출처: https://youtu.be/0qySk1fcf6k · 채널 TechBridge-KR (원전: AI Engineer World’s Fair 2026.08.28) · 길이 20:01 연사: Imad Touil — Distinguished Engineer, QuantumBlack AI by McKinsey 다운로드 자막:
raw/transcripts/2026-08-30-imad-touil-ai-native-skills-governance.en.srt(whisper base.en 자동 전사, YouTube 자막 API 429로 로컬 대체 · 38KB · 506 cue) 컨택트 시트:../assets/youtube/imad-touil-ai-native-skills-governance/contact_sheet.jpg
한눈에 보는 요약
- 대부분의 조직은 스킬을 “만들긴 했지만” 팀 공유나 전사 거버넌스까지 도달하지 못한다 — 발표는 손들기 연습으로 이 간극을 드러내며 시작한다.
- 에이전틱 스택은 내부 루프(코딩 에이전트 하네스)와 외부 루프(워크플로우)로 나뉜다 — 스킬·서브에이전트·MCP·훅이 워크플로우(하네스 청사진)를 이루고, 샌드박스·MCP 게이트웨이·모델 게이트웨이·지식 그래프/스킬 레지스트리/워크플로우 마켓플레이스가 이를 받친다.
/specify → /design → /tasks → 구현4단계는 전체 중 한 조각일 뿐 — 실제 엔터프라이즈 SDLC는 전략·인사이트·디스커버리·데이터 프로덕트·소프트웨어 딜리버리·플랫폼 엔지니어링·런치/운영이 얽힌 수십 개 워크플로우의 그래프다.- 스킬이 워크플로우에서 가장 높은 레버리지 지점 — 훅·MCP·서브에이전트는 주어진 것이고, 절차적 노하우(procedural know-how)를 실행 가능·이식 가능·저렴하게 만드는 단위는 스킬뿐이다.
- 마이크로서비스 설계 원칙을 그대로 스킬에 적용 — 재사용 가능·검색 가능·전문화·일관·모듈러·이식 가능·조합 가능·비용 효율 8원칙과 점진적 공개(progressive disclosure)로 컨텍스트·토큰 비용을 통제한다.
- 거버넌스 없는 스킬은 곧 새로운 기술 부채 — 중복 개발·표류하는 소유권·상충하는 스킬 조합·감사 불가·보안 위험이 15개 팀 6개월 시뮬레이션에서 그대로 재현됐다.
- 해법은 중앙 스킬 플랫폼 + 도메인 오너십 + 3가지 차세대 역량 — IDP 기반 스킬 레지스트리, 정적 평가(Eval), 자동 진화 스킬로 확장한다.
핵심 한 줄: 스킬을 마이크로서비스처럼 설계하고, 플랫폼에서 거버넌스하라 — 그래야 비용·품질·감사·이식성을 동시에 잡는 AI 네이티브 조직이 된다.
장면별 상세 설명
[00:00] 1. 스킬 거버넌스의 현실 — 세 가지 손들기 질문
연사는 “스킬을 만들어 쓴 적 있나 → 팀 안에서 공유하나 → 조직 차원에서 거버넌스하나” 세 질문을 던진다. 첫 질문엔 다수가, 두 번째엔 절반, 세 번째엔 몇 명만 손을 든다. 이 낙차가 발표의 문제의식이다. 오늘 다룰 내용은 왜 이 간극이 치명적이고 어떻게 메울 수 있는지다. 20분 안에 스킬의 구조화 원칙과 중앙 플랫폼 전략을 차례로 풀어간다.
[01:20] 2. 에이전틱 소프트웨어 스택 — 두 개의 루프
슬라이드에 두 루프가 선명하다. 내부 루프(Inner Loop) = Coding Agent Harness — 컨텍스트 매니저, Tool/MCP 런타임, Memory & State, Skills loader/router를 오케스트레이션한다. 외부 루프(Outer Loop) = Workflows — Skills(필요할 때 로드되는 절차적 노하우), Sub-Agents(위임), MCP Servers(외부 도구 연결), Hooks(수명주기 이벤트)로 구성된다. 하네스의 런타임 행동을 적극적으로 빚는 청사진이 바로 워크플로우다.
바닥에는 enablement 계층이 있다. 환경 샌드박스, 조직 전체 MCP 도구를 단순화하는 MCP 게이트웨이, 로컬 오픈소스부터 프론티어 모델까지 최적화하는 모델 게이트웨이, 그리고 핵심 시스템을 추상화하는 지식 그래프(코드베이스·스킬 레지스트리·워크플로우 마켓플레이스)가 받친다. 최상단 컨텍스트 계층은 프로젝트 지시(CLAUDE.md/AGENT.md), 도구/MCP 스키마, 메모리(대화·HITL), 코드베이스에서 끌어온 검색 결과를 모아 태스크에 필요한 콘텍스트를 만든다.
[02:43] 3. 표준 AI 개발 파이프라인 — 네 단계의 함정
/specify(변경 범위·모호성 해소·스펙 작성) → /design(2단계 솔루션 설계, 중간 승인 게이트) → /tasks(검증된 구현 태스크로 분해) → 구현. 이 네 단계는 오늘날 대부분 코딩 에이전트가 따르는 모양이다. 발표는 단호하게 선을 긋는다: 이건 전체 여정의 한 인크리먼트에 불과하다. 여기에만 최적화하면 엔터프라이즈 확장성은 나오지 않는다.
[04:06] 4. 스케일에서 본 진짜 엔터프라이즈 딜리버리
슬라이드는 전략(Strategy: 제품 전략·성공 지표·로드맵) → 인사이트(Insights: 시장조사·경쟁분석·고객 인터뷰) → 디스커버리(문제 프레이밍·해결책 생성·검증·프로토타이핑·유저스토리) 흐름을 먼저 보여준다. 제품을 실제로 짓기 전, 데이터 프로덕트 딜리버리(파이프라인 구축·품질 검증·카탈로그/데이터 자산 준비)와 코어 시스템 연동도 선행돼야 한다. 그 다음에야 익숙한 Build Product Increment로 돌아온다. 각 박스 안 숫자는 하위 워크플로우 개수와 의존성을 암시한다 — 전체 그림은 훨씬 더 조밀한 그래프다.
[05:26] 5. 하나의 워크플로우로는 조직을 담을 수 없다
같은 슬라이드의 전체 뷰가 드러난다. 소프트웨어 프로덕트 딜리버리, 데이터 프로덕트 딜리버리, 플랫폼 엔지니어링 Ops(인프라 프로비저닝·IaC 모듈), Launch(성능 최적화·장애 대응·론칭 계획)까지 병렬로 얽혀 있다. 18년간 다양한 조직을 본 연사의 관찰: 한 조직 안에도 모바일·플랫폼·내부 시스템·고객 대면 서비스마다 따로 노는 SDLC가 흩어져 있다. “한 방 워크플로우”로는 어떤 제품이든 찍어낼 수 없다는 게 현실이다. 규모가 커질수록 이 그래프의 10~20%만 봐도 복잡도는 기하급수적이다.
[06:50] 6. 스킬 폭발 — 왜 지금인가
8개월 전 Anthropic이 스킬 첫 글을 냈고, 2개월 뒤 오픈 스탠다드가 정립됐으며, 2026년 2월엔 Cursor·Copilot·Codex·Gemini 등 주요 하네스가 일제히 탑재했다는 타임라인이 그래프 위에 찍힌다. 누적 공개 스킬 수는 2025년 10월 수만 개에서 2026년 6월 200만 개 이상으로 치솟는다(도표: SkillMP·LobeHub 등 공개 레지스트리 합산, 설명은 Illustrative). 화면 아래 자막이 상기시키듯, 하네스가 “생각 중”일 때 스킬을 끌어오는 걸 유심히 보면 이미 일상적으로 쓰고 있음을 알 수 있다. 문제는 수만큼 빨리 생기는 기술 부채다.
[08:14] 7. 워크플로우의 진짜 레버 — 스킬
슬라이드 제목이 핵심을 찌른다: “The unit that makes Error handling executable, portable, and cheap”. 워크플로우 4요소 중 훅·MCP·서브에이전트는 사실상 주어진 것(for granted)이다. 훅은 트리거, MCP는 기존 외부 도구의 래퍼(우리가 새로 만든 게 아니다), 서브에이전트는 컨텍스트 윈도 절약용 위임이다. 구조화된 가치를 더하는 건 스킬뿐이다. 스킬이 절차적 노하우가 살아 숨 쉬는 곳이며, 스킬을 제대로 구조화하지 않으면 결정론적 워크플로우 자체가 성립하지 않는다.
오른쪽 예시는 data-retention-policy/ 스킬의 해부도다:
data-retention-policy/
├─ SKILL.md — ~85 tokens @ startup
├─ rules.yaml — data class별 보관 기간
├─ scripts/audit-compliance.py — 만료 레코드 스캔·플래그
└─ references/gdpr-art17.md — 잊힐 권리 가이드
왼쪽 8원칙은 마이크로서비스 원칙을 그대로 옮긴 것이다: 재사용 가능·검색 가능·전문화·일관·모듈러·이식 가능·조합 가능·비용 효율.
[09:35] 8. 점진적 공개 — 컨텍스트와 비용을 동시에 잡다
연사가 “이 부분만으로 한 시간 강의가 가능하다”고 말할 만큼 핵심이 비용이다. 스킬의 묘수는 점진적 공개다: 시작 시엔 85토큰짜리 SKILL.md 메타만 올리고, 해당 태스크에 필요할 때만 본문·스크립트·참조를 로드한다. 모든 스킬을 한 번에 콘텍스트에 밀어 넣는 방식과 달리, 필요한 스킬만·필요한 만큼만 로드해 윈도를 날씬하게 유지한다. 도표에는 “모든 스킬을 상시 로드” 대비 비용이 수분의 1로 떨어지는 곡선이 그려진다. 토큰은 곧 돈이자 품질이다.
[10:56] 9. 조합 가능한 규제 준수 — 결정론적 감사
“스킬을 설계대로 조합했을 때”의 이상적인 결과물이 나온다. 규제 준수용 regulatory-disclosure 스킬과 코드 리뷰 스킬을 워크플로우가 자동 조합해, 산출물마다 동일한 감사 리포트(Audit report)가 결정론적으로 생성되는 플로우가 시연된다. 연사의 시뮬레이션 비유: 규제를 모르는 바이브 코더라도 이 스킬이 있으면 누락 없이 준수하고, 리뷰 결과는 매번 일관된다. 일관성과 결정론이 스킬의 존재 이유다.
[12:17] 10. 거버넌스 없는 스킬은 새로운 기술 부채
반대로 거버넌스가 없으면 벌어지는 5가지 전형이 나열된다. 첫째 중복 발명 — 같은 데이터 보존 정책을 팀마다 따로 만든다. 둘째 소유권 공백 — 책임자가 없으니 유지보수가 멈춘다. 셋째 조합 불가 — 서로 상충하는 규칙이 워크플로우에서 충돌한다. 넷째 감사 불가 — 무엇이 언제 어떻게 적용됐는지 추적할 수 없다. 다섯째 보안·품질 위험 — 프롬프트 인젝션 같은 취약점이 방치된다. 화면에는 이 부채가 층층이 쌓이는 피라미드 그림이 나타난다.
[13:39] 11. 중앙 스킬 플랫폼 — 4가지 필수 역량
팀 단위 공유에서 멈추지 말고 중앙 집중형 플랫폼으로 가야 한다는 전환점. 슬라이드는 플랫폼이 반드시 갖춰야 할 4가지를 꼽는다: 발견(Discover) — 탐색 가능한 카탈로그, 평가(Evaluate) — 품질·보안 스코어, 조합(Compose) — 충돌 없는 체인, 거버넌스(Govern) — 오너십·버전·수명주기. 연사는 여기서 팀 내 협업이 얼마나 빠르게 스킬을 진화시키는지(같은 스택·같은 제품이면 개선이 폭발적으로 일어난다)를 강조하며, 다음 단계는 중앙 플랫폼으로 승격해 전사가 함께 쓰도록 만드는 일이라 말한다.
[15:01] 12. 거버넌스 체계와 도메인 오너십
거버넌스는 “누가 무엇을 소유하는가”로 귀결된다. 아키텍처·데이터·인프라·사이버(보안) 리드가 각자 도메인을 나누어 소유하고, 크로스 기능 카운슬이 충돌·우선순위·표준을 조율하는 구조가 제시된다. 그림은 도메인별로 색이 다른 소유권 타일과 상단의 거버넌스 레이어로 구성된다. 메시지는 명확하다: 소유권이 없으면 스킬은 스케일되지 않는다.
[16:21] 13. 15개 팀 6개월 시뮬레이션 — 무엇이 깨졌나
가장 인상적인 증거 장면. 15개 개발 팀이 6개월간 플랫폼 없이 스킬을 운영한 시뮬레이션 결과, 중복률 ~40%, 검색 실패, 품질 편차, 생산성 지표와 스킬의 상관관계가 무너지는 양상이 드러난다. 연사는 특히 “가시성(visibility)이 없다”는 점을 짚는다: 스킬이 흩어지면 생산성에 미치는 영향을 측정조차 할 수 없다. 규제 스킬 하나가 빠지면 바이브 코딩으로 규제를 위반할 위험이 곧바로 현실이 된다는 예시가 재차 강조된다.
[17:45] 14. 스킬을 넘어 워크플로우로 — 복제·개선·환원 루프
스킬만의 이야기가 아니다. 다음 단계는 워크플로우 전체를 복제·조합·개선해 마켓플레이스에 환원하는 루프다. 엔지니어는 필요한 워크플로우를 클론해 요구되는 스킬을 끼워 테스트하고, 개선했으면 중앙 플랫폼으로 다시 푸시해 조직 전체가 혜택을 받는다. 이 메커니즘이 성립하면 앞서 지적한 거버넌스 난제 대부분이 해소된다. 화면에는 하네스가 이미 보유한 스킬을 자동 식별해 끌어오는 모습이 시뮬레이션된다.
[19:09] 15. 다음 6~8개월에 올 것 — 세 가지 초대
발표는 “이건 시작일 뿐”이라는 말로 맺는다. 연사가 초대하는 세 가지가 마지막 슬라이드에 남는다.
- 스킬 레지스트리 — 내부 개발자 포털(IDP) 벤더들이 이미 중앙화 기능을 탑재 중이다. 없으면 수개월 안에 생길 것이니 지금부터 준비하라.
- 스킬 평가(Skill Eval) — 무엇이 “좋은 스킬”인지 논쟁 중이지만, 가장 실용적인 출발점은 정적 평가(static eval)다. LLM을 돌리지 않고도 규칙·스키마·보안 패턴을 검증할 수 있다.
- 자동 진화 스킬(Auto-evolving skills) — 폐루프(closed loop)로 스스로 진화하는 스킬이 다음 하이프다. 자동으로 돌리면 파급이 크니, 거버넌스를 전제로 탐색하라는 조언이 덧붙는다.
마지막 컷에서 연사는 연단에서 내려오며 질문을 받는다. 화면 하단 한영 자막이 마지막 메시지를 남긴다: “AI 네이티브 조직은 스킬로 움직입니다.”
[19:45] 16. 클로징 — 오늘 가져갈 것
엔딩 슬라이드는 12장 덱의 마무리와 연락처(LinkedIn: Imad Touil)로 구성된다. 오늘 발표의 액션 아이템은 단 하나: 내일 당장 팀의 스킬 폴더를 열고, 스킬 하나를 85토큰 SKILL.md + 스크립트 + 참조로 쪼개어 점진적 공개 형태로 재작성해 보라 — 그 한 번의 리팩터링이 조직 전체 거버넌스의 시작점이다.
부록 — 실전 체크리스트
- 내 팀의 스킬을
SKILL.md(~85토큰 메타) /rules.yaml/scripts//references/네 조각으로 분해해 보기 - 중복 스킬 점검: 다른 팀이 같은 이름·같은 목적의 스킬을 따로 만들지 않았는지 레지스트리/검색으로 확인
- 각 스킬에 단일 오너(개인 또는 도메인 팀)를 배정하고 유지보수 SLA 정하기
- 스킬 간 충돌 규칙 검사:
composable여부를 워크플로우에서 조합 테스트로 검증 - 워크플로우 하나를 골라 스킬 조합으로 결정론적 감사 리포트를 뽑아보기 (규제/보안 스킬 우선)
- IDP 또는 전용 도구로 중앙 스킬 플랫폼 PoC 세팅 — 발견·평가·조합·거버넌스 4기능 체크
- 정적 평가 파이프라인 추가: 프롬프트 인젝션·비밀키 노출 등 규칙을 CI에서 검사
- 스킬 설명에
description을 명확히 적어 Claude/하네스의 자동 트리거(검색 가능성)를 높이기
원문 인용 모음
- [00:09] “how AI native organizations runs on skills.” — 오프닝 테제.
- [00:55] “The agentic software stack has two loops — Coding Agent Harness (inner) and Workflows (outer).”
- [01:22] “you would have your MCP gateway, a model gateway, and a knowledge graph that abstracts your IT core systems, your codebase, your skills registry, and workflow marketplace.”
- [02:40] “Specify to define what you want to build, the design or plan … Then you break it down into tasks, and then finally, you start implementing.”
- [03:05] “This is just one step in the journey. This is like building a product increment.”
- [05:30] “So at scale when you look at really building a digital platform … The landscape is way complex.”
- [06:34] “if you don’t have the right structure of your skills, then you’re not really having a deterministic workflow.”
- [06:45] “workflows think about them as harness blueprints — it actually shapes the behavior of your coding harness in the runtime.”
- [07:20] “The unit that makes Error handling executable, portable, and cheap — that’s skills.”
- [08:04] “when we applied skills, that’s our more deterministic — the outcome was clearly higher.”
- [08:20] “We applied proven software design principles — modularity, reusability, separation of concerns — to skills.”
- [09:25] “It’s actually put in with the progressive disclosure pattern — the right skills, the right amount of skills.”
- [10:43] “And this gets pulled automatically under runtime, by the regulatory disclosure review workflow. And the outcome is expected. It’s deterministic, you have an audit.”
- [12:05] “If you don’t have an owner, then no one will be able to maintain scale those skills.”
- [16:05] “skills … are tightly coupled to your productivity. If we don’t have a skill about the regulation, that is someone is vibe coding …”
- [17:31] “the quality and harness will identify this skill that is already available and pull it, right? So you almost solve all of the issues.”
- [18:34] “You should have a skills registry, right? … internal developer portal, they already start centralizing this capability.”
- [19:01] “Second is skills evaluation. … The easy thing that I found so far very valuable is static eval.”
- [19:32] “I can create a closed loop that can evolve automatically my skills. … If you automatically start this machine, the impacts will be way more.”
관련 위키
- harness · mcp · moc-ai-agents-harness · moc-ai-agents
- 2026-07-26-garry-tan-ai-native-company-brain — 같은 AI Engineer World’s Fair, AI 네이티브 조직의 컴퍼니 브레인 관점
- 2026-08-30-clare-liguori-ai-native-five-habits — 같은 무대, 아마존 50팀 관찰의 5가지 습관 관점
- raw source:
2026-05-25-diana-hu-ai-native-company-os— AI를 회사 운영체제로 보는 YC 관점 - 2026-07-11-shopify-under-the-river — 워크플로우 마켓플레이스와 스킬 플랫폼의 운영 인프라 관점
원문 보존 위치
전사 전문은 raw/transcripts/2026-08-30-imad-touil-ai-native-skills-governance.en.srt에 저장. 스크린샷 16장과 컨택트 시트는 assets/youtube/imad-touil-ai-native-skills-governance/.