vpe-advisor

vpe-advisor skill 개요

vpe-advisor의 용도

vpe-advisor는 스타트업 엔지니어링 리더, 창업자, 임시 임원이 딜리버리 처리량, 채용 퍼널 상태, 팀 설계, 프로덕션 운영 규율을 구조적으로 점검할 때 쓰는 VP of Engineering 운영 조언 skill입니다. “어떤 아키텍처를 선택해야 하는가?”보다 “엔지니어링 조직이 어떻게 출시하고, 채용하고, 팀을 구성하고, 프로덕션을 안정적으로 운영해야 하는가?”가 핵심 질문일 때 가장 유용합니다.

가장 잘 맞는 사용자와 의사결정

vpe-advisor skill은 실무적인 운영 결정을 앞둔 팀에 잘 맞습니다. 예를 들어 스프린트 속도가 떨어지고, PR 대기 시간이 길어지고, 장애가 반복되고, 채용 계획이 목표를 놓치고 있거나, 매니저가 언제 팀을 나누고 engineering management를 추가해야 할지 확신하지 못하는 상황입니다. Strategic Planning에도 유용합니다. 막연한 조직 문제를 DORA metrics, 퍼널 전환율, squad/tribe/chapter 구조, 매니저 추가 트리거, 온콜 지속 가능성, 배포 주기, postmortem 문화 같은 구체적인 의사결정 영역으로 바꿔 주기 때문입니다.

일반 프롬프트와 다른 점

vpe-advisor는 폭넓은 리더십 조언을 늘어놓기보다, 네 개의 집중된 reference 파일과 세 개의 결정론적 Python 도구에 권고를 연결합니다. reference는 의사결정 로직을 설명하고, script는 JSON 입력을 바탕으로 딜리버리 처리량, 채용 퍼널 격차, 팀 구조 권고를 계산하는 데 도움을 줍니다. 그래서 일반적인 “VP Engineering처럼 행동해 줘” 프롬프트보다 에이전트가 활용할 운영 프레임이 더 탄탄합니다.

설치 전에 알아야 할 중요한 경계

vpe-advisor는 CTO, 아키텍처, 제품 전략, HR 컴플라이언스 skill이 아닙니다. Conway’s Law와 운영상 함의는 논의할 수 있지만, 아키텍처 오너십은 다른 영역에 속합니다. 또한 배포 횟수, lead time, 장애, 퍼널 단계별 수치, 인원수, 매니저 수, 업무 흐름의 복잡도처럼 어느 정도 정확한 입력에 의존합니다. 의견만 제공하면 실행 가능한 운영 계획보다는 방향성 수준의 조언이 나올 가능성이 큽니다.

vpe-advisor skill 사용 방법

vpe-advisor 설치와 먼저 확인할 파일

예를 들어 skill manager로 repository path에서 설치합니다.

npx skills add alirezarezvani/claude-skills --skill vpe-advisor

설치 후에는 먼저 SKILL.md를 읽어 activation scope와 질문 패턴을 이해하세요. 실제 planning session에서 사용하기 전에 다음 파일도 확인하는 것이 좋습니다.

• references/delivery_throughput.md
• references/engineering_hiring_funnel.md
• references/eng_team_structure.md
• references/production_discipline.md
• scripts/delivery_throughput_analyzer.py
• scripts/eng_hiring_funnel_calculator.py
• scripts/eng_team_structure_designer.py

reference는 관리 관점의 판단 기준을 설명하고, script는 입력 schema와 결정론적 threshold를 보여 줍니다.

vpe-advisor를 더 잘 활용하게 해 주는 입력

vpe-advisor를 제대로 활용하려면 막연한 불만보다 실제 운영 데이터를 가져오는 편이 좋습니다. 유용한 입력은 다음과 같습니다.

• 팀 규모, IC 수, EM 수, director 수, squad 수, 진행 중인 work stream
• 배포 빈도, median lead time, MTTR, change failure count, cycle-time 단계
• 채용 목표, ATS 퍼널 수치, offer acceptance rate, median time-to-fill
• 현재 온콜 rotation 규모, 장애 빈도, 배포 모델, postmortem 습관
• planning horizon, 제약 조건, 지금 내려야 하는 의사결정

약한 프롬프트는 “우리 엔지니어링 팀이 느린 것 같습니다.”입니다. 더 나은 프롬프트는 “IC 22명, EM 3명, squad 3개, work stream 4개, 주간 배포, 8일 median lead time, PR review wait 30시간, 이번 분기 채용 필요 인원 4명입니다. vpe-advisor를 사용해 레버리지가 가장 큰 운영 개선안을 찾아 주세요.”입니다.

포함된 script를 실무에서 사용하는 방법

script는 구조화된 JSON을 제공할 수 있을 때 특히 유용합니다. skill 폴더에서 로컬로 실행하거나 작업 디렉터리로 복사해 실행할 수 있습니다.

python scripts/delivery_throughput_analyzer.py metrics.json

python scripts/eng_hiring_funnel_calculator.py funnel.json

python scripts/eng_team_structure_designer.py team.json

파일을 제공하지 않으면 각 script는 내장 sample로도 실행됩니다. schema를 익히는 데 유용합니다. script 출력은 프롬프트의 근거로 활용하세요. 결과를 chat에 붙여 넣고, vpe-advisor에게 이를 운영 권고, 리스크, 30-60-90일 계획으로 변환해 달라고 요청하면 됩니다.

Strategic Planning을 위한 프롬프트 패턴

Strategic Planning에서 vpe-advisor를 사용할 때는 브레인스토밍이 아니라 decision memo 형식으로 요청하세요.

“Use vpe-advisor. Context: [company stage, headcount, product pressure]. Data: [delivery, hiring, team structure, production metrics]. Decision needed: [what to change this quarter]. Constraints: [budget, hiring freeze, reliability risk, roadmap deadlines]. Output: diagnose bottlenecks, rank interventions, explain tradeoffs, and propose a 30-60-90 day operating plan.”

이 프롬프트가 효과적인 이유는 가능한 모든 engineering-management 관행을 나열하게 하는 대신, 서로 충돌하는 VPE 레버 중 무엇을 선택해야 하는지 판단할 만큼 충분한 맥락을 skill에 제공하기 때문입니다.

vpe-advisor skill FAQ

vpe-advisor는 초기 스타트업에도 적합한가요?

네. 특히 딜리버리, 채용, 온콜 규율을 더 이상 비공식적으로만 처리하기 어려운 규모가 되었을 때 유용합니다. 엔지니어가 5명인 팀에서도 처리량이나 프로덕션 운영 습관을 진단하는 데는 도움이 됩니다. 다만 일부 구조 관련 권고는 의도적으로 “아직 프로세스를 추가하지 말라”고 말할 수 있습니다.

언제 vpe-advisor를 사용하지 말아야 하나요?

시스템 아키텍처, 기술 선택, 보상 정책, 법적 HR 프로세스, 성과 관리 의사결정의 주 도구로 vpe-advisor를 사용하지 마세요. 운영상의 증상은 찾아낼 수 있지만, 도메인 전문가, 고용 관련 법률 자문, 아키텍처 리뷰를 대체해서는 안 됩니다.

AI에게 VPE 조언을 묻는 것과 무엇이 다른가요?

일반 프롬프트는 모델의 범용 지식에 크게 의존합니다. vpe-advisor skill은 에이전트에게 구체적인 의사결정 프레임, 건강한 범위, anti-pattern, script 기반 계산을 제공합니다. 일반적인 리더십 문구가 아니라 반복 가능한 진단이 필요할 때 이 차이가 중요합니다.

vpe-advisor에는 완벽한 지표가 필요한가요?

아니요. 하지만 정직한 근사치는 필요합니다. DORA, ATS, 장애 데이터가 불완전하다면 그 사실을 명확히 표시하세요. skill은 부분적인 데이터로도 추론할 수 있지만, 추정치와 측정된 사실을 분리해 제공할 때 가장 좋은 결과가 나옵니다.

vpe-advisor skill 개선 방법

조언을 요청하기 전에 vpe-advisor 입력을 개선하기

가장 흔한 실패 패턴은 충분한 운영 데이터 없이 권고를 요청하는 것입니다. vpe-advisor를 호출하기 전에 현재 팀 topology, 딜리버리 지표, 채용 퍼널, 장애/온콜 상태, 의사결정을 촉발한 비즈니스 제약을 한 페이지로 정리하세요. 이렇게 하면 결과가 일반적인 엔지니어링 리더십 체크리스트로 흐르는 것을 막을 수 있습니다.

권고만 묻지 말고 tradeoff를 요청하기

VPE 업무는 어떤 고통을 감수할지 선택하는 일인 경우가 많습니다. “add EM,” “split squads,” “reduce WIP,” “tighten incident review,” “increase sourcing volume” 같은 선택지를 비교해 달라고 요청하세요. 좋은 후속 프롬프트는 “이 권고의 숨은 비용은 무엇인가요?”와 “이 접근이 효과를 내고 있다면 어떤 지표가 가장 먼저 개선되어야 하나요?”입니다.

첫 답변 이후에는 근거를 바탕으로 반복하기

첫 결과를 받은 뒤, 실행 불가능한 점, 정치적으로 어려운 점, 데이터와 충돌하는 점을 다시 알려 주세요. 예를 들어 “이번 분기에는 EM을 채용할 수 없고, platform team이 세 개의 핵심 서비스를 소유하고 있습니다. role clarification, WIP limits, deployment-process changes만 사용해 계획을 수정해 주세요.”처럼 요청할 수 있습니다. 이렇게 하면 vpe-advisor가 이상적인 조직 설계가 아니라 실제로 실행 가능한 계획을 만들 가능성이 높아집니다.

자신의 운영 모델에 맞게 skill 확장하기

vpe-advisor를 로컬에서 개선하려면 회사별 benchmark, 장애 severity 정의, 채용 단계 이름, 팀 topology 제약, 배포 정책을 추가하세요. 추가 내용은 의사결정 중심이어야 합니다. 조직에서 실제로 사용하는 threshold, 예시, anti-pattern으로 reference를 업데이트하세요. script를 추가한다면 현재 패턴처럼 명확한 JSON schema와 결정론적 출력을 유지해 에이전트가 안정적으로 호출할 수 있게 하세요.