Doctolib은 2013년부터 유럽 전역에서 의료 서비스를 혁신해 왔으며, 현재 58만 명의 의료 전문가와 9천만 명의 환자에게 서비스를 제공하고 있습니다. 이 플랫폼은 의료진에게 전자의무기록, 진단 지원, 처방전 관리, AI 기반 임상 솔루션을 통해 워크플로우를 체계화하는 운영 체제를 제공합니다. 환자 관리 도구는 일정 관리, 화상 진료, 진료실 운영을 지원합니다. Doctolib은 환자들에게 안전하고 선제적인 건강 관리 기능을 제공하여 의료 서비스를 손쉽게 이용할 수 있습니다.
Claude를 도입한 Doctolib의 주요 성과:
- 2026년 1월부터 9월까지 엔지니어 1인당 평균 풀 리퀘스트 처리 건수 47% 증가
- 같은 기간 동안 변경 리드 타임 25% 단축
- 약 900명의 기술 및 제품 부문 직원 중 약 90%가 매일 Claude 사용
- Claude Code를 기반으로 구축되고 Claude Opus 5.5로 구동되는 자체 원격 코딩 에이전트를 운영하며, 현재 이 에이전트가 전체 풀 리퀘스트의 10%를 생성
- A/B 테스트에서 Opus 5.5가 기존 기본 모델보다 풀 리퀘스트당 비용을 2.5배 절감하면서도 더 나은 결과를 냈다는 사실을 확인
- 내부 추산에 따르면 약 1년 사이에 엔지니어가 코드 작성에 쓰는 시간 비중을 대략 절반으로 줄이고, 그 시간을 리뷰와 명세 작성에 투입
- 제품 관리자와 디자이너가 원하는 것을 설명하기만 하면 에이전트가 코드를 처리하여 변경 사항을 출시할 수 있도록 지원
- 코드 변경에 따라 기술 문서를 자동으로 최신 상태로 유지
과제
코드 작성 속도에 발맞추는 코드 리뷰
Doctolib은 처음에 엔지니어들의 반복적인 업무 부담을 덜어주기 위해 Claude Code를 도입했습니다. 문서화, 테스트, 풀 리퀘스트 검토, 기술 부채 처리로 인해 개발자들은 의료 플랫폼에서 가장 중요한 문제에 집중하지 못하는 상황이 계속되었습니다. Doctolib의 스태프 제품 관리자인 Jean-Claude Kuo는 “엔지니어들은 복잡한 의료 과제를 해결하는 대신 반복적인 작업에 귀중한 시간을 할애하고 있었습니다.”라고 말했습니다.
그 도입은 성공적이었고, 그 결과 병목 지점이 다른 곳으로 옮겨갔습니다. 코드 작성 속도가 빨라지자, 어려운 부분은 그 주변의 모든 작업이 되었습니다. 의료 소프트웨어에 요구되는 신중함으로 각 변경 사항을 검토하고, 개인정보 보호 및 보안 위험을 점검하며, 배포 후에도 의도대로 작동하는지 확인하는 일입니다. 이러한 검증 절차는 58만 명의 의료 전문가와 그 환자들을 보호하기 때문에, 절차를 생략하는 것은 결코 선택지가 될 수 없었습니다. 모든 변경 사항마다 모든 점검을 수작업으로 실행하는 것 역시 현실적이지 않았습니다. Doctolib의 스태프 엔지니어 Nicolas Klarman은 “우리의 목표는 사람이 시간 제약으로 인해 일관되게 수행할 수 없는 포괄적인 검사를 구현하는 것입니다.”라고 말했습니다.
해결 방법
품질에 타협이 있을 수 없는 작업을 위한 Opus 5.5
기반은 이미 갖춰져 있었습니다. 30명의 엔지니어를 대상으로 시험 적용한 후, Doctolib은 전체 개발 팀에 Claude Code를 배포했으며, 엔지니어들은 VS Code, JetBrains 또는 명령줄에서 5분 이내에 직접 온보딩합니다. 플랫폼 팀은 프롬프트, 사용자 정의 명령어, 서브 에이전트를 모은 공유 저장소를 관리하며, 모든 엔지니어가 설정 시 이를 불러옵니다. 현재 Doctolib의 약 900명에 달하는 기술 및 제품 담당 직원 중 약 90%가 매일 Claude를 사용하고 있으며, Claude Code는 여전히 Doctolib 엔지니어링 부서에서 가장 많이 사용되는 AI 도구입니다.
팀은 새로운 모델이 출시될 때마다 기본 구성을 재검토합니다. “Opus 플랜 모드는 현재 결과물의 품질과 비용 최적화 사이에서 가능한 최상의 구성을 제공합니다.”라고 Klarman은 말했습니다.
더 큰 결정은 Doctolib의 원격 코딩 에이전트에 관한 것이었습니다. 이 에이전트들은 풀 리퀘스트 검토, 위험 분석, 보안 검사, 병합 후 검사, 구현 작업을 담당합니다. Kuo는 “이러한 작업에서 최종 결과물의 품질은 결코 타협할 수 없는 부분입니다.”라고 말했습니다. “저희는 원격 에이전트가 배포 작업의 새로운 기본 방식으로 자리 잡도록 도입을 적극 추진하고자 합니다.”
이를 구동할 모델을 선택하기 위해 팀은 일련의 실제 작업을 대상으로 A/B 테스트를 실행했습니다. Opus 5.5는 에이전트의 이전 기본 모델이었던 Sonnet 5.0보다 확연히 더 나은 결과를 냈으며, 풀 리퀘스트당 비용은 2.5분의 1수준이었습니다. Doctolib은 Opus 5.5를 원격 에이전트의 기본 모델로 채택했으며, 현재 영향력이 큰 작업에는 Opus 5.5를 우선적으로 사용하고 있습니다.
첫 번째 변경부터 프로덕션 검증까지 티켓을 처리하는 에이전트
Doctolib의 자체 원격 에이전트는 GitHub Actions를 통해 헤드리스 모드의 Claude Code에서 실행되며, 단일 목적 봇의 집합이 아니라 서로 연결된 하나의 시스템으로 작동합니다. 하나의 티켓에서 시작해 적절한 컨텍스트를 바탕으로 코드 변경 사항을 생성하고, 풀 리퀘스트를 업데이트하며, 리뷰 코멘트로 남겨진 피드백을 반영하고, 코드가 프로덕션에 배포되면 전체 점검까지 수행합니다. 이들의 업무 범위는 코드 리뷰, 위험 평가, 문서화, 버그 해결을 포함합니다. 현재 이러한 에이전트는 Doctolib 전체 풀 리퀘스트의 10%를 차지하고 있으며, 버그가 발견될 때마다 에이전트가 수정 사항을 제안합니다. 이러한 수정 사항 중 절반은 영향을 받는 제품을 담당하는 팀이 승인하고 병합합니다.
리뷰의 형태 역시 변화하고 있습니다. Doctolib은 단일 리뷰 에이전트 대신, 개인정보 보호, 보안 및 기타 핵심 영역을 각각 담당하는 에이전트로 구성된 멀티 에이전트 위험 평가 프레임워크를 구축하여 각 변경 사항에 얼마나 주의를 기울여야 하는지 판단하고 있습니다. “이러한 접근 방식을 통해 실제로 효과가 있는 것에 대한 구체적인 근거를 수집하는 동시에, 전체 시스템의 보안과 안정성을 점진적으로 강화할 수 있습니다.”라고 Klarman은 설명했습니다.
이 에이전트들은 1년 넘게 운영되어 온 워크플로우를 기반으로 구축됩니다. 예약된 작업이 코드 변경 시마다 기술 문서를 업데이트하며, Doctolib의 주요 인프라 저장소에서는 Claude 자동 리뷰가 실행됩니다. 초기에 팀은 Claude Code를 사용하여 기존의 시각적 회귀 테스트 인프라 전체를 교체했습니다. Klarman은 “몇 주가 아니라 몇 시간 만에 마이그레이션을 완료했습니다.”라고 말했습니다.
에이전트는 엔지니어링 부서 외의 구성원에게도 개발 결과물을 배포할 수 있는 길을 열어주고 있습니다. 이제 풀 리퀘스트가 반드시 코드를 작성하는 사람의 몫일 필요가 없으므로, 제품 관리자와 디자이너도 원하는 내용을 명확하게 설명하는 것만으로 변경 사항을 출시할 수 있습니다. 에이전트는 작업을 세분화하고 코드베이스, 모범 사례, 가드레일에 맞게 요구 사항을 조정합니다. 풀 리퀘스트를 열고 최신 상태로 유지하며, 인간 리뷰어와 리뷰 에이전트의 피드백을 반영합니다. 변경 사항이 승인되면, 에이전트가 이를 병합하고 검사를 실행하여 결과를 확인합니다.
“현재 Opus 플랜 모드는 결과물의 품질과 비용 최적화 사이에서 가능한 최상의 구성을 제공합니다”
결과
더 많은 변경 사항을 더 빠르게, 더 면밀한 검토와 함께
2026년 1월부터 9월까지 Doctolib 엔지니어 1인당 평균 풀 리퀘스트 처리량은 47% 증가했으며, 변경 리드 타임은 25% 단축되었습니다. 팀은 더 많은 결과물을 배포하고 있으며, 각 변경 사항이 대기하는 시간은 줄어들고 있습니다.
업무 방식 자체도 달라졌습니다. Doctolib의 자체 추산에 따르면, AI 도입 이전에는 코드 작성이 엔지니어 업무 시간의 40~45%를 차지했습니다. 약 1년이 지난 지금은 그 비중이 약 20%로 줄었고, 검토와 사양 작성에 쓰는 시간은 늘어났습니다. “전반적으로 이러한 변화는 Claude가 우리 팀이 실행 위주의 워크플로우에서 벗어나 더 사려 깊고, 검토 중심적이며, 부서 간 협업이 이루어지는 업무 방식으로 나아가도록 돕고 있음을 보여줍니다.”라고 Kuo는 말했습니다.
Doctolib의 다음 우선순위는 병목 지점에 따라 정해집니다. 이 팀은 한 줄씩 검토하는 코드 리뷰를 위험 기반 모델로 대체하고 있습니다. 이 모델에서는 AI가 각 변경 사항에 어느 정도의 면밀한 검토가 필요한지 평가하며, 팀은 이어서 리뷰 이후 단계인 코드 배포와 검증으로 초점을 옮기고 있습니다.
“우리의 비전은 엔지니어가 에이전틱 루프를 구축하고 유지 관리하는 소프트웨어 팩토리입니다.”라고 Doctolib의 플랫폼 엔지니어링 부문 VP Mike Aidane은 말했습니다. “코드의 대부분은 에이전트가 작성합니다. 개입하거나 방향을 조정하거나 우려를 제기할 시점은 엔지니어가 결정합니다. 다음 단계는 가장 중요한 곳에 사람의 주의를 집중시키는 것입니다.”
“전반적으로 이러한 변화는 Claude가 우리 팀이 실행 중심의 워크플로우에서 벗어나, 보다 사려 깊고 검토 중심적이며 부서 간 협업이 이루어지는 업무 방식으로 나아가도록 어떻게 돕고 있는지를 보여줍니다”
