[한영자막] DoorDash가 전 직원에게 Claude Code를 제공했습니다

한 줄 핵심

DoorDash는 Claude Code를 전사에 배포해 AI 활용의 기준선을 끌어올리고, 코드 작성·리뷰·보안·협업 프로세스까지 함께 재설계하면서 개발 속도와 조직 생산성을 크게 높이고 있다.

시간별 요약

1. 0:00
   전사적으로 Claude Code를 도입해 엔지니어링 밖의 직무까지 AI 활용 수준을 끌어올렸고, Gmail·Google Calendar·Slack 같은 업무 도구와 연결하자 지식 노동 효율이 크게 높아졌다.
2. 1:00
   창업 초기부터 코드 작성 경험이 있었지만 규모가 커지며 손을 뗐다가, Claude Code를 계기로 다시 프로덕션 코드를 직접 shipping하게 됐다. 터미널과 여러 세션, work tree를 활용해 병렬로 작업하고, 수동 코딩을 최소화하는 방식으로 사용한다.
3. 4:01
   모델 성능이 좋아지면서 예전에는 실패하던 아이디어가 몇 달 뒤에는 그대로 작동하는 상황이 생겼고, 그래서 기존에 만든 방식에 집착하지 말고 과감히 버리고 다시 설계해야 한다. 모든 엔지니어링 매니저가 직접 프로덕션 코드를 배포해 보아야 병목과 팀의 속도 저하 원인을 정확히 볼 수 있다.
4. 6:00
   Claude Code 확산과 함께 코드 머지 지연, CI/CD 재설계, 보안 이슈 증가 같은 새로운 병목이 생겼고, 이를 해결하기 위해 AI code review agent와 보안 검증 체계를 함께 강화하고 있다. 또한 Flux라는 내부 플랫폼에서 보안 승인된 VM으로 Claude 세션을 띄워 agent SDK와 Claude models로 리뷰 에이전트를 돌린다.
5. 11:01
   작은 팀일수록 속도가 빨라지고, 코드베이스를 agent-friendly하게 만들기 위해 markdown 파일에 아키텍처 원칙을 남기거나 팀 공통 skills를 표준화하는 것이 효과적이다. 반대로 사용자-facing 기능처럼 크로스펑셔널 합의가 필요한 영역은 기존 review process가 큰 병목이 되므로, 디자인·제품·엔지니어링이 직접 코드와 프로토타입에 들어가는 방향으로 업무 구조를 바꿔야 한다.
6. 19:00
   ROI는 엔지니어링에서는 code throughput, delivery speed, customer value 도달 속도로 비교적 측정 가능하지만, 지식 노동은 아직 탐색 단계라서 도메인별 workflow 자동화가 핵심이다. 그래서 각 도메인의 AI champions를 발굴해 현업이 직접 병목을 찾고, written artifacts로 학습을 공유하는 방식이 가장 확장성이 높다.

실무 인사이트

• AI 도입 초기에는 전사적 통제보다 token budget과 도구 접근성을 넓혀 실험을 유도하고, 이후에 성공 사례를 표준화하는 순서가 효과적이다.
• 개발 속도를 높이려면 모델 성능만 볼 것이 아니라 CI/CD, 리뷰, 보안, 크로스펑셔널 승인까지 함께 재설계해야 실제 delivery speed가 오른다.
• 조직 내 확산은 말보다 written artifacts가 강력하며, 재사용 가능한 문서와 skill 정의를 남길수록 사람과 agent 모두의 학습 비용이 줄어든다.