피드로 돌아가기
Dev.toAI/ML
원문 읽기
AI 시대의 예측 불가능성을 제어하는 Curation 중심 추정 체계로의 전환
Why Story Points Don’t Work in the AI Era, And What Should Take Their Place Instead.
AI 요약
Context
전통적인 Story Points 방식은 개발자의 고정된 생산력과 복잡도-시간의 상관관계를 전제로 설계된 모델임. AI 도입 이후 코드 생성 속도는 비약적으로 증가했으나, 생성물의 신뢰성 검증을 위한 Curation 비용이 급증하며 기존의 평균 기반 추정 방식이 무력화됨.
Technical Solution
- Confidence-Tagged Estimates 도입을 통해 추정치에 신뢰 수준(High, Medium, Low)을 부여하여 리스크 관리
- Low Confidence 티켓에 대해 Sprint 진입 전 Spike 단계를 강제하여 불확실성을 제거하는 워크플로우 설계
- 작업 반복 횟수에 따른 가중치(1차 2x, 2차 0.8x, 3차+ 0.4x)를 적용한 Workflow-based 비용 산정 모델 구축
- 구현 난이도가 아닌 검증 난이도(Review-Weighted Sizing) 중심으로 티켓 사이즈를 재정의하는 패러다임 전환
- Velocity 측정 대신 Curation Rate와 Spike Conversion Rate 등 AI 협업 효율성을 측정하는 신규 지표 도입
실천 포인트
- 모든 티켓에 Confidence Tag를 부여하고 Low 등급은 반드시 Spike 후 재추정할 것 - AI 생성 코드의 리뷰 및 검증 시간을 전체 추정치의 65% 이상으로 설정하여 반영할 것 - 동일 유형 작업의 반복 시 Workflow 재사용률을 계산하여 추정치를 하향 조정할 것 - 티켓 사이즈 산정 시 '코드 생성의 어려움'보다 '리뷰의 복잡성'을 우선순위로 둘 것