프레임워크 시대는 끝났다. 병목은 딜리버리로 옮겨갔다.

Jeff Gothelf는 단도직입적으로 말했다. SAFe는 「대규모의 예측 가능성과 조율을 만들어내기 위해 의도적으로 설계되었다. 그것이 당시 풀고자 했던 문제에 대한 올바른 답이었다. 지금의 문제는 다르다」고. 그의 말이 맞고, 시장도 동의하고 있다 — 스케일드 애자일 프레임워크들은 공공연한 반발에 직면해 있고, 애자일 코치 직무는 사라지고 있으며, 기업들은 이제 명시적으로 프레임워크에 종속되지 않는 도움을 요청하고 있다.

하지만 “프레임워크 사용을 멈춰라”는 답의 절반에 불과하다. 여기 나머지 절반이 있고, 이것이 포스트 애자일 담론 대부분이 건너뛰는 부분이다.

AI는 루프를 고르게 빠르게 만들지 않았다. 병목을 옮겼을 뿐이다.

모든 제품 조직은 동일한 루프를 돈다. 발견(discover) → 빌드(build) → 딜리버리(deliver). AI는 그 세 가지 중 두 가지를 세게 압축했다.

• 발견 — 디자인 씽킹, 사용자 리서치, 여정 매핑, 프로토타이핑. 몇 주가 걸리던 프로토타입이 이제 몇 시간 만에 나온다. 전체 플로우가 몇 분 만에 생성된다. 발견은 그 어느 때보다 빨라졌다.
• 빌드 — 코드 생성이 스펙에서 작동하는 소프트웨어까지의 시간을 붕괴시켰다.
• 딜리버리 — 대규모의 실제 시스템을 통한 배포, 통합, 테스트, 거버넌스, 변경 관리. AI는 이 부분을 거의 건드리지 못했다.

그래서 제약은 옮겨갔다. 발견과 빌드는 가속하면서 딜리버리는 가속하지 않으면, 더 빠른 회사를 얻는 것이 아니라 같은 느린 파이프로 흘러 들어가는 더 빠른 아이디어 공장을 얻게 된다. 그리고 딜리버리라는 벽에 부딪혀 쌓여가는 검증된 아이디어들의 더미를 얻게 된다. 대규모 기업 안에서 무언가를 출시해본 사람이라면 누구나 이런 일이 벌어지는 것을 지켜봤을 것이다.

이것이 바로 “더 빨리 배워라”가 불완전한 명제인 이유다. 학습 속도는 필요조건이지만, 승리하는 조직은 검증된 통찰에서 프로덕션에 딜리버리되고 거버넌스된 가치까지의 경로가 가장 짧은 조직이다. 이것을 풀루프 속도(full-loop velocity)라고 부르자. 모두가 뒤쫓고 있는 적응적 우위(adaptive advantage)의 정직한 버전이다. AI가 당신을 더 저렴하게 만들어줘서 이기는 것이 아니다 — 비용 주도 AI야말로 그것을 강제한 회사들에서 정확히 실패한 방식이다. 여전히 분기 단위로 계획을 세우는 경쟁자들보다 더 잘 배우고 더 빨리 출시하기 때문에 이기는 것이다.

런타임은 딜리버리를 압축한다. 프레임워크는 그럴 수 없다.

프레임워크는 계획이다. 사람을 조율할 뿐, 소프트웨어를 실행하지 않는다. 더 무거운 운영 모델을 도입한다고 딜리버리를 단축시킬 수는 없다 — 그것은 이미 병목인 바로 그 단계에 의전(ceremony)을 더 얹는 일이다.

딜리버리를 압축하는 것은 런타임이다. 이미 배포되어 있고, 이미 거버넌스되어 있으며, 이미 프로덕션에 있는 실행 계층으로, 새로운 통찰이 매번 배관을 다시 만들지 않고도 시스템을 통해 실제 가치를 만들어내게 한다. 그것이 바로 RakuAI다 — 어떤 어시스턴트든(Claude, ChatGPT, Gemini, Copilot) 기본값이 거부이고 감사 로그가 남으며 멀티벤더인 MCP 표면을 통해 현실 세계에 작용할 수 있게 해주는 AI 네이티브 공간 런타임. 도입해야 할 방법론이 아니다. 실제로 돌아가는 시스템이다.

이것은 또한 딜리버리에 헌신하는 것과 피벗할 자유를 유지하는 것 사이의 거짓된 선택도 무너뜨린다. 딜리버리가 저렴하고 되돌릴 수 있을 때, 당신은 일찍 헌신할 수 있으면서도 3주 차에 방향을 바꿀 수 있다. 수정된 버전을 출시하는 것이 빠르기 때문이다. Gothelf가 말한 “틀렸다고 말하고 피벗하라”는 문화적 슬로건에 머무르지 않고 경제적 사실이 된다 — 벽에 붙은 포스터가 아니라, 짧은 딜리버리 시간의 결과다.

어떻게 작동하는가 — 프레임워크가 아니라 세 가지 움직임

• 매핑(Map) — 여정과 가치가 숨어 있는 곳. 원래 있어야 할 자리인 앞단의 경험 디자인이며, 이제 AI에 의해 압축되었다.
• 접지(Ground) — 실제 맥락(실제로 캡처된 공간, 실제 데이터)에 닻을 내려 AI가 프롬프트가 아니라 진실에 기반해 행동하게 한다. 이 단계가 속도가 자신감 넘치지만 틀린 결과물로 변질되는 것을 막아준다.
• 실행(Run) — 런타임을 통해 그것을 구동한다. 거버넌스되고, 감사되고, 프로덕션에 있는 상태로. 거버넌스와 스케일이 여기에서 일어난다.

임원이라면 외울 수 있는 세 가지 움직임이며, 그것들을 실행하는 시스템에 결합되어 있다. 서른 개짜리 박스 벽 차트와 자격증 과정이 아니다.

결론

프레임워크 시대는 오래된 문제를 해결했다. 대규모의 예측 가능성이라는 문제다. 새로운 문제는 그 반대다. 속도 있는 적응성이며, 여기서 구속력 있는 제약은 계획이 아니라 딜리버리다. 해법은 AI 계층을 위에 갖다 붙인 더 큰 프레임워크가 아니다. 뺄셈에 런타임을 더한 것이다. 더 적은 움직임, 그리고 빠른 학습을 빠르고 거버넌스된 딜리버리로 바꿔주는 실행 계층.

프레임워크 도입을 멈춰라. 풀루프 속도를 측정하기 시작하라. 그리고 병목이 실제로 있는 곳에 런타임을 두어라.