1. Creating a Role That Didn’t Exist Before
Summary
테크니컬 라이터가 필요 없는 조직을 꿈꾼다? 토스가 설계한 AI 시대의 '지식 인프라' 구축기
단순 문서 작성을 넘어 메신저·IDE 연동 AI 지식 플랫폼 'todoc'까지, 토스 테크니컬 라이팅 챕터의 파격적인 진화
코드 한 줄의 이면에 숨겨진 수많은 의사결정 맥락을 보존하기 위해 토스 테크니컬 라이팅 챕터가 시도한 직무 정의의 확장과 시스템 구축 과정을 소개합니다. 사내 챗봇 '박씨'와 지식 플랫폼 'todoc'을 통해 정보의 획득 비용을 낮추고, 궁극적으로 AI가 조직 내의 '암묵지'를 원활하게 이해하도록 돕는 지식 엔지니어링의 정수를 담고 있습니다.
- 01코드는 결과만 담을 뿐: 진정한 SSoT는 코드와 그것을 둘러싼 '맥락 정보'가 결합될 때 비로소 완성된다는 관점의 전환
- 02문서가 사용자를 찾아가다: 문서 링크를 주는 대신 메신저와 IDE 환경에 RAG 기반 AI 챗봇 '박씨'를 연동해 지식 획득 프로세스 혁신
- 03자발적 문서화 생태계: 귀찮은 과업으로 취급받던 문서 작성에 AI 인터페이스를 도입해 전사적인 지식 누적 수요 급증
- 04테크니컬 라이터의 종말을 계획하다: 고품질 문서를 자동으로 생성하고 검수하는 AI 워크플로우 구축 및 스스로 축적되는 지식 시스템 지향
- 05직무 경계 허물기: 1인 챕터로 시작해 조직 지식 인프라를 설계하는 엔지니어링 영역으로 테크니컬 라이팅의 역할을 완벽히 재정의
RECOMMENDATION
사내 지식 파편화와 온보딩 병목으로 고민 중인 엔지니어링 리드와 AI 기반의 RAG 시스템 구축을 준비하는 백엔드 개발자에게 적극 추천합니다.
The Problem
코드는 개발의 결과물만을 기록할 뿐 설계 의사결정의 배경과 맥락을 완벽히 담지 못하며, 조직이 확장됨에 따라 소통 비용이 급증하고 사내 정보가 파편화되는 한계가 있었습니다. 특히 최근 AI 도구를 도입하더라도 고유의 내부 컨텍스트가 정리되어 있지 않아 업무 생산성을 극대화하기 어려운 문제가 존재했습니다.
The Solution
기존 문서 작성의 영역을 넘어 사내 지식 관리 플랫폼인 'todoc'을 구축하고, 메신저 및 개발 환경(IDE)에 RAG 기반 AI 챗봇 '박씨'를 연동하여 지식 획득 과정을 자동화했습니다. 더불어 개별 조직의 맞춤형 지식 체계를 설계하는 동시에 AI 워크플로우를 도입하여 일관성 있는 고품질 문서 작성이 스스로 반복되는 에코시스템을 마련했습니다.
The Result
지식을 찾는 사용자를 직접 찾아가는 지능형 전달 방식을 구현함으로써 조직 전반의 자발적인 지식 축적 및 검색 수요가 폭발적으로 증가했습니다. 이를 통해 AI가 사내 맥락 정보를 정확히 이해하는 생산성 혁신 프레임워크를 마련하였고, 테크니컬 라이터의 직무 범위를 지식 인프라 아키텍트로 격상시켰습니다.
Trade-off
AI 자동화를 목표로 하지만 궁극적인 자동화 도구가 완전히 정착하기 전까지는 개별 조직의 특성을 분석하고 수동으로 지식을 튜닝해야 하는 인적 정성이 지속 투입되어야 합니다. 또한, 잘못 관리된 문서를 학습할 경우 AI 할루시네이션(환각)을 유발할 우려가 있어 지속적인 유효성 검증 체계를 유지해야 하는 부담이 있습니다.
Key Concepts
More from 토스
View all posts from 토스
AI가 팀 규칙을 지키도록 하는 방법
LLMCoding AgentContext Window2시간 전2. Beyond Our Expertise
Technical WritingSingle Source of TruthGenerative AI22시간 전
How Documents Find Developers at Toss
RAGLLMSlackbot22시간 전
AI가 만든 코드가 어드민이 되기까지
Reactesbuild-wasmImport Map3일 전
1%가 겪은 버그 고쳐야할까요?
HotfixProgressive DeliveryQA Platform1주 전