[한영자막] Claude Code 팀이 새로 공개한 INTENT.MD의 정체와 AI-Native 개발 방식

한 줄 핵심

Claude Code 팀이 제안한 AI-Native SDLC는 코딩 자체보다 프로세스와 거버넌스를 재설계해, 기획부터 유지보수까지 에이전트와 인간의 역할을 분리·자동화하는 방식이다.

시간별 요약

1. 0:00
   AI-Native SDLC 패러다임 전환 기존 SDLC에서 가장 오래 걸리던 빌드 단계가 에이전트로 크게 단축되면서, 병목은 코드 작성이 아니라 전체 개발 프로세스가 되었다. 따라서 계획·디자인·테스트·배포·유지보수까지 포함한 흐름 전체를 다시 설계해야 한다.
2. 1:08
   Intent.md를 활용한 디스커버리 및 기획 기획 단계에서는 사람이 요구사항을 정리하던 방식 대신, 에이전트가 반복 질문으로 맥락을 끌어내고 intent.md에 인간과 기계가 함께 쓸 수 있는 형태로 기록한다. 이 파일은 고객, PM, 개발자 누구나 만들 수 있으며, 이후 backlog 정리와 우선순위 분류의 출발점이 된다.
3. 4:37
   명세 자동 생성과 거버넌스 확정된 intent를 바탕으로 spec.md를 자동 생성하고, 조직의 규칙과 스타일 가이드가 그 과정에 반영되도록 해야 한다. 즉, 생성 방식은 자유롭지만 결과물의 형식과 정책 준수는 agents.md, skills, hook 같은 거버넌스 장치로 표준화해야 한다.
4. 5:58
   빌드 및 테스트 루프 최적화 빌드 단계는 intent와 spec을 바탕으로 plan.md를 만들고, 변경 가능 범위·리스크·완료 기준까지 분해한 뒤 여러 서브에이전트가 병렬로 처리하는 구조가 핵심이다. 테스트 단계에서는 lint, unit, end-to-end, Playwright 같은 검증을 최대한 자동화하고, eval로 모델·스킬 변경이 회귀를 일으키는지 지속적으로 점검한다.
5. 12:47
   자율 모니터링 및 유지보수의 미래 유지보수는 장애나 알림이 들어오면 사람이 먼저 대응하는 단계가 아니라, 로그·메트릭·Slack 메시지 같은 신호로 에이전트가 자동으로 진단하고 intent를 새로 만드는 단계로 확장된다. 다만 중요한 검토 지점에는 인간을 남기되, 낮은 중요도의 작업은 에이전트 중심으로 돌리는 유연한 운영이 필요하다.

실무 인사이트

• intent.md, spec.md, plan.md처럼 산출물을 단계별로 고정하면 사람과 에이전트가 같은 문맥을 공유해 인수인계 비용을 크게 줄일 수 있다.
• 속도 향상보다 더 중요한 것은 permissions, hooks, eval을 묶어 에이전트의 권한과 품질을 통제하는 운영 체계를 만드는 것이다.
• 모든 단계를 하나의 에이전트에 맡기기보다 서브에이전트와 인간 검토를 적절히 분리해야 장기적으로 안정적인 AI-Native SDLC가 가능하다.