Kiro 핸드북

테마

AI-DLC — 개념과 원칙 ​

이 페이지의 기준

여기서 다루는 핵심 개념·2대 원칙·3단계(Inception·Construction·Operations)는 원문 블로그가 소개한 AI-DLC의 기본 개념입니다. 현재 공식 구현체는 이를 5 phase·33 stage로 구성합니다. 다음 단계는 → AI-DLC 실전 적용 가이드, 공식 구현체의 구조는 → AI-DLC 워크플로 구조 참고에서 확인하세요.

AI-DLC란 ​

AI-DLC(AI-Driven Development Life Cycle)는 AI를 소프트웨어 개발의 중심 협업자(central collaborator)로 두는 AI 중심 개발 방법론입니다. 기존 두 가지 접근 방식의 한계를 극복하기 위해 등장했습니다.

  • AI-assisted(보조) 접근: AI가 문서 작성, 코드 완성, 테스트 같은 특정 작업을 향상시킵니다. 원문은 AI를 보조 도구로 덧붙이기만 하면 AI의 역량을 제한하고 낡은 비효율을 굳힌다고 지적합니다.
  • AI-autonomous(완전 자동) 접근: 사람의 개입 없이 사용자 요구사항만으로 AI가 애플리케이션 전체를 생성하기를 기대합니다.

원문은 두 접근 모두 속도와 소프트웨어 품질 면에서 최적에 미치지 못했다고 보고, AI-DLC가 이 문제를 다룬다고 설명합니다. AI를 개발 과정의 중심 협업자이자 팀원으로 두고 SDLC 전체에서 그 역량을 활용합니다.

2대 원칙 ​

AI-DLC는 두 가지 핵심 원칙(dimensions)으로 구성됩니다.

AI Powered Execution with Human Oversight ​

AI가 상세 작업계획을 체계적으로 세우고, 명확화와 안내를 적극적으로 구하며, 중요한 결정은 사람에게 유보합니다. 비즈니스 요구사항에 대한 맥락과 지식은 사람만 갖고 있기 때문입니다.

Dynamic Team Collaboration ​

AI가 루틴 작업을 처리하면, 팀은 실시간 문제 해결, 창의적 설계, 신속 의사결정에 집중할 수 있습니다. 개인이 고립되어 작업하던 패턴에서 벗어나, 고에너지 팀워크 중심으로 전환됩니다.

멘탈 모델 — 반복 패턴 ​

AI-DLC의 모든 활동은 다음 패턴을 빠르게 반복합니다:

  1. AI가 계획 수립 — 작업을 분석하고 실행 계획을 제안
  2. 명확화 질문 — 맥락 확보를 위해 AI가 팀에게 질문
  3. 사람 검증 후 구현 — 팀이 계획을 승인한 뒤에만 AI가 구현 진행

이 패턴은 요구사항 정의부터 배포, 운영까지 모든 SDLC 활동에 적용됩니다.

3단계 (Phases) ​

Inception — Mob Elaboration ​

AI가 비즈니스 의도를 상세 요구사항, 스토리, Units of Work로 바꿉니다. 이 과정을 Mob Elaboration이라 부르며, 팀 전체가 AI의 질문과 제안을 함께 검증합니다.

Construction — Mob Construction ​

Inception에서 검증된 맥락을 바탕으로 AI가 논리 아키텍처, 도메인 모델, 코드, 테스트를 제안합니다. 이 과정을 Mob Construction이라 부르며, 팀이 기술 결정과 아키텍처 선택을 실시간으로 명확히 합니다.

Operations ​

AI가 앞 단계에서 쌓인 맥락을 활용해 IaC(Infrastructure as Code)와 배포를 관리하고, 팀이 이를 감독합니다.

각 단계는 다음 단계에 더 풍부한 맥락을 넘겨, AI가 점점 더 근거 있는 제안을 할 수 있게 합니다.

새 용어와 의례 (Rituals) ​

AI-DLC는 기존 애자일 용어를 AI 중심 워크플로우에 맞게 재정의합니다:

  • Sprints → Bolts: 주 단위가 아닌, 시간~일 단위의 짧고 집중된 개발 사이클
  • Epics → Units of Work: 에픽 대신 Units of Work라는 작업 단위를 씁니다

각 단계의 산출물(계획, 요구사항, 설계)을 프로젝트 리포지토리에 영속 저장하여 세션 간 연속성을 보장합니다. 이로써 AI가 매번 맥락을 잃지 않고, 누적된 지식 위에서 작업을 이어갑니다.

효과 ​

  • Velocity — 수 주 걸리던 작업이 수 시간~수 일로 단축
  • Innovation — 루틴에서 해방된 팀이 창의적 문제 해결에 집중
  • Quality — 지속적 명확화로 의도를 정확히 반영하고, 조직 표준·테스트를 자동 적용하며, 요구사항부터 배포까지 추적 가능
  • Market Responsiveness — 빠른 사이클로 시장 변화에 민첩하게 대응
  • Developer Experience — 인지 부하 감소, 비즈니스 맥락 이해도 향상

Kiro에서 AI-DLC를 실행하는 방법 ​

AI-DLC는 특정 도구에 묶인 방법론이 아닙니다. 원문 블로그는 Amazon Q Developer rules와 Kiro custom workflows로 AI-DLC를 조직에 일관되게 구현할 수 있다고 소개합니다. 현재 공식 구현체인 awslabs/aidlc-workflows는 하나의 하네스 중립 코어를 Claude Code, Kiro CLI, Kiro IDE, Codex CLI, Cursor, opencode, GitHub Copilot에서 그대로 실행합니다.

Kiro에서는 공식 구현체를 설치한 뒤 프로젝트에 Kiro용 설정을 적용합니다. 공식 가이드가 확인한 최소 버전은 Kiro IDE 1.1.70, Kiro CLI 2.24.1이며, 로그인한 상태여야 합니다.

bash
# 1. aidlc 명령과 런타임 설치 (macOS·Linux·WSL)
curl -fsSL https://github.com/awslabs/aidlc-workflows/releases/latest/download/install.sh | sh

# 2. 프로젝트에 Kiro 하네스 적용
cd your-project
aidlc config --harness kiro-ide   # Kiro IDE, 또는 Kiro CLI 2.24.1+의 v3 엔진
aidlc doctor

설치하면 .kiro/ 아래에 AI-DLC 전용 conductor 에이전트, hooks, skills, 항상 로드되는 온보딩 steering이 들어가고, 작업 상태와 산출물은 프로젝트의 aidlc/ 디렉터리에 쌓입니다.

  • Kiro IDE: 프로젝트를 열고 폴더를 신뢰(Trust Folder)한 뒤 창을 다시 불러옵니다. 채팅 패널의 에이전트 선택기에서 aidlc를 고르고 /aidlc --doctor로 확인합니다.
  • Kiro CLI: 프로젝트에서 kiro-cli를 실행하면 aidlc 에이전트로 열립니다.
  • 그다음 /aidlc <하려는 일>로 시작합니다. aidlc 에이전트를 고른 상태라면 "AI-DLC 워크플로를 시작해 줘"처럼 평소 말로 요청해도 됩니다.

Kiro의 Spec·Plan과는 시작하는 곳이 다릅니다

공식 가이드에 따르면 Kiro 시작 화면(welcome panel)의 Spec, Plan, Bug Fix, Quick Spec은 Kiro 자체 워크플로이며, AI-DLC는 그 목록에 나타나지 않으므로 채팅에서 시작합니다. AI-DLC는 자체 엔진·stage·승인 게이트·상태 파일로 동작합니다. 세 가지를 어떻게 구분해 생각하면 되는지는 AI-DLC 실전 적용 가이드에서 비교합니다.

더 알아보기 ​

출처: AWS DevOps Blog, "AI-Driven Development Life Cycle: Reimagining Software Engineering". 개념·2대 원칙·3단계·용어는 원문을 따르며, Kiro 실행 방법은 awslabs/aidlc-workflows의 Kiro 하네스 가이드를 따릅니다.

© 2026 Kiro 핸드북 · 비공식 자료이며 AWS와 무관합니다.