전략적/창의적 판단을 담당하게 됐다고 평가함
장기 작업이 가능해지며 시작된 변화
- 2025년 말부터 모델이 더 긴 시간 동안 작업을 지속할 수 있게 되면서 이전에는 반복적으로 실패하던 경보 분류와 근본 원인 조사가 작동하기 시작함
- AI가 해결하기 어려웠던 버그까지 처리하자 에이전트를 편집기나 채팅창 내부 도구로 보지 않고 회사 운영 구조에 직접 통합하기 시작함
- 엔지니어링에서 효과가 확인된 뒤 각 팀이 지루한 작업을 에이전트에 넘기면서 활용이 조직 전체로 확산됨
전사 시스템에 연결된 내부 에이전트 기반시설
- 2026년 1월 말부터 내부 에이전트 활용 사례를 빠르게 실험할 수 있도록 기반시설을 확충함
- 기존 에이전트 하네스, microVM, 원격 파일시스템을 이용해 엔지니어가 여러 에이전트를 병렬로 오케스트레이션할 수 있게 함
- 접근 정책/토큰 프록시/감사 로그/ZeroTrust 네트워크를 적용한 뒤 GitHub, GCP, Azure, Linear, Notion, Slack, ZenDesk 등 업무 시스템에 접근하도록 허용함
- 여러 시스템의 맥락을 함께 사용할 수 있게 되자 기존에 실패했던 실험들이 수행 가능해지고 코드 생산량이 빠르게 증가함
코드 생산량 증가와 품질 지표
- Agent 4 출시를 준비하던 2026년 3월 스프린트 기간에 생산성 곡선이 이전과 다른 수준으로 상승했으며, 이를 내부 에이전트 시스템 도입과 연결함
- 2026년 1월 초부터 6월 말까지 코드 기여 라인 수가 5.8배 증가함
- 신규 채용 효과를 제거하고 동일한 작성자 집단만 비교해도 코드 생산량이 2.9배 증가함
- 팀 규모를 두 배로 늘리는 동안 엔지니어 1인당 생산량을 약 세 배로 높임
- 코드 검토 지연 시간은 늘어나지 않음
- 에이전트가 위험 수준을 평가하고 필요한 경우에만 두 번째 인간 검토자를 호출함
- 사람의 PR 검토 시간 가운데 30% 이상을 절감했으며 비중이 계속 증가하고 있음
- PR 되돌림 비율과 인시던트 발생 추세는 평탄하게 유지됨
- 인간 검토자는 에이전트 공동 검토의 도움을 받아 더 많은 버그를 발견함
- 인시던트 조사 에이전트가 근본 원인을 탐색하면서 평균 완화 시간(MTTM)이 감소함
- Linear에서 측정한 프로젝트 완료 속도도 코드 생산량과 함께 크게 증가해 추가 코드가 실제 기능 출시로 이어짐
여러 에이전트를 반복 실행하는 루프 엔지니어링
- 모든 직원은 여러 하위 에이전트를 생성할 수 있는 관리자 에이전트를 사용하며, 검증 가능한 작업을 여러 에이전트가 반복 수행하도록 구성할 수 있음
- 에이전트 무리를 활용한 사례가 기존 작업 가능성에 대한 가정을 바꿈
- 장기간 중단됐던 CSS 시스템 마이그레이션을 완료함
- 제품 현지화를 가능하게 하는 마이그레이션을 자동화함
- 불안정한 테스트 유지보수를 자동화함
- CTO가 PSC 및 파일 서술자 종료와 관련된 어려운 네트워크 버그를 에이전트 무리로 해결함
- AI 팀은 사용자 피드백을 분석하고 개선안을 제안한 뒤 벤치마크와 A/B 테스트로 성과를 검증하는 지속 학습 시스템을 구축함
- 이 시스템을 통해 Replit Agent가 피드백을 기반으로 스스로 개선되는 순환 구조를 갖추게 됨
달라진 구축 대 구매 판단
- 내부 에이전트가 지식베이스와 업무 시스템에 깊게 통합되고 회사에 맞게 맞춤화되면서 외부 상용 솔루션보다 유용한 사례가 생김
- Replit 내부에서 만든 애플리케이션이 더 우수하다고 판단해 연간 일곱 자리 달러 규모의 SaaS 계약을 해지했으며, 직원들도 이미 내부 도구로 이동한 상태였음
- 특정 업무에 특화된 외부 제품과 비교해도 내부 에이전트가 경쟁력을 보임
- 경보 분류와 인시던트 근본 원인 분석 도구는 유사한 품질을 제공했지만 내부 에이전트보다 실행 비용이 10배 높았음
- 자동 침투 테스트 도구는 내부 버전보다 적은 취약점을 찾으면서 비용은 10배 높았음
- 두 내부 도구 모두 프로덕션에 배포돼 인시던트 MTTM을 줄이고 핵심 시스템의 공격 방어를 강화함
데이터 분석의 셀프서비스 전환
- Slack에서 엔지니어가 에이전트에 업무를 요청하는 모습을 다른 직원들이 보면서 엔지니어링 외부로 사용이 확산됨
- 초기에는 지식베이스와 코드베이스 상태를 결합해 제품 동작과 기대 사항을 묻는 용도가 가장 많았음
- 직원들이 엔지니어의 답변을 기다리지 않고 제품 정보를 확인한 뒤 문구나 문서를 직접 수정할 수 있게 됨
- 데이터 팀은 데이터 웨어하우스 위에 의미 계층을 제공해 에이전트가 기준 데이터 테이블과 테이블 간 관계를 이해하도록 함
- 모든 직원이 비즈니스 인텔리전스 질문에 답을 얻고 실시간 데이터로 차트와 발표 자료를 만들 수 있게 됨
- 데이터 팀은 반복 요청 대신 더 어려운 문제에 집중할 수 있게 됨
- 한 제품 관리자는 코드베이스의 이벤트, 고객 데이터 플랫폼에 기록되는 방식, 복잡한 구독 상태를 결합해 출시 분석을 직접 수행함
- 본문에 포함된 모든 차트도 내부 에이전트를 이용해 작성함
영업/마케팅/고객 지원의 변화
- 영업 개발팀은 내부 지식을 활용해 제품 적격 잠재 고객을 찾고 정보를 보강함
- 범용 영업 도구가 접근할 수 없는 맥락을 활용해 더 구체적인 아웃리치를 작성함
- 영업 담당자는 고객 대화를 준비할 때 고객별 제품 가치/활성 프로젝트/계약 대비 크레딧 사용량을 조사함
- 분석 결과를 계정별 브랜드 발표 자료로 자동 구성함
- 고객 접점의 횟수와 품질을 함께 높임
- 마케팅 팀은 엔지니어링/제품팀의 대화와 문서를 바탕으로 단일 프롬프트에서 제품 사양 초안을 작성함
- 모든 회의에 참석하지 않아도 출시 준비를 일찍 시작하고 변경 사항을 따라갈 수 있게 됨
- 확보한 시간을 계획과 창의적 작업에 사용함
- 고객 지원팀은 표준 절차에 따라 문제를 조사하는 기술을 에이전트에 추가함
- 표준 고객 응대 문체로 답변을 제안하거나, 티켓과 조사 결과 요약을 포함해 엔지니어링팀에 에스컬레이션함
- 인간에게 넘어온 고난도 티켓의 해결 시간이 60% 단축됨
사용자를 위한 자율주행 업무 환경
- Replit은 자율주행 운영이 실행자를 없애는 것이 아니라 결과를 정의하고 방향을 정하는 역할로 전환한다고 봄
- 이 방식을 Replit의 기업/창업자 사용자에게 제공하기 위해 정책, 권한, 보안, 비용 통제 기능을 개발하고 있음
- 실제 사업을 운영하는 사용자에게 적용하려면 조직 규모에 맞춰 확장 가능한 안전장치가 필요하다고 판단함