• ZDNet USA
  • ZDNet China
  • ZDNet Japan
  • English
  • 지디넷 웨비나
뉴스
  • 최신뉴스
  • 방송/통신
  • 컴퓨팅
  • 홈&모바일
  • 인터넷
  • 반도체/디스플레이
  • 카테크
  • 헬스케어
  • 게임
  • 중기&스타트업
  • 유통
  • 금융
  • 과학
  • 디지털경제
  • 취업/HR/교육
  • 생활/문화
  • 인사•부음
  • 글로벌뉴스
  • AI의 눈
반도체
인공지능
AI의 눈
IT'sight
칼럼•연재
포토•영상

ZDNet 검색 페이지

'코딩 AI'통합검색 결과 입니다. (124건)

  • 태그
    • 제목
    • 제목 + 내용
    • 작성자
    • 태그
  • 기간
    • 3개월
    • 1년
    • 1년 이전

[AI는 지금] 지푸AI, 코딩 특화 AI 'GLM-5.2' 공개…미국 개발자 시장 주목

중국 인공지능(AI) 기업 지푸AI가 코딩 성능을 앞세운 새 AI 모델을 앞세워 미국 기술 업계의 주목을 받고 있다. 저렴하면서도 성능이 강한 모델로 실리콘밸리에 충격을 줬던 딥시크에 이어 중국 오픈웨이트 모델이 개발자 시장에서도 존재감을 키우는 모습이다. 26일 홍콩 사우스차이나모닝포스트(SCMP)에 따르면 지푸AI가 이달 공개한 플래그십 모델 'GLM-5.2'는 미국 창업자와 AI 연구자들 사이에서 코딩 성능과 비용 효율성을 인정받고 있다. SCMP는 이 모델이 일부 이용자들 사이에서 새로운 '딥시크 모멘트'로 불리고 있다고 전했다. GLM-5.2는 모델 가중치를 공개하는 오픈웨이트 방식으로 제공된다. 개발자와 기업이 자체 환경에서 모델을 내려받아 운용하거나 수정할 수 있는 구조다. 오픈AI, 앤트로픽, 구글 등 미국 주요 AI 기업의 폐쇄형 모델과 달리 비용 부담을 줄이면서 활용 자율성을 높일 수 있다는 점이 부각되고 있다. 미국 개발자 커뮤니티의 반응도 빠르게 확산되고 있다. GLM-5.2는 단순 챗봇보다 코딩 작업과 소프트웨어 개발 워크플로에 강점을 둔 모델로 평가받고 있다. 장시간 코드 작성과 수정, 여러 도구를 연계한 작업에서 활용 가능성이 거론되면서 실제 업무용 모델로 보는 시각도 늘고 있다. 메타, 구글 딥마인드 출신 매트 벨로소는 최근 X를 통해 "GLM-5.2를 하루 종일 사용했다"며 "일상 업무용 기준을 통과한 첫 오픈 모델"이라고 평가했다. 지푸AI의 부상은 딥시크 이후 중국 AI 기업들이 선택한 전략과 연결된다. 딥시크는 지난해 저비용 고성능 모델로 미국 빅테크 중심의 AI 투자 질서에 충격을 줬다. 지푸AI는 이 흐름을 코딩과 개발 자동화 영역으로 넓히고 있다. 코딩 모델은 AI 수익화 경쟁의 핵심 시장 중 하나로 꼽힌다. 오픈AI와 앤트로픽은 각각 개발자 도구와 코딩 에이전트를 앞세워 기업 고객을 늘리고 있다. 이처럼 중국산 오픈웨이트 모델이 비용 경쟁력을 앞세워 같은 시장에 진입하면서 미국 폐쇄형 모델의 가격 정책에도 부담이 커질 수 있다. 미국 기술 업계가 GLM-5.2를 민감하게 보는 이유도 이 때문이다. 코딩 모델은 개발자 생산성뿐 아니라 기업용 AI 에이전트, 업무 자동화, 소프트웨어 유지보수 시장과 직접 연결된다. 기업 입장에선 성능이 충분한 오픈웨이트 모델을 내부 인프라에서 운용할 수 있다면 고가의 API 기반 모델 의존도를 낮출 수 있다. 지푸AI는 중국 생성형 AI 생태계의 주요 기업으로 꼽힌다. 베이징을 기반으로 대형언어모델을 개발해 왔고, 최근에는 브랜드명을 'Z.ai'로 바꾸며 글로벌 시장 공략에도 속도를 내고 있다. SCMP는 지푸AI의 GLM-5.2가 딥시크 이후 중국 AI 기업이 다시 한번 미국 기술 업계에 충격을 준 사례로 받아들여지고 있다고 전했다. 업계 관계자는 "딥시크가 범용 AI 모델의 비용 구조를 흔들었다면, 지푸AI는 코딩 모델 시장에서 비슷한 압박을 만들고 있다"며 "개발자들이 실제 업무에서 쓸 수 있다고 판단하는 순간 오픈웨이트 모델의 영향력은 더 커질 수 있다"고 말했다.

2026.06.26 17:19장유미 기자

[SW키트] 데이터이쿠, 에이전트 개발 '시각화' 전략 제시…"비용·리스크 통제"

데이터이쿠가 인공지능(AI) 에이전트 개발 과정을 시각적하는 전략으로 사업을 강화하고 있다. AI가 어떤 데이터·과정을 거쳐 결과를 도출하는지 시각적으로 보여줌으로써 기업이 에이전트 개발 과정을 더 투명하게 통제할 수 있게 돕는 방식이다. 26일 IT 업계에 따르면 데이터이쿠는 지난 18일 공개한 코딩 에이전트 '데이터이쿠 코빌드' 시각화 기능을 앞세워 고객사 공략에 나섰다. 코빌드는 현업 사용자가 자연어로 입력한 비즈니스 목표를 운영 가능한 AI 프로젝트로 자동 전환하는 플랫폼이다. 데이터이쿠는 AI 에이전트 개발 과정 시각화를 코빌드 차별점으로 내세우고 있다. 사용자가 단순히 AI가 내놓은 결과만 확인하는 것이 아니라, 에이전트가 어떤 데이터에 접근하고, 어떤 과정을 거쳐 결과를 도출했는지 작업 흐름 전체를 눈으로 확인할 수 있도록 한 것이다. 일반적인 생성형 AI 도구는 사용자가 데이터를 넣고 질문하면 답변을 제시한다. 이 과정에서 답변은 수천 줄 코드나 블랙박스 형태로 남는 경우가 많다. 현업 사용자는 AI가 어떤 데이터를 활용했는지, 해당 데이터가 적절했는지, 결과가 의도한 방식으로 만들어졌는지 파악하기 어렵다. 이를 해결하기 위해 코빌드는 AI 에이전트 작업 과정을 비주얼 플로 형태로 보여준다. 사용자는 에이전트가 어떤 입력 소스에 접근했는지, 어떤 데이터를 가져왔는지, 그 데이터를 어떤 방식으로 처리했는지 단계별로 확인할 수 있다. 결과물뿐 아니라 결과가 만들어지는 과정까지 검증할 수 있는 구조인 셈이다. 이 같은 방식은 비기술 전문가의 AI 활용 문턱을 낮춘다. 현업 사용자는 복잡한 코드를 직접 해석하지 않아도 데이터 흐름과 모델 작동 방식을 이해할 수 있다. 필요할 경우 코드 수준의 세부 내용도 확인할 수 있지만, 기본적으로는 시각화된 흐름을 통해 AI 에이전트가 제대로 작동하는지 점검할 수 있다. 현재 코빌드는 전문가에게도 높은 선호도를 받는 것으로 전해졌다. 기업 안에서는 많은 모델과 데이터 프로젝트가 만들어지지만, 담당자가 바뀌거나 시간이 지나면 해당 모델이 어떤 데이터와 절차를 거쳐 만들어졌는지 추적하기 어려워진다. 이때 코빌드는 코드와 프로젝트를 플랫폼 안에서 관리하고, 데이터 흐름과 개발 이력을 시각적으로 남길 수 있도록 해 유지보수 부담을 줄인다. 코빌드는 AI 에이전트를 빠르게 만드는 데 그치지 않는다. 기업이 만든 AI 에이전트를 실제 업무에 적용한 뒤에도 그 작동 과정을 추적하고, 문제가 생겼을 때 원인을 확인하며, 이후에도 관리할 수 있는 기반을 제공한다. "AI·데이터 활용 전 과정 통제 필요" 데이터이쿠는 기업이 AI와 데이터를 활용하는 전 과정을 직접 관리·통제할 수 있는 거버넌스 체계를 코빌드에 제공한다고 밝혔다. AI 에이전트가 업무 현장에 빠르게 확산하면서, 기업이 데이터 출처와 활용 과정을 추적할 수 있는 관리 기반이 중요해졌다는 설명이다. 장기욤 아페르 데이터이쿠 제품관리 부문 이사는 지난 24일 열린 간담회에서 "기업이 데이터와 AI 시스템 활용 과정을 관리하도록 돕는 것이 우리 목표"라며 "데이터가 어떤 경로로 들어왔는지, 어떤 파이프라인을 거쳐 처리됐는지, 어떤 모델이나 AI 에이전트에 사용됐는지를 확인할 수 있도록 지원한다"고 설명했다. 그러면서 "사람은 데이터 파이프라인과 AI 에이전트 작업 과정을 검토·수정할 수 있다"며 "기업은 이 구조를 통해 AI 에이전트가 잘못된 데이터에 접근하거나 의도와 다르게 작동하는 문제를 줄일 수 있다"고 덧붙였다. 데이터이쿠는 승인과 책임 관리 기능도 거버넌스 핵심으로 보고 있다. 현재 코빌드에 리스크 평가 프레임워크와 승인 절차 기능을 지원한다. 이를 통해 법무, 컴플라이언스, 보안, 리스크 관리 부서는 AI 프로젝트 검토 과정에 참여할 수 있다. AI 프로젝트 책임 소재를 문서화하고 관리할 수 있는 기능도 제공하고 있다. 아페르 이사는 "기업이 특정 데이터나 모델을 사용할 때 내부 승인 절차를 적용할 수 있다"며 "승인 과정과 검토 내용을 기록해 향후 감사나 규제 대응에 활용할 수 있다"고 설명했다. 이 같은 거버넌스 구조는 AI 에이전트가 대량으로 만들어지는 기업 환경에서 중요성이 커지고 있다. 기업이 에이전트 수를 늘리는 데만 집중하면 각 에이전트가 어떤 데이터를 사용하고 어떤 판단 과정을 거쳐 결과를 내는지 관리하기 어려워질 수 있다. 데이터 흐름과 책임 소재가 불분명하면 AI 에이전트를 실제 업무에 안정적으로 적용하기도 어렵다. 데이터이쿠는 AI 에이전트의 개발, 운영, 검증, 유지보수를 하나의 관리 체계 안에서 수행할 수 있도록 지원한다. 기업은 데이터 흐름을 추적하고, 작업 과정을 시각적으로 확인하며, 필요한 경우 법무·보안·리스크 부서의 승인 절차를 붙일 수 있다. 이를 통해 기업은 유럽연합(EU) AI법, 유럽 일반개인정보보호법(GDPR), 캘리포니아 소비자 개인정보보호법(CCPA) 등 강화되는 글로벌 규제 환경에 대응할 수 있는 기반을 마련할 수 있다. 페르 이사는 "코빌드는 기업이 AI와 데이터를 책임 있게 활용하도록 돕는 운영·검증 플랫폼 역할을 할 수 있다"며 "기업은 코빌드로 AI 에이전트를 더 많이 만드는 데서 나아가, 해당 에이전트를 어떻게 관리하고 신뢰할 수 있게 운영할지에 대한 기반까지 갖출 수 있을 것"이라고 강조했다.

2026.06.26 09:21김미정 기자

"AI 코딩 병목 줄인다"…AWS, 데브옵스 에이전트 기능 확장

아마존웹서비스(AWS)가 코드 변경을 배포 전 자동 검증하는 기능을 강화했다. AWS는 'AWS 데브옵스 에이전트'에 코드 변경 사항을 프로덕션 반영 전 검증하는 신규 릴리스 관리 기능을 프리뷰로 추가했다고 25일 밝혔다. AWS 데브옵스 에이전트는 AWS, 멀티클라우드, 온프레미스 환경 전반에서 소프트웨어(SW) 변경과 운영을 지원하는 상시 지원 에이전트다. 기존에는 배포 후 운영 단계에서 인시던트를 조사하고 근본 원인을 분석하며 완화 방안과 맞춤 권고안을 제공하는 역할을 해왔다. AWS는 'AWS 데브옵스 에이전트'에 '릴리스 적합성 검토'와 '자율 릴리스 테스트'를 추가했다. 이번 업데이트로 데브옵스 에이전트 역할을 운영 지원에서 개발과 릴리스 관리 영역으로 넓혔다. AI 코딩 도구 확산으로 풀 리퀘스트 양이 빠르게 늘어나는 만큼 리뷰와 테스트 병목을 줄이는 데 초점을 맞췄다. 릴리스 적합성 검토 기능은 모든 코드 변경 사항을 프로덕션 요건, 의존성 안전성, 사용자 정의 표준과 모범사례에 따라 평가한다. 에이전트는 저장소 간 의존성 위험과 접근 제어 변경 사항, 사용자가 정한 표준 준수 여부를 점검한다. 별도 표준이 제공되지 않으면 일반 모범사례가 적용된다. 에이전트는 AWS가 관리하는 격리된 환경에서 소프트웨어를 직접 실행해 변경 사항이 빌드되고 기본 기능을 수행하는지도 확인한다. 검토 결과는 AWS 데브옵스 에이전트 콘솔과 깃허브, 깃랩의 풀 리퀘스트 댓글에서 확인할 수 있다. 개발자는 '키로 파워'나 '클로드 코드 플러그인'을 통해 통합 개발 환경에서 검토를 요청할 수 있다. 코드가 버전 관리에 커밋되기 전 문제를 수정할 수 있다. 자율 릴리스 테스트는 웹과 API 기반 애플리케이션 대상으로 변경 사항별 테스트 계획을 생성한다. 이후 고객이 프로비저닝한 프로덕션과 유사한 환경에서 변경 사항이 병합되기 전에 테스트를 실행한다. 이 기능은 고정된 테스트 묶음을 반복 실행하는 방식이 아니다. 에이전트가 변경 사항의 목적을 추론해 기능적 정확성, 동작 회귀, 통합 시나리오 등을 포함한 맞춤 테스트를 구성한다. 테스트 실행 결과는 지표, 로그, 트레이스, 실행 요약을 포함한 구조화된 산출물로 제공된다. 이를 통해 리뷰어는 어떤 테스트가 수행됐고 어떤 결과가 나왔는지 일관된 기록을 확인할 수 있다. AWS 데브옵스 에이전트 릴리스 적합성 검토와 자율 릴리스 테스트 기능은 현재 프리뷰로 제공된다. 프리뷰 기간에는 미국 동부 버지니아 북부 리전에서 별도 비용 없이 이용할 수 있다. AWS는 "데브옵스 에이전트를 통해 프로덕션 운영 이후 대응뿐 아니라 코드 작성과 검증, 배포 전 테스트까지 아우르는 개발 자동화 범위를 넓히고 있다"며 "AI 코딩 도구 확산으로 개발 속도는 빨라졌지만 검토와 테스트 과정이 병목으로 남는 문제를 겨냥한 조치"라고 밝혔다.

2026.06.25 14:44김미정 기자

"바이브코딩 배우자"...관련 온라인 강의 인기↑

바이브코딩 열기가 관련 교육 열풍으로 확인되고 있다. 데이원컴퍼니(대표 신해동·김동혁) 패스트캠퍼스는 최근 6개월간 '바이브코딩' 관련 강의 판매량이 직전 기간 대비 175% 증가했다고 24일 밝혔다. 바이브 코딩은 생성형 AI와 자연어를 활용해 생산성을 높이는 새로운 개발 패러다임으로 주목받고 있다. AI가 코드 작성부터 테스트, 디버깅, 배포까지 지원하는 환경이 보편화되면서 비개발 직군에서도 관련 역량을 갖추려는 움직임이 활발하다. 패스트캠퍼스는 이런 변화에 발맞춰 AI 기반 개발 트렌드가 업계의 주요 화두로 떠오르기 이전부터 관련 교육 콘텐츠를 선제적으로 선보여왔다. 실제로 패스트캠퍼스는 2024년 10월 AI 코딩 도구인 '커서'를 활용한 개발 강의를 선보여 AI 활용 개발 교육 시장을 선도해왔다. 또 AI 기반 개발 환경이 본격적으로 확산되기 전부터 시장 수요를 예측해 실무 중심 커리큘럼을 구축해왔다. 이 같은 선제적 대응은 가시적인 성과로 이어졌다. 패스트캠퍼스의 바이브 코딩 강의 매출은 최근 6개월간 약 22억원을 기록하며 직전 기간 대비 175% 성장했다. 같은 기간 신규 콘텐츠 출시 건수 역시 15개에서 39개로 확대돼 160% 증가했다. 패스트캠퍼스의 바이브 코딩 인기 강의 톱 3는 ▲실리콘밸리 바이브코딩 : 상위 1% 개발자의 10가지 바이브코딩 스킬 with. Claude Code & Codex ▲전현준의 하네스 엔지니어링 : Claude code - Codex 완벽 가이드 ▲클로드 코드로 24시간 Full 가동! 100명 규모 AI 조직 운영 자동화 구축하기로 집계됐다. 실제 업무와 서비스 개발에 즉시 적용할 수 있는 실전형 콘텐츠가 호응을 얻고 있다. 패스트캠퍼스 관계자는 “AI가 단순 보조 도구를 넘어 실제 개발 과정에 깊숙이 관여하면서 개발자에게 요구되는 역량 역시 빠르게 변화하고 있다”며 “패스트캠퍼스는 앞으로도 최신 AI 개발 도구는 물론 AI와 협업하는 새로운 업무 방식까지 학습할 수 있는 실무 중심 교육 콘텐츠를 지속 확대할 계획”이라고 밝혔다.

2026.06.24 08:46백봉삼 기자

"토큰 얼마나 썼나" 한눈에…깃허브, AI 사용량 관리 기능 확대

인공지능(AI) 에이전트 확산으로 기업 토큰 소비가 증가하면서 사용량과 비용, 투자대비효과(ROI)를 함께 관리할 수 있는 기능 수요가 커지고 있다. 22일 IT 업계에 따르면 깃허브는 사용자·작업·조직 단위로 AI 사용량과 비용을 파악할 수 있는 기능을 플랫폼에 도입했다. 최근 코딩 에이전트가 사용량 기반 과금 체계로 운영되는 만큼, 기업이 API 토큰 사용 한도를 설정하고 실시간 비용을 확인할 수 있어야 하기 때문이다. 깃허브는 코딩 세션을 비롯한 작업, 사용자, 기업 단위에서 AI 사용 현황을 확인할 수 있는 기능을 강화하고 있다. 회사는 지난 19일 코파일럿 사용량 지표 API(Copilot Usage Metrics API)에 사용자별 AI 크레딧 사용량을 보여주는 'ai_credits_used' 필드를 추가했다. 해당 필드는 사용자가 하루 동안 소비한 전체 AI 크레딧 규모를 보여준다. 코파일럿 채팅과 코드 생성 등 사용자가 수행한 모든 코파일럿 활동에서 발생한 AI 크레딧 사용량을 합산한 값이다. 이 기능은 엔터프라이즈와 조직 단위 사용자 보고서에 적용된다. 관리자는 1일 단위(users-1-day)와 28일 단위(users-28-day) 보고서를 통해 사용자별 AI 크레딧 소비 현황을 확인할 수 있다. 사용량 기반 과금 체계에 대비한 비용 관리도 가능해진다. 일별 AI 크레딧 소비 패턴을 확인해 향후 비용 규모를 예측하고 예산 계획을 수립할 수 있다. 마리오 로드리게즈 깃허브 최고제품책임자(CPO)는 최근 온라인 세미나에서 "우리 목표는 개발자가 API 토큰을 무조건 많이 소비하게 만드는 것이 아니다"며 "개발자 의도를 신뢰할 수 있는 소프트웨어로 전환하는 것"이라고 밝혔다. 깃허브 CPO "로컬 모델 전략·자동 모델 라우팅 필수" 로드리게즈 CPO는 비용 최적화 방안으로 로컬 모델 전략과 자동 모델 라우팅을 제시했다. 모든 작업에 프런티어 AI 모델을 사용하는 대신 업무 난이도와 목적에 따라 적절한 모델을 선택해야 한다는 설명이다. 실제 깃허브는 모든 작업에 고성능 모델을 적용하는 대신 작업 난도와 목적에 따라 로컬 모델, 저비용 모델, 프런티어 모델을 적절히 배치하는 방식을 추진하고 있다. 로드리게즈 CPO는 개발자가 자신의 키를 가져와 모델을 사용하는 BYOK 방식도 지원한다고 설명했다. 깃허브는 올라마(Ollama) 같은 로컬 모델 제공자를 통해 코파일럿과 외부 모델을 함께 활용할 수 있도록 지원하고 있다. 그가 이 같은 전략을 추진하는 이유로 플랫폼 신뢰, 거버넌스, ROI를 꼽았다. 기업이 AI 사용량과 비용을 예측·통제할 수 있어야 AI 코딩 도구를 대규모 개발 환경에 적용할 수 있다는 이유에서다. 앞서 오픈AI도 '챗GPT 엔터프라이즈' 사용자 대상으로 크레딧 사용량 분석 기능과 업데이트된 지출 통제 기능을 공개했다. 이번 기능은 글로벌 관리자 콘솔에 챗GPT와 코덱스 사용량 정보를 통합 제공하는 데 초점 맞췄다. 관리자는 사용자·제품·모델별 크레딧 소비 현황을 세분화해 확인할 수 있다. 오픈AI는 올해 초 사용자 지정 역할별 크레딧 사용 한도 기능을 도입한 바 있다. 이번에는 여기에 조직 단위 지출 통제 기능도 확대한 것이다. 로드리게즈 CPO는 "깃허브 코파일럿 앱은 단순한 코드 작성 도구가 아니라 'AI 네이티브 엔지니어링 시스템'"이라며 "개발자는 앞으로 코드 한 줄 한 줄을 직접 작성하기보다 목표를 제시하고, AI 에이전트가 만든 결과를 검증하며, 품질과 아키텍처를 관리하는 역할을 맡게 될 것"이라고 강조했다.

2026.06.22 10:12김미정 기자

"바이브 코딩으로 앱 개발은 했는데, 왜 돈은 못 벌까요?"

생성형 AI의 빠른 발전으로 말 한마디면 코드가 뚝딱 완성되는 이른바 '바이브 코딩' 시대가 열렸다. 좋은 아이디어와 프롬프트만 있으면 누구나 앱을 만들 수 있을 것 같은 환상이 대중을 사로잡은 이때, 완전히 다른 패러다임을 던지며 투자 시장과 글로벌 무대의 주목을 동시에 받는 스타트업이 있다. 사용자가 채팅으로 아이디어를 설명하면 실제 앱 빌드부터 스토어 출시, 서버 운영까지 '올인원'으로 해결해 주는 앱빌챗이 그 주인공이다. 법인 설립 후 불과 3개월 만에 프리-시드 투자를 유치하고 4개월 만에 TIPS에 합격하며 기술력을 인정받은 앱빌챗의 박현중 대표를 만나, 이들이 정의하는 진짜 AI 기반 앱 비즈니스의 미래를 들여다 봤다. 3100만개의 환상과 0.4%의 현실...'바이브 코딩' 한계를 깨다 먼저 박현중 대표는 최근 불고 있는 코딩 AI 열풍에 대해 냉정한 진단을 내놨다. AI 덕분에 코드를 작성하는 일은 빨라졌고 프로토타입을 만드는 것도 쉬워졌지만, 실제 앱 비즈니스에서 코딩은 전체 과정의 극히 일부분에 불과하다는 지적이다. 박 대표는 대표적인 예로 '카카오톡'을 들었다. 카카오톡 앱이 출시됐다고 해서 개발자를 줄이기는커녕 오히려 더 많이 채용하는 이유는 앱이 한 번 만들고 끝나는 제품이 아니라 출시 이후부터 진짜 운영이 시작되는 살아 움직이는 제품이기 때문이다. 실제로 현재 바이브 코딩으로 만들어진 앱은 전 세계적으로 3100만 개에 달하지만, 이 중 스토어에 실제로 출시되는 비율은 단 0.4%(12.7만 개)에 불과하다는 통계가 이를 증명한다. 많은 이들이 데모 화면까지는 쉽게 구현하지만, 진짜 출시 단계에 이르면 구글과 애플의 까다로운 검수 기준, 개인정보 처리 정책, 백엔드 인프라 구축이라는 거대한 현실적 장벽에 부딪혀 프로토타입 단계에서 멈추고 만다. 박 대표는 "'AI가 코드를 잘 짠다'는 것과 '비즈니스가 실제로 운영 가능한 앱을 가진다'는 것은 완전히 다른 문제"라고 강조했다. 이 장벽을 넘기 위해 앱빌챗은 처음부터 단순한 코드 생성기나 프로토타입 빌더가 아닌, 출시와 운영 기준에 맞춰 모든 구조를 설계하는 '관리형 생산 서비스'로 접근해 시장의 가려운 곳을 긁어주고 있다. AI PM과 인간 엔지니어의 시너지...'구독형 개발팀'의 탄생 보통 앱 하나를 온전히 운영하려면 PM, 디자이너, 프론트엔드·백엔드 개발자, QA, 인프라 담당자 등 완전한 팀이 필요하다. 그러나 초기 창업자나 소상공인, 작은 팀이 이 모든 인력을 직접 고용하는 것은 사실상 불가능하며, 외주를 맡기더라도 출시 후 유지보수 단계에서 기술적 한계에 봉착하기 쉽다. 앱빌챗은 이 문제를 해결하기 위해 내부 개발팀의 역할을 통째로 서비스화한 '구독형 개발팀(App-as-a-Service)' 모델을 구축했다. 박 대표가 설명하는 핵심 메커니즘은 'AI 가속화된 관리형 모바일 앱 개발(AI-accelerated managed mobile app production)'이다. 사용자가 비즈니스 언어로 아이디어를 설명하면, AI PM이 이를 개발자가 완벽히 이해할 수 있는 제품요구사항정의서(PRD)로 구조화하는 '번역기' 역할을 수행한다. 이후 AI가 정리한 문서를 바탕으로 인간 엔지니어가 구현 가능성을 검증하고 실제 네이티브 앱으로 빌드한다. AI가 속도와 명확성을 만들면, 인간이 품질과 책임을 보완하는 완벽한 협업 구조다. 박 대표는 "의료 드라마의 '코드 블루'처럼 개발 구조에도 수많은 전문 설계와 예외 처리가 존재한다. 비개발 고객과 개발자 간의 극심한 소통 간극을 AI가 메워주고, 인간 엔지니어가 이를 최종 보장한다"면서 "고객은 개발팀을 고용하고 관리하는 스트레스 없이 앱을 구독하기만 하면 된다"고 설명했다. 출시 이후의 생존율을 높이는 기술 인프라 지원도 앱빌챗의 큰 강점이다. 인증, 데이터베이스, 저장소, 푸시 알림 등 백엔드 구조를 안정적으로 유지하는 것은 물론, 고객이 개발자 없이도 사용자의 이탈 구간이나 광고 효율을 분석할 수 있도록 마케팅 데이터 파이프라인을 함께 구축해 준다. 특히 의료나 법률처럼 규제가 까다로운 산업군을 위해 초기 설계 단계부터 컴플라이언스 리스크를 낮추는 구조를 적용해 단순히 앱을 '빨리 만드는 것'을 넘어 '지속 가능한 비즈니스'를 가능케 하고 있다. "위대한 꿈 가진 모든 사람이 기술 장벽에 가로막히지 않는 세상 만들고파" 글로벌 기업을 지향하는 앱빌챗도 성장통을 경험했다. 미국 시장에서 예상보다 훨씬 빠르게 반응이 오며 트래픽이 몰렸으나, 당시 준비되지 않았던 서버 인프라가 무너지며 서비스가 중단되는 위기를 맞이한 것이다. 박 대표는 "피가 마르는 힘든 시기였지만, 한편으로는 수요가 확실하다는 가장 강력한 시장의 신호이기도 했다"고 당시를 회상했다. 팀은 당황하지 않고 제품의 구조를 처음부터 다시 들여다봤다. 단순히 기능을 추가하는 방향이 아니라 대규모 트래픽을 안정적으로 감당할 수 있는 인프라로 전면 재설계했고, 이 경험은 '앱은 만드는 것보다 운영하는 것이 본질'이라는 정체성을 팀 내부에 깊게 각인시키는 계기가 됐다. 전화위복을 이뤄낸 앱빌챗은 재출시 이후 불과 한 달 만에 100개의 앱을 성공적으로 출시하며 다시 한번 가파른 성장세를 증명해 가고 있다. 대학 시절부터 프리미엄 배송, 리셀 플랫폼 등 다양한 연쇄 창업과 엑싯(투자 회수)을 경험한 박 대표는 2023년 메타의 Llama 오픈소스가 공개된 직후 AI가 개발 프로세스 전체를 바꿀 수 있다는 확신을 얻고 곧바로 연구개발에 착수했다. 코딩을 모른다는 이유로 뛰어난 아이디어를 포기해야 했던 창업가들을 돕겠다는 진정성과 기술력은 법인 설립 3개월 만의 프리-시드 투자 유치 및 4개월 만의 TIPS 합격이라는 성과로 이어지며 시장의 공감을 이끌어냈다. 끝으로 박 대표는 앱빌챗의 궁극적인 목표에 대해 "위대한 꿈을 가진 모든 사람이 기술적인 장벽에 가로막히지 않는 세상을 만드는 것"이라고 밝혔다. 과거에는 웹사이트를 만들기 위해 개발자가 필수였지만 지금은 누구나 쉽게 소유하는 시대가 됐다. 이에 박 대표는 1인 창업자와 소상공인들이 기술 걱정 없이 본질적인 비즈니스에만 집중할 수 있도록 모바일 앱 비즈니스의 민주화를 선도하겠다는 강한 의지를 내비쳤다.

2026.06.17 08:35백봉삼 기자

[SW키트] "코딩만 잘해선 안 돼"…기업 성과 돕는 'AI 엔지니어' 뜬다

기업 인공지능(AI) 도입이 실험 단계를 지나 실제 성과를 요구하는 단계로 넘어가면서 개발자 역할도 확대되고 있다. 단순 코딩만 하는 업무에서 벗어나 고객 현장 문제를 이해하고 AI 시스템을 업무 성과로 연결하는 방향으로 바뀌고 있다. 14일 IT 업게에 따르면 최근 AI 기업 시장 수요 변화로 인해 회사에서 상주하던 개발자 엔지니어 역할이 이같이 확장하는 것으로 전해지고 있다. 마이그레이션과 데이터 파이프라인 구축을 도와달라거나 비즈니스 문제를 해결해달라는 고객 요구에 맞춰 개발자가 직접 현장에 나선 셈이다. 대표 사례는 데이터브릭스 프로젝트다. 데이터브릭스는 고객 데이터·AI 성과를 앞당기기 위한 '포워드 디플로이드 엔지니어링(FDE)' 조직을 출범했다. 이 조직은 고객사에 엔지니어를 직접 투입해 데이터 마이그레이션부터 AI 애플리케이션 구축까지 수행하는 방식으로 운영된다. FDE는 컨설턴트처럼 방향만 제시하는 조직이 아니다. 엔지니어가 고객팀과 협업하면서 아직 존재하지 않는 기능과 시스템을 직접 구축하는 방식이다. 이 과정에서 개발자는 단순히 코드를 작성하는 업무만 하지 않는다. 고객 비즈니스 목표를 이해하고 데이터를 정리하며 AI 모델과 애플리케이션을 실제 운영 환경에 올리는 역할까지 맡는다. 컨설팅과 기술 지원 역할을 동시에 하는 셈이다. 데이터브릭스는 지난 12개월 동안 1900곳 넘는 고객과 데이터·AI 프로젝트를 진행했다고 밝혔다. 미국 방송매체 폭스는 FDE와 협력해 폭스 스포츠와 폭스 원의 팬 경험을 재설계했고, 스포츠 AI를 이용한 사용자의 앱 체류 시간이 약 2배 늘었다고 밝혔다. JP모건체이스는 4개월 만에 소비자·커뮤니티 뱅킹 리스크 데이터 5페타바이트(PB) 이상과 노트북 500개 이상을 마이그레이션했다. 이 과정에서 600명 넘는 사용자가 데이터브릭스 플랫폼 교육을 받았다. 또 퀄컴은 AI 모델을 실험 단계에서 프로덕션급 에이전트형 모델로 키웠다. 데이터브릭스에 따르면 퀄컴은 해당 모델로 며칠 걸리던 워크플로를 몇 분으로 줄였다. 데이터브릭스는 기업이 AI 도입에서 더 이상 기술 검증만 원하지 않는다고 봤다. 기업은 AI 모델이 얼마나 뛰어난지보다 실제 매출 확대, 운영 효율 개선, 고객 경험 고도화로 이어지는지를 따지기 시작했다는 설명이다. 일각에선 이에 발맞춰 AI 엔지니어·개발자 의미도 넓어지고 있다고 보고 있다. 과거에는 모델을 만들거나 코드를 구현하는 역량이 개발자·엔지니어 중심이었다면 이제는 데이터 구조부터 업무 프로세스, 서비스 배포, 성과 지표까지 함께 이해하는 능력이 중요해진 셈이다. 기업 현장에서 AI를 쓰려면 모델 하나만으로는 부족하고 이를 실제 업무 시스템과 연결하는 엔지니어링 역량이 필요하기 때문이다. 특히 생성형 AI와 에이전트 기술이 기업 현장에 들어오면서 개발자는 업무 맥락을 더 깊이 이해해야 한다. 같은 AI 모델을 쓰더라도 어떤 데이터에 접근하게 할지, 어떤 업무 흐름에 붙일지, 어떤 기준으로 결과를 검증할지에 따라 성과가 달라진다. 단순히 챗봇이나 자동화 기능을 만드는 것을 넘어 기업 내부 시스템과 데이터 권한, 보안 정책까지 고려해야 한다. 데이터브릭스는 "이제 기업도 AI 프로젝트를 실험에만 머물게 할 수 없다"며 "내부 업무에 맞는 데이터를 정리하고 보안과 거버넌스를 맞추며 운영 가능한 애플리케이션으로 만드는 과정이 필요하다"고 설명했다. 이어 "개발자는 데이터 엔지니어, 애플리케이션 개발자, AI 모델 운영자, 현업 부서 사이를 잇는 역할을 맡을 것"이라고 내다봤다. 업계에서는 앞으로 AI 경쟁력이 모델 성능뿐 아니라 현장 적용 능력에서 갈릴 것으로 보고 있다. 아무리 성능이 좋은 모델을 확보해도 기업 데이터와 업무 흐름에 맞게 적용하지 못하면 실제 성과로 이어지기 어렵다. 멜로디 힐데브란트 폭스 최고기술책임자(CTO)는 "데이터브릭스 FDE와의 파트너십은 단순한 플랫폼이 아니다"며 "이번 협업은 혁신 속도를 높였고 AI 기능을 시장에 출시해 실시간 실제 영향을 만들어냈다"고 밝혔다.

2026.06.14 08:00김미정 기자

[써보고서] 멀티캠퍼스 'AI 스튜디오'가 낮춘 개발 문턱…설치·학습 부담 줄여

"별도 프로그램 설치 없이 바로 수업 시작하고, 막히는 순간마다 물어볼 곳이 있으니 인공지능(AI) 교육이 한결 쉽게 다가왔다." 지난 10일 서울 선릉에 있는 멀티캠퍼스에서 'AI 스튜디오'를 활용한 강좌를 수강한 뒤 든 첫 생각이다. 이날 강좌는 소형언어모델(sLLM)을 직접 만들고, 이를 기반으로 AI 애플리케이션을 구축하는 과정을 다뤘다. 처음엔 흔히 접할 수 있는 강의 플랫폼일 것이라 생각했지만, 막상 들어보니 달랐다. 우선 AI 스튜디오에선 별도 프로그램을 설치하지 않아도 가상머신(VM) 기반 실습 화면이 바로 열렸다. 코드 작업이 막힐 때는 화면 미러링과 AI 코딩튜터가 실시간으로 보완해 줬다. 개발 환경 세팅부터 진이 빠지는 일반 AI 강좌와 달리, 시작 부담은 낮추고 실습 집중도는 높인 점이 인상적이었다. 멀티캠퍼스는 삼성SDS 자회사이자 삼성 계열 기업교육 전문기업이다. 기업 임직원 대상 교육 중심으로 AI·IT, 리더십, 직무, 외국어, 법정의무교육 등 기업 인재 육성에 필요한 교육 서비스를 제공한다. 최근 인공지능 전환(AX) 수요에 맞춰 AI 교육을 강화하고 있다. 기업 재직자 업스킬링·리스킬링 교육, IT 인재 양성, AX 역량수준 진단, AI 실습 플랫폼 등을 앞세워 기업 교육 시장에서 AI 인재 육성 사업을 확대하고 있다. 'AI 스튜디오'는 이같은 멀티캠퍼스 전략를 위해 생겼다. 올해 3월 출시됐으며 이달부터 운영 중이다. 이 서비스는 단순히 AI 강의를 제공하는 데 그치지 않고, 실습 환경 구축부터 AI 기반 학습 지원, 결과물 제작까지 하나의 플랫폼에서 지원하는 게 핵심이다. 이를 통해 AI 교육 진입 장벽을 낮추고 현업 적용성을 높이는 데 초점 맞췄다. AI 스튜디오는 사용자 경험 측면에서도 우수한 평가를 받았다. 최근 독일 베를린 국제 디자인센터(IDZ)가 주관하는 'UX 디자인 어워즈 2026' 본선 진출작에 선정됐다. 이 어워즈는 전 세계 디지털 제품과 서비스 대상으로 사용자 경험 혁신성과 가치를 평가하는 UX 전문 시상식이다. 수상 결과는 오는 9월 나온다. "개발 프로그램 설치로 진 뺄 필요 없어"…VM 기반 학습 환경 AI 스튜디오에서 가장 먼저 체감한 장점은 설치 과정이 없다는 점이었다. 별도 프로그램을 내려받거나 개발 환경을 따로 세팅하지 않아도, 접속 즉시 가상머신(VM) 기반 실습 화면이 열렸다. 일반적인 AI·데이터 강좌는 파이썬과 개발 도구, 각종 라이브러리 설치부터 시작한다. 이 과정에만 1시간 가까이 걸리기도 한다. 개발 환경에 익숙하지 않은 학습자라면 수업을 듣기도 전에 오류 메시지와 씨름하다 지치기 쉽다. AI 스튜디오는 이 부담을 줄였다. 접속 후 곧바로 동일한 실습 환경에서 AI 강좌를 따라갈 수 있었다. 설치에 쓰일 시간을 강의 내용과 실습 과정에 적응하는 데 쓸 수 있었다. VM 환경은 원격 강의에서도 장점이 있었다. 강사와 수강생이 같은 공간에 있지 않아도 동일한 화면과 환경에서 수업을 진행할 수 있기 때문이다. 강사는 여러 수강생 화면을 한 번에 확인할 수 있어 단순 화상 강의보다 실제 실습실에 가까운 환경을 만들 수 있다. 갑자기 코드에 오류가 생겼다...'AI 코딩튜터'으로 해결 실습 중 막히는 부분이 생겼을 때마다 바쁜 강사를 불러 세우지 않아도 된다는 점도 인상적이었다. 간단한 질문이나 오류 확인을 'AI 코딩튜터'로 해결할 수 있었다. AI 개발 수업은 한 단계만 놓쳐도 이후 과정을 따라가기 어렵다. 특히 비개발자 입장에서는 코드 실행 순서, 오류 메시지, 개발 용어 하나하나가 낯설다. 실습 중 강사 설명을 집중해서 듣다가 잠시 다른 생각을 했더니 진도를 놓치는 일이 생겼다. 강사는 수강생들에게 한참 설명을 하고 있던 순간이었다. 다른 강의였으면 당황했겠지만, 이번엔 달랐다. AI 스튜디오 내부에 탑재된 AI 코딩튜터에 물어볼 수 있어서다. AI 코딩튜터는 오픈AI의 'GPT 5.2' 기반 실습 지원 도구다. 개념 설명부터 코드 작성, 실시간 오류 해결, 코드 리뷰까지 학습자 질문에 실시간으로 답변한다. 이 기능은 별도 창을 열거나 외부 서비스로 이동할 필요 없이 현재 작업 중인 코드 흐름 안에서 질문할 수 있다. 필요한 코드를 바로 복사해 실습 환경에 적용할 수 있다는 점도 편리했다. 특히 이번 강좌에서 AI 코딩튜터 활용 빈도는 예상보다 높았다. "이 코드가 무슨 역할을 하는가"부터 "오류가 발생한 원인은 무엇인가" "다음 단계를 놓쳤는데 알려달라" 등 자연어로 질문하면, AI 코딩튜터가 실시간으로 응답했다. AI 코딩튜더는 코드 오류가 발생했을 때 특히 유용했다. 오류 발생 원인과 해결 방법을 단계별로 설명했고, 수정 방향도 알려줬다. 개발 경험이 많지 않은 학습자도 스스로 문제를 파악하고 다음 단계로 넘어갈 수 있도록 도왔다. 물론 AI 코딩튜터가 모든 문제를 해결해 주는 것은 아니다. 복잡한 오류나 학습자의 이해 수준에 따라서는 인간 강사 도움이 필요한 경우도 있다. 특히 원격 학습 환경에서는 AI 코딩튜터의 설명만으로 해결되지 않는 상황이 발생할 수 있다. 이때는 화면 미러링 기능을 활용해 강사에게 현재 화면을 공유하고 도움받을 수 있다. 강사는 실시간으로 교육생의 실습 상황을 확인한 뒤 오류 원인이나 해결 방법을 안내한다. AI 코딩튜터가 1차적으로 질문에 답하고, 강사가 최종적으로 보완하는 구조다. AI 코딩튜터와 화면 미러링 기능이 함께 작동하면서 원격 교육에서도 오프라인 실습실에 가까운 학습 경험을 제공한다는 점이 인상적이었다. "생애 첫 AI 모델 만들어"…학습 내용을 실제 업무 결과물로 AI 스튜디오는 단순히 예제를 따라 해보는 교육 플랫폼에 그치지 않았다. 실습 결과물을 실제 업무에 어떻게 활용할 수 있을지까지 자연스럽게 생각하게 도왔다. 이번 강좌에서는 생애 첫 sLLM을 직접 만들어 깃허브에 업로드했다. 단순히 모델 개념을 배우는 데 그치지 않고, 코드를 실행하고 결과를 확인하며 하나의 결과물을 남길 수 있었다. 다음 강좌는 이 sLLM 모델을 활용해 AI 애플리케이션을 구현하는 단계다. 모델 제작에서 끝나는 것이 아니라 이를 업무 자동화나 데이터 분석, LLM 기반 서비스로 확장할 수 있다는 점이 인상적이었다. AI 교육이 단순 체험으로 끝나면 수강생에게는 단순 경험으로만 기억되기 쉽다. 반면 교육 과정에서 만든 결과물이 실제 업무 개선이나 반복 작업 자동화로 이어진다면 교육 효과는 훨씬 높아진다. AI 개발처럼 낯선 기술을 배울 때 중요한 것은 끝까지 한 번 만들어보는 경험이다. AI 스튜디오는 그 과정을 기술적으로 받쳐주며, 교육을 실제 업무 역량으로 연결하는 실습형 학습 환경이었다. 이번에 만든 sLLM으로 애플리케이션을 만드는 다음 실습 과정이 기대되는 이유다.

2026.06.13 09:00김미정 기자

오픈AI, '오나' 인수해 코덱스 키운다…개발자 AI 플랫폼 승부수

오픈AI가 인공지능(AI) 에이전트 인프라 스타트업 '오나(Ona)' 인수를 추진하며 코딩 도구 '코덱스' 경쟁력 강화에 박차를 가한다. 챗GPT와 코덱스를 중심으로 개발자용 AI 서비스를 통합한 AI 플랫폼 주도권을 확보한다는 전략이다. 11일(현지시간) 블룸버그통신에 따르면 오픈AI는 AI 에이전트 지원 클라우드 플랫폼 기업 오나를 인수하기로 합의했다. 거래가 마무리되면 오나 인력은 오픈AI 코덱스 조직에 합류할 예정이다. 인수 금액 등 구체적인 조건은 공개되지 않았다. 오나는 AI 에이전트가 기업 내 각종 업무 시스템과 데이터를 활용해 여러 단계의 작업을 이어서 수행할 수 있도록 지원하는 보안형 클라우드 환경을 제공 중이다. 오픈AI는 이 기술을 활용해 코덱스가 장시간 복잡한 업무를 수행할 수 있는 인프라를 갖춰 기업 AI 에이전트 운영을 고도화한다는 목표다. 이번 인수는 기술 확보를 넘어 오픈AI의 플랫폼 강화 전략으로 풀이된다. 오픈AI는 최근 개별 AI 서비스 확대보다 챗GPT를 중심으로 업무 기능을 통합하는 방향으로 사업 전략을 전환 중이다. 실제 오픈AI는 올해 코덱스를 챗GPT 생태계로 연계하며 개발자 업무 환경 통합에 속도를 내고 있다. 스마트폰에서도 코딩 작업의 승인·검토를 지원하고 원격 개발 환경 연동 기능을 확대하는 등 개발자 업무 전반을 하나의 환경에서 수행할 수 있도록 서비스를 고도화하고 있다. 나아가 챗GPT와 코덱스, 자체 브라우저를 하나로 묶는 '슈퍼앱' 전략도 추진 중이다. 단일 플랫폼 안에서 검색과 문서 작성, 코딩, 에이전트 업무를 모두 수행하도록 만드는 것이 목표다. 이번 오나 인수는 이러한 슈퍼앱 구상을 뒷받침하는 핵심 요소로 평가된다. 이번 인수는 개발자 시장을 둘러싼 앤트로픽과의 경쟁 구도와도 맞물려 있다. 앤트로픽이 '클로드 코드'를 앞세워 시장을 공략하는 가운데, 오픈AI는 챗GPT를 중심으로 코덱스와 에이전트 기능을 결합하며 맞서고 있다. AI 코딩 시장 경쟁이 모델 성능에서 플랫폼 경쟁으로 확산되는 양상이다. 오픈AI에 따르면 코덱스 주간 활성 이용자 수는 최근 500만 명을 넘어섰다. AI 코딩 도구가 개발자 생산성 향상의 핵심으로 자리 잡으면서 시장 경쟁도 더욱 치열해질 전망이다. 오픈AI 측은 "오나는 AI 에이전트가 필요한 도구·시스템·맥락에 지속적으로 접근할 수 있는 안전한 환경을 제공한다"며 "더 많은 기업이 운영 인프라에서 AI 에이전트를 활용할 수 있도록 지원할 것"이라고 밝혔다.

2026.06.12 16:39한정호 기자

[AI는 지금] 폐쇄형 코딩 AI 겨냥한 코히어…오픈소스 모델로 개발자 시장 공략

캐나다 인공지능(AI) 기업 코히어가 개발자용 오픈소스 코딩 모델을 공개하며 소버린 AI 전략을 개발자 생태계로 넓히고 있다. 지난 4월 독일 AI 기업 알레프알파와의 결합으로 유럽 공공·규제 산업을 겨냥한 데 이어 이번에 기업 개발자가 자체 환경에서 운영할 수 있는 코딩 모델을 내세워 폐쇄형 대형언어모델(LLM) 의존도를 낮추려는 수요 공략에 나선 모습이다. 12일 업계에 따르면 코히어는 지난 9일 첫 에이전틱 코딩 모델 '노스 미니 코드(North Mini Code)'를 오픈소스로 출시했다. 이 모델은 총 30B 파라미터, 활성 3B 파라미터 규모의 혼합전문가(MoE) 구조로 설계됐으며 컨텍스트 길이는 256K, 최대 생성 길이는 64K다. 라이선스는 아파치 2.0으로, 허깅페이스에서 가중치를 내려받거나 코히어 API, 모델 볼트, 오픈라우터 등을 통해 사용할 수 있다. 코히어는 노스 미니 코드를 코드 생성뿐 아니라 에이전틱 소프트웨어 엔지니어링, 터미널 작업, 코드 리뷰, 시스템 아키텍처 파악 등에 최적화했다. 최소 하드웨어 사양은 FP8 기준 H100 1개로 제시했다. 이를 통해 대형 폐쇄형 코딩 모델 대비 자체 운용과 비용 효율을 원하는 기업 개발 조직을 겨냥할 것으로 보인다. 노스 미니 코드 출시는 코히어가 지난 4월 알레프알파 결합을 통해 내세운 소버린 AI 전략의 연장선으로 읽힌다. 앞서 코히어와 알레프알파는 지난 4월 소버린 AI 기업 구축을 내세우며 결합 계획을 발표했다. 알레프알파는 독일을 기반으로 공공·규제 산업 고객을 확보해 온 기업으로, 코히어는 알레프알파의 유럽 내 고객 기반과 연구 역량을 더해 빅테크 중심 AI 생태계의 대안을 만들겠다는 구상을 내놨다. 이처럼 코히어가 코딩 모델을 다음 제품군으로 택한 것은 AI 에이전트 활용 범위가 개발 과정 전반으로 넓어지고 있어서다. 코딩 에이전트는 단순 코드 작성 보조를 넘어 저장소 탐색, 터미널 명령 실행, 테스트 수행, 코드 리뷰까지 수행하고 있다. 이 과정에서 기업의 소스코드와 개발 로그, 내부 시스템 구조가 AI 모델과 직접 연결되면서 보안과 배포 통제에 대한 요구도 커지고 있다.노스 미니 코드가 오픈소스와 자체 배포 가능성을 앞세운 것도 이 같은 수요를 겨냥한 것으로 풀이된다. 기업 개발 조직 입장에선 모델 성능뿐 아니라 코드가 어느 환경에서 처리되는지, 추론 로그가 어떻게 관리되는지, 기존 개발 도구와 얼마나 안정적으로 연동되는지가 도입 기준이 될 수 있다. 코히어는 성능 면에서 노스 미니 코드의 속도와 비용 효율을 강조했다. 회사 측에 따르면 내부 테스트에서 노스 미니 코드는 동일 하드웨어 구성과 동시성 조건에서 데브스트랄 스몰 2보다 최대 2.8배 높은 출력 처리량을 기록했다. 토큰 간 지연 시간에서도 30% 우위를 보였다. 다만 첫 토큰 생성 시간은 데브스트랄 스몰 2가 일부 조건에서 앞선 것으로 평가됐다. 업계에선 코히어가 오픈소스 코딩 모델 경쟁을 더 키울지 주목하고 있다. 오픈AI, 앤트로픽, 구글 등 폐쇄형 모델 사업자가 코딩 에이전트 시장에서 영향력을 넓히는 가운데 기업 내부망이나 온프레미스 환경에서 운용 가능한 모델 수요도 함께 늘고 있어서다. 메타, 미스트랄, 딥시크 등 개방형 모델 진영과의 경쟁도 한층 치열해질 전망이다. 그러나 실제 기업 도입 확대를 위해 벤치마크 성능 외 검증이 필요하다는 점은 과제다. 코딩 모델은 장기 컨텍스트 처리, 저장소 이해도, 테스트 자동화, 보안 취약점 탐지, 개발 도구 연동성 등이 함께 평가된다. 코히어가 오픈코드 호환성을 강조한 것도 실제 개발 워크플로 안에서 모델 활용성을 높이려는 시도로 읽힌다. 업계 관계자는 "코히어의 노스 미니 코드는 단순한 코딩 모델 출시라기보다 소버린 AI의 적용 범위를 개발자 도구로 넓힌 움직임"이라며 "기업이 AI 모델을 어디에 두고 어떻게 통제할 수 있는지가 코딩 에이전트 시장에서도 중요한 경쟁 요소가 되고 있다"고 말했다.

2026.06.12 15:47장유미 기자

유라클 AI 코딩 솔루션 '아테나', 실증 거쳐 20% 비용절감 확인

유라클(대표 조준희, 권태일)이 자체 개발한 인공지능(AI) 코딩 솔루션이 실제 개발 현장에서 비용 절감 효과를 입증했다. 보안 우려로 생성형 인공지능(AI) 코딩 도구 도입을 주저하던 기업에게 새로운 돌파구가 될 것으로 기대를 모으고 있다. 유라클은 자체 개발한 인공지능(AI) 기반 바이브 코딩 솔루션 '아테나 코드 어시스턴트'를 내부 개발 조직에 적용한 결과 약 20% 수준의 생산성 향상 효과를 확인했다고 10일 밝혔다. 유라클은 최근 수개월 동안 실제 개발 프로젝트에 해당 솔루션을 투입해 개발 생산성, 코드 품질, 업무 효율성 등을 종합적으로 점검했다. 그 과정에서 반복적으로 수행되던 코드 작성, 소스 분석, 테스트 코드 생성, 문서화 작업에 소요되는 시간이 눈에 띄게 줄었고, 이를 종합한 결과 전체 개발 생산성 측면에서 약 20% 수준의 절감 효과가 나타난 것으로 분석됐다. 회사는 이번 내부 검증 결과를 바탕으로, 보안 요구 수준이 높은 금융권, 공공기관, 대기업을 중심으로 한 온프레미스 및 폐쇄망 시장 공략에 본격적으로 나설 방침이다. 특히 해외 서비스형소프트웨어(SaaS) AI 코딩 도구 도입에 대해 보안 우려를 갖는 기업이 많은 상황에서, 유라클은 솔루션이 보안성과 인프라 운영 효율을 동시에 충족할 수 있는 대안이 될 수 있다고 보고 있다. 아테나 코드 어시스턴트는 단순히 코드를 자동 생성하는 수준을 넘어, 기업 개발 현장에 맞춘 AI 개발 플랫폼을 지향한다. 그중 하나의 강점은 국내 다수의 기업과 공공기관에서 여전히 폭넓게 사용되는 이클립스(Eclipse) 환경을 지원한다는 점이다. 이를 통해 기존 개발자들은 익숙한 개발 환경을 유지하면서도 AI 기능을 도입할 수 있어, 새로운 도구 도입에 따른 업무 방식 변화 부담을 줄일 수 있다. 기술적인 차별점으로는 유라클이 자체 적용한 그래프 RAG 기술이 꼽힌다. 이 기술은 대규모 프로젝트에서 개별 파일만이 아니라 클래스, 모듈, API, 데이터베이스 구조 간 연결 관계까지 그래프 형태로 파악해, 보다 정교한 코드 추천과 수정 제안을 가능하게 한다. 기존 생성형 AI 기반 코드 도구가 파일 단위 이해에 그치는 경우가 많은 것과 비교하면, 실제 기업 개발 환경에서 요구되는 맥락 기반 분석 능력을 강화한 셈이다. 이 같은 구조 덕분에 개발자는 단순 코드 생성 지원을 넘어, 기존 시스템 분석, 영향도 검토, 레거시 시스템 유지보수와 같은 실무 중심 업무에서도 도움을 받을 수 있다. 즉, 신규 개발뿐 아니라 복잡한 운영·유지보수 환경에서도 활용 가능성이 높다는 것이 회사 측 설명이다. 인프라 효율성 역시 주요 경쟁력으로 제시됐다. 최근 기업들이 생성형 AI 도입 과정에서 GPU 확보와 운영 비용 부담을 크게 느끼는 가운데, 아테나 코드 어시스턴트는 상대적으로 적은 GPU 자원만으로도 다수 개발자가 동시에 사용할 수 있도록 설계됐다. 여기에 모델컨텍스트프로토콜(MCP) 등 최신 AI 기술을 적용해 다양한 시스템 및 개발 환경과의 연계 가능성도 확보했다. 유라클 권태일 대표는 "이번 내부 실증을 통해 아테나 코드 어시스턴트가 단순한 기술 검토 수준을 넘어, 실제 비즈니스 현장에서 의미 있는 가치와 비용 절감 효과를 제공할 수 있다는 점을 확인했다"며 "높은 보안성이 필수적인 금융, 공공, 일반 기업 시장에서 인프라 부담을 줄이면서도 안전한 AI 기반 개발 혁신을 실현할 수 있도록 시장 확대에 적극 나서겠다"고 밝혔다.

2026.06.10 11:10남혁우 기자

"코드만 짜는 AI 그만"…LG CNS, AI로 SI 체질 바꾼다

LG CNS가 기업 시스템통합(SI) 개발공정을 에이전틱 인공지능(AI) 중심으로 재편한다. 단순 코드 생성을 넘어 요구사항 분석·설계·개발·품질검증까지 AI 에이전트가 맡는 방식으로 금융·공공·제조 등 대기업 IT 시장 공략에 속도를 내는 모습이다. LG CNS는 대규모 IT 시스템 구축·운영 전 과정을 수행하는 에이전틱 AI 기반 개발 플랫폼 '데브온 에이전틱 AIND(DevOn Agentic AI Native Development)'을 출시했다고 8일 밝혔다. AIND는 고객 요구사항 분석·설계, 코딩, 테스트·품질검증 등 시스템 개발 생애주기 전반에 특화된 AI 에이전트를 투입하는 플랫폼이다. 사용자가 자연어로 요구사항을 입력하면 분석·설계 에이전트가 업무 요구사항과 시스템 구조를 분석하고, 코딩 에이전트가 개발 표준에 맞춰 코드를 생성한다. 테스트·품질검증 에이전트는 산출물 검증과 오류 점검을 수행한다. LG CNS가 AIND를 전면에 내세운 것은 최근 확산 중인 자연어 기반 AI 코딩 방식인 '바이브 코딩'과 차별화하기 위한 행보로 풀이된다. 바이브 코딩은 개발자가 자연어로 원하는 기능을 설명하면 AI가 코드를 생성하는 방식이다. 다만 기업 시스템은 개발 표준, 보안 규정, 기존 레거시 구조, 업무 프로세스 등을 함께 반영해야 한다. 이 때문에 단순 코드 생성형 AI만으로는 금융·공공·제조 등 대규모 엔터프라이즈 시스템의 실제 구축·운영 단계까지 확장하는 데 한계가 있다. 이번 플랫폼은 LG CNS가 강조해 온 '브라운필드 AI' 전략과 맞닿아 있다. LG CNS는 지난달 말 AX 페어에서 신규 AI 서비스를 빠르게 실험하는 그린필드 AI와 기존 시스템·데이터·보안·거버넌스에 AI를 안전하게 내재화하는 브라운필드 AI를 함께 추진해야 한다고 강조한 바 있다. AIND는 이 중 기존 기업 시스템 안에 AI를 적용하는 브라운필드 AI의 개발·운영 영역 사례로 볼 수 있다. AIND는 시스템 개발에 필요한 기업 IT 정보를 통합·분석하는 '지식 파운데이션'을 기반으로 한다. 개발 표준, 보안 규정, 시스템 소스코드, 개발 산출물 등을 구조화한 온톨로지 데이터베이스로 고객사의 시스템과 업무 맥락을 학습해 기업별 개발 표준에 맞는 맞춤형 개발을 지원한다. LG CNS는 AIND에 '스펙 주도 개발' 방식도 적용했다. 사전에 정의된 기준에 따라 AI가 설계·코딩·검증을 수행하도록 해 사용자에 따른 품질 편차를 줄이고 할루시네이션과 오류를 낮췄다. AIND는 레거시 모더나이제이션 기능도 지원한다. 코볼(COBOL) 등 구형 언어로 개발된 시스템을 자바(Java)로 자동 전환하고 자바 기반 구형 시스템은 최신 아키텍처와 개발 표준에 맞춰 고도화한다. 이를 통해 기존에 수 주 이상 걸리던 코드 분석·변환·검증 작업을 분 단위로 단축할 수 있다. 금융권 차세대 시스템 시장도 주요 공략 대상이다. 은행·보험·카드사 등은 코볼 기반 레거시 시스템을 보유한 곳이 많아 신규 서비스 출시와 규제 대응을 위한 시스템 현대화 수요가 크다. LG CNS는 현재 국내 대형 금융사 차세대 프로젝트에 AIND 기반 '코볼 투(to) 자바' 기능을 적용하고 있다. LG CNS는 AIND를 통해 대형 SI 사업의 수행 방식도 바꾼다는 구상이다. 인력 투입 비중이 큰 분석·설계·개발·검증 과정을 AI 에이전트로 보완해 납기와 품질 관리 부담을 낮추는 방식이다. LG CNS는 미국 오픈소스 AI 코딩 기업 클라인(Cline)과 공동 개발한 AIND를 앞세워 해외 시장 공략에도 나선다. 앞으로 미국·일본·동남아시아를 중심으로 금융·공공·제조·방산 등 보안과 규제가 중요한 기업 IT 시스템 구축·운영 사업에 적용을 확대할 계획이다. 업계에선 이번 AIND 출시로 LG CNS가 AX 페어에서 강조한 기업 AI 실행 전략을 개발공정까지 넓힌 것으로 평가했다. LG CNS는 오픈AI·팔란티어·코히어 등 글로벌 AI 기업과의 협력을 바탕으로 단순 AI 도입을 넘어 실제 업무와 시스템 안에서 작동하는 AX 사업을 키우겠다는 전략이다.안현정 LG CNS 어플리케이션아키텍처담당 상무는 "기업 시스템을 이해하는 전문가 수준의 AI 에이전트를 기반으로 대규모 IT 시스템 구축·운영을 자동화해 기업 고객의 생산성 혁신에 기여할 것"이라고 강조했다. 업계 관계자는 "LG CNS의 AIND 출시는 단순 AI 개발도구 공개가 아니라 대형 SI 사업을 AI 네이티브 방식으로 전환하려는 신호"라며 "바이브 코딩이 개인 개발자 생산성에 초점을 맞췄다면 LG CNS는 금융·제조·공공 등 대기업 핵심 시스템 구축 시장에서 AI 에이전트의 활용 가능성을 제시한 것"이라고 말했다.

2026.06.08 10:16장유미 기자

AI가 AI 만드는 시대, 개발자 방향성은 어디

인공지능(AI)이 코드를 생성하고 분석하는 수준을 넘어 새로운 AI 모델과 서비스 개발 과정에 참여하는 등 개발 현장 도입이 빨라지고 있다. AI가 소프트웨어(SW) 개발 전 공정에 깊숙이 관여하는 흐름이 본격화되면서 개발자의 역할 역시 근본적인 변화를 맞이하고 있다는 분석이 나온다. 7일 관련 업계에 따르면 오픈AI, 앤트로픽 등 글로벌 AI 기업은 AI와 관련 서비스 개발의 상당 부분에 자체 AI 에이전트를 투입하고 있다. 앤트로픽은 실제 서비스에 적용되는 내부 코드의 상당 부분을 AI 모델 '클로드'가 작성하고 있다고 밝혔다. 이는 개발자가 코드를 입력할 때 일부 단어나 코드 줄을 추천하던 기존 코딩 비서와는 다른 방식이다. 클로드는 전체 코드베이스를 읽고 여러 파일에 걸쳐 작업 계획을 세운 뒤 직접 코드를 수정하고 테스트까지 수행한다. 테스트 과정에서 문제가 발견되면 다시 수정하는 방식으로 반복 작업을 이어간다. 업계에서는 이를 두고 AI가 단순 보조 도구를 넘어 실제 개발 업무를 수행하는 단계로 진화하고 있다고 보고 있다. 오픈AI도 AI 코딩 도구 '코덱스'를 보안, 제품 엔지니어링, 프런트엔드, API, 인프라, 성능 엔지니어링 등 여러 기술 조직에서 매일 활용하고 있다고 설명했다. 복잡한 시스템 분석부터 대규모 리팩터링, 신규 기능 개발, 장애 대응, 코드 점검까지 다양한 업무에 코덱스가 활용되고 있다는 것이다. 챗GPT 웹팀의 한 백엔드 엔지니어는 "코덱스가 기존 레거시 호출을 새로운 서비스 방식으로 바꾸고 코드 변경 제안서(PR)까지 작성해 몇 시간이 걸릴 일을 몇 분 만에 해냈다"고 말했다. 챗GPT 엔터프라이즈팀의 한 제품 엔지니어도 "하루 종일 회의 중이었는데도 코덱스가 백그라운드에서 작업해 PR 4개를 병합했다"고 설명했다. AI가 단순 추천 도구를 넘어 실제 개발 업무를 수행하는 협업 주체로 바뀌고 있음을 보여주는 대목이다. IBM도 최근 엔터프라이즈 특화 개발 파트너 'IBM 밥'을 공개하며 계획, 코딩, 테스트, 배포 등 개발 전 과정에서 AI 활용을 확대하고 있다고 밝혔다. 관련 업계에서는 AI 도입이 본격화하면서 개발자의 역할도 빠르게 재편되고 있다고 보고 있다. 사람이 모든 코드를 직접 작성하던 구조에서 벗어나, 이제는 AI에 작업을 배분하고 그 결과를 검증하며 품질과 위험을 통제하는 역할이 한층 중요해지고 있다는 것이다. 앤트로픽은 공식 페이지를 통해 이제 코드 상당수는 클로드 코드가 작성하고 있으며 엔지니어는 아키텍처 설계와 제품 판단, 지속적인 작업 조율에 집중하고 있다고 설명했다. 오픈AI 역시 에이전트 중심 개발 환경에서는 엔지니어의 주된 일이 더 이상 직접 코드를 쓰는 데 그치지 않고, 환경을 설계하고 의도를 명확히 하며 피드백 루프를 만드는 방향으로 바뀌고 있다고 설명했다. 이처럼 반복 구현과 정형화된 작업을 AI가 빠르게 흡수하기 시작하면서 개발자에게 요구되는 역량도 달라지고 있다. 앞으로는 단순히 코드를 많이 작성하는 능력보다 무엇을 만들어야 하는지 문제를 정의하고, 시스템 구조를 설계하며, AI가 만든 결과물을 검토해 품질과 보안, 규정 준수까지 책임지는 역량이 더 중요해질 것이라는 전망이 나온다. 닐 순다레산 IBM 소프트웨어 총괄은 "이제는 AI 모델 성능만으로는 충분하지 않다"며 "인간을 루프 안에 두는 방식이 AI의 실제 가치를 결정한다"고 전했다. 이어 "AI가 개발 전 공정에 들어오는 시대일수록 결국 남는 질문은 무엇을 자동화할 수 있느냐가 아니라 누가 맥락을 설계하고 결과를 책임지느냐"라고 덧붙였다. 안드레 벡톨드 SAP 인더스트리 및 익스피리언스 부문 총괄도 "비효율적이거나 위험한 업무는 AI 에이전트가 자율적으로 처리하되, 보안과 규정 준수, 핵심 의사결정 영역에서는 인간이 최종 제어권을 유지해야 한다"며 "인간은 기계가 대체할 수 없는 차별화된 핵심 업무에서 새로운 기회와 가치를 창출하게 될 것"이라고 밝혔다.

2026.06.07 14:47남혁우 기자

유아이패스, 기업 자동화에 '코딩 에이전트' 통합

유아이패스가 코딩 에이전트를 기업 자동화 환경에 통합하기 위한 플랫폼 기능을 내놨다. 유아이패스는 '유아이패스 포 코딩 에이전트'를 4일 발표했다. 이 기능은 '클로드 코드' '코덱스' 등 여러 코딩 에이전트를 유아이패스 플랫폼 오케스트레이션과 결합해 기업 자동화를 돕는다. 유아이패스는 코딩 에이전트가 확산하고 있지만 기업 개발 워크플로와 보안 정책, 코드 리뷰, 배포 파이프라인과 분리돼 운영되는 문제가 있다고 지적했다. 에이전트가 생성한 결과물이 실제 기업 시스템으로 이어지려면 수동 인계와 사람의 개입이 필요한 경우가 많다는 설명이다. 유아이패스 포 코딩 에이전트는 특정 코딩 에이전트로 표준화를 강요하지 않는 개방형 플랫폼을 지향한다. 기업은 부서별 필요에 따라 클로드 코드, 코덱스 등 현존하는 코딩 에이전트와 향후 등장할 에이전트를 선택해 활용할 수 있다. 이 기능 핵심은 오케스트레이션 레이어다. 유아이패스는 사용 중인 코딩 에이전트 종류나 마지막으로 코드를 수정한 개발자와 관계없이 가시성, 실행, 거버넌스를 일관되게 적용할 수 있다고 밝혔다. 거버넌스 기능도 기본 적용된다. 정책 적용, 감사 추적, 자격증명 저장소, 역할 기반 접근 제어, 런타임 통제는 개발자나 코딩 에이전트가 만든 모든 자동화에 표준으로 반영된다. 이를 통해 기업은 개발 단계부터 프로덕션 배포까지 반복 가능한 운영 절차를 갖출 수 있다. AI 모델이 교체되거나 담당 개발자가 퇴사하거나 규제 기관의 감사가 진행돼도 자동화 시스템을 안정적으로 유지할 수 있다는 설명이다. 유아이패스는 이번 통합이 기존 개발자 생산성도 높일 것으로 봤다. 테스트와 디버깅, 배포 과정이 초기 개발 단계만큼 쉽게 수행돼 개발 리소스를 오래 기다리지 않고도 비즈니스 사용자가 자동화를 직접 만들고 다듬을 수 있다는 것이다. 자동화 구축 경험이 없는 비즈니스 애널리스트와 프로세스 담당자, 도메인 전문가도 코딩 에이전트와 대화만으로 자동화 개발에 참여할 수 있다. 코딩 에이전트가 기술적 복잡성을 처리하고 유아이패스는 해당 자동화가 기업 환경에서 바로 활용될 수 있도록 지원하는 구조다. 유아이패스 포 코딩 에이전트는 현재 기업 고객 대상으로 제공된다. 초기 지원 대상은 클로드 코드와 코덱스다. 추가 코딩 에이전트 통합 지원은 2026년 중 확대될 예정이다. 다니엘 디네스 유아이패스 설립자 겸 최고경영자(CEO)는 "코딩 에이전트 등장은 우리 플랫폼에서 무언가를 만들어내는 개발자 정의가 근본적으로 바뀌고 있음을 의미한다"며 "우리는 AI가 생성한 자동화에도 기업이 요구하는 거버넌스, 안정성, 규모를 동등하게 적용하는 플랫폼을 시장에 처음으로 선보이게 됐다"고 말했다.

2026.06.04 22:06김미정 기자

[현장] IBM 밥 "신입 개발자 온보딩부터 QA까지 30분 만에"

"신입 개발자가 복잡한 기업 내 코드를 이해하고 내부 표준에 맞춰 기능을 개발한 뒤 테스트를 거쳐 풀 리퀘스트(PR)를 올리기까지 보통 얼마나 걸릴까요? 수주일에서 수개월이 걸릴 이 모든 과정을 AI 에이전트 '밥(Bob)'이면 30분 만에 해결할 수 있습니다. 4일 우수연 한국IBM 전문위원는 서울 여의도 IFC 사무실에서 열린 기자간담회에서 IBM의 AI 개발 에이전트 '밥(Bob)'을 시연했다. IBM 밥은 엔터프라이즈 환경에 최적화해 개발한 AI 기반 소프트웨어 개발 파트너 솔루션으로 기획부터 개발, 테스트, 배포, 운영, 보안에 이르는 개발 전 과정을 아우르는 것이 특징이다. 이번 시연은 은행 시스템 'IBM 뱅크'를 배경으로 신입 개발자 온보딩, 신규 요구사항 개발, 시프트 레프트 보안 등 세 가지 시나리오로 구성됐다. "분석해줘" 한마디에 코드베이스 문서화…5분 만에 온보딩 첫 번째 시나리오는 신입 개발자가 프로젝트에 처음 투입돼 복잡한 기존 레거시 시스템을 파악하는 과정을 다뤘다. 우 전문위원이 화면 왼편에 은행 시스템 코드를 열어두고 프롬프트창에 "분석해 줘"라고 입력하자 IBM 밥은 전체 코드베이스를 압축 분석한 뒤 결과를 문서 형태로 정리했다. 개발자가 아닌 실무자도 직관적으로 이해할 수 있는 문서를 요청하자, 브라우저에서 볼 수 있는 웹페이지 형태의 시각화 문서를 제공했다. 화면에는 전체 시스템 구성도와 텔러·백오피스 등 역할별 구조, 주요 프로세스 흐름이 다이어그램 형태로 순차적으로 나타났다. 우 전문위원은 "불과 5분도 안 걸리는 시간에 실제 시스템이 어떤 구조인지, 지금 보고 있는 코드가 어떤 코드인지 확인할 수 있다"며 "보통 온보딩에 2~3주, 길게는 두세 달도 걸리지만 이런 기능을 통해 훨씬 빠르게 회사 코드를 이해하고 이후 개발로 이어갈 수 있다"고 설명했다. 가이드 몰라도 자율 개발… 스스로 오류 고치고 배포 신청까지 두 번째 시나리오는 신입 개발자에게 신규 요구사항이 주어진 상황을 가정했다. 요구사항은 잔액 조회와 거래 내역 조회, 계좌 이체 확인 등 프론트엔드 기능 개발이었다. 우 전문위원은 "신입사원이 맡기에는 꽤 복잡한 요구사항이지만 IBM 밥은 스스로 요구사항을 불러와 내용을 정리하고 개발 계획을 세운 뒤 실제 코드 생성까지 수행할 수 있다"고 설명했다. IBM은 오픈소스 디자인 시스템인 '카본(Carbon)'을 모델컨텍스트(MCP) 방식으로 적용해 개발자가 가이드라인을 일일이 공부하지 않아도 '밥'이 기업 표준 규격에 딱 맞는 화면 코드를 알아서 작성할 수 있는 환경을 제공한다. 실제로 '밥'은 구현 계획을 먼저 제시했고 승인이 이뤄지자 화면 왼편에 계좌 상세 조회 컴포넌트와 스타일 파일, 리드미(README) 문서까지 자동으로 생성해 나갔다. 시연 중 가장 눈에 띈 장면은 배포 전 단계에서 코드를 실시간으로 검증하는 자동 테스트(QA) 과정이었다. IBM 밥이 직접 브라우저를 열고 테스트 계정으로 로그인을 시도하던 중 기획서 상의 가이드 오류로 로그인이 실패했다. 그러자 밥은 시스템을 멈추는 대신 직접 데이터베이스(DB)를 조회해 올바른 자격증명 정보를 찾아내고 테스트를 자율적으로 완수했다. 테스트를 마친 IBM 밥은 저장소 내 '룰(rule)' 폴더에 사전에 정의된 규칙과 커밋 컨벤션을 참고해 커밋 메시지와 브랜치명을 만들고 저장소에 변경사항을 반영한 뒤 풀 리퀘스트(PR, 배포 신청서)를 자동으로 생성했다. 발행된 PR에는 구현 기능 요약과 프로젝트 구조, 테스트 완료 여부, 실행 방법 등이 체계적으로 정리됐다. 우 전문위원은 "기업 환경에서는 개발 시간 외에도 요구사항 전달과 테스트, PR 작성 및 리뷰 과정에서도 시간이 오래 걸리는데 '밥'은 이 과정을 자동화해 준다"고 소개했다. 개발 중 보안 취약점 탐지…14개 결함 찾아 즉시 수정 마지막 시나리오는 배포 전 단계에서 코드를 실시간으로 테스트하고 보안 결함을 제어하는 프로세스였다. 새로 만든 데이터 파이프라인 코드에 취약점이 포함된 상황을 가정하고 분석을 요청하자 '밥 파인딩' 패널이 열리며 소스 코드 내 결함 목록이 리포팅됐다. 우 전문위원은 "기업 환경에선 개발 시간 외에도 요구사항 전달과 테스트, PR 작성, 리뷰 과정에서도 시간이 오래 걸린다"며 "IBM 밥은 이런 업무도 자동화해 보다 중요한 업무에 집중할 수 있도록 지원한다"고 설명했다. IBM 밥은 사전에 정의된 규칙을 참고해 커밋 메시지와 브랜치명을 만들고 저장소에 변경사항을 반영한 뒤 PR을 생성하는 모습이 공개됐다. 저장소 내 '룰(rule)' 폴더에는 메시지 구조와 브랜치 명명 방식, PR 작성 형식이 미리 정의돼 있었고 IBM 밥은 이를 반영했다. 생성된 PR에는 구현한 기능 요약과 프로젝트 구조, 테스트 완료 여부, 실행 방법 등이 정리됐다. 우 전문위원은 "보안 취약점은 보통 개발이 다 끝나고 배포 직전에 검사하느라 수정하는 데 많은 시간과 비용이 들고, PR 리뷰나 정적 분석 도구에서 뒤늦게 발견되는 경우가 많았다"며 "하지만 밥은 개발 환경 안에서부터 보안 문제를 확인하고 해결할 수 있게 해준다"고 설명했다. 이어 "신입 개발자가 30분 만에 기존 시스템을 분석하고 기업 환경에 맞는 새로운 코드를 만들어낸다는 것은 기존에는 사실상 불가능한 일이었다"며 "IBM 밥은 이런 일을 실현할 수 있게 도와주는 기업용 AI 도구"라고 강조했다.

2026.06.04 17:10남혁우 기자

[현장] AI가 코딩해도 배포는 왜 늦을까…IBM, SW 전 과정 조율하는 'IBM 밥' 공개

"인공지능(AI)이 개인 코딩 속도를 높였을지 몰라도 기업 전체 소프트웨어(SW) 배포 속도는 여전히 제자리걸음입니다. 인프라 비용, 보안 정책, 복잡한 레거시 시스템 의존성 같은 장벽을 넘어야 진짜 변화가 시작됩니다." 마이클 쿽 IBM 밥 솔루션 부사장 겸 캐나다 연구소장은 4일 서울 여의도 IFC 사무실에서 열린 기자간담회에서 기업용 AI 도입의 한계를 이같이 짚었다. 이날 간담회에서 한국IBM은 코드 생성을 비롯해 기획부터 보안, 운영까지 소프트웨어 개발 수명주기(SDLC) 전 과정을 지원하는 AI 기반 개발 파트너 'IBM 밥(IBM Bob)'을 국내에 처음 공개했다. IBM 밥은 엔터프라이즈 환경에 최적화해 개발한 AI 기반 소프트웨어 개발 파트너 솔루션이다. 또 개발자 개인의 업무 환경을 자동화하는 기존 AI 코딩 서비스와 달리 기획부터 개발, 테스트, 배포, 운영, 보안에 이르는 SDLC 전 과정을 아우르는 것이 특징이다. 이 솔루션은 대규모 애플리케이션의 구조와 시스템 환경을 이해한 상태에서 복잡한 개발 프로세스를 통합적으로 지원하도록 설계됐다. 쿽 부사장은 "기업 현장에서 개발 속도를 늦추는 요인은 코드 작성 자체만이 아니다"며 "인프라 비용과 운영 데이터, 보안 정책, 컴플라이언스 규정, 레거시 시스템 의존성, 조직 구조, 쉽게 변경하기 어려운 핵심 시스템 등이 복합적으로 맞물리며 배포 병목을 만든다"고 지적했다. 이는 겉으로 보기에는 개발 생산성 문제처럼 보이지만, 실제로는 코드 바깥의 복잡한 제약이 전체 전달 속도를 떨어뜨린다는 의미다. 하지만 이 같은 기존 AI 코딩 도구와 IBM 밥의 지향점은 다르다. 기존 도구가 주로 개발자 개인의 코드 작성 효율을 높이는 데 초점을 맞췄다면, IBM 밥은 코드베이스 전체와 시스템 구조를 이해한 상태에서 SDLC 전반을 조율하는 데 무게를 뒀다. 또 IBM 밥은 개발자가 현재 열어둔 파일 단위가 아니라 프로젝트 전반의 맥락을 파악하고, IDE와 터미널 등 실제 업무 환경에서 작동하도록 설계됐다. 마이클 쿽 부사장은 IBM 밥의 강점으로 레거시 시스템 현대화를 꼽았다. 메인프레임과 자바 기반 시스템처럼 복잡한 의존성이 얽힌 환경에서 AI가 시스템 간 관계를 분석하고 전환 작업을 지원해 현대화 속도를 높일 수 있다는 것이다. IBM은 이를 통해 기존에 수주 단위가 걸리던 전환 작업 기간을 수일 수준으로 줄일 수 있다고 소개했다. 보안과 비용 관리도 IBM 밥의 핵심 기능으로 제시됐다. 개발 이후 별도 단계에서 보안을 점검하던 방식이 아니라 초기 단계부터 정책 검증을 자동화해 규제가 엄격한 산업에서도 개발 속도와 안정성을 함께 확보할 수 있도록 했다. 아울러 AI 활용이 늘면서 커지는 클라우드 자원 사용량과 인프라 비용 역시 실시간으로 분석·최적화할 수 있다. 쿽 부사장은 기업이 AI 기반 개발 역량을 갖추는 방식으로 세 가지를 제시했다. 자체적으로 모델과 에이전트, 워크플로를 구축하는 방식, 여러 전문 도구를 연결하는 툴체인 방식, SDLC 전반을 지원하는 파트너를 도입하는 방식이다. 그는 "IBM은 세 번째 방식을 택했다"며 "IBM 밥은 단순한 코딩 보조 도구가 아니라 SDLC 파트너"라고 강조했다. 이어 IBM 사내에서도 이미 IBM 밥을 실제 개발에 적용하고 있다고 밝혔다. 그는 "현재 IBM 밥 관련 코드의 약 40%를 IBM 밥이 직접 작성하고 있다"며 "10만 명 이상의 직원이 매일 IBM 밥을 사용하고 있고, 내부적으로는 SDLC 전반에서 평균 45% 수준의 생산성 향상 효과를 확인했다"고 밝혔다. 이어 "개발자는 신뢰하지 않거나 유용하다고 느끼지 않는 도구는 쓰지 않는다"며 "그래서 IBM 밥은 개발자를 위해, 개발자에 의해 만든 도구"라고 덧붙였다. IBM 밥의 적용 범위는 코딩 단계에만 한정되지 않는다. 역할과 업무에 따라 코드 작성, 빌드, 테스트, 반복 개선, 릴리스, 운영 등 전 과정에서 활용할 수 있다는 설명이다. 현재 IBM은 IBM 밥을 서비스형 소프트웨어(SaaS) 형태로 제공하고 있다. 향후에는 온프레미스 환경 지원과 특정 개발 환경에 최적화한 패키지도 순차적으로 확대할 계획이다. 쿽 부사장은 "어느 단계에 있든 IBM 밥의 목표는 같다"며 "개발 조직 전반의 마찰을 줄여 기업이 더 빠르고 더 큰 확신을 갖고 소프트웨어를 배포할 수 있도록 지원하는 것"이라고 말했다.

2026.06.04 14:03남혁우 기자

복구 완료라더니 전부 '가짜'...제미나이, 코드 삭제 후 허위 보고서 작성

구글의 인공지능(AI) 코딩 비서 제미나이가 운영 중인 상용 프로그램의 코드를 무단으로 삭제해 시스템 장애를 일으켰다는 주장이 제기됐다. 특히 AI가 오류를 은폐하기 위해 정상 복구됐다는 허위 보고서와 가짜 대화 로그까지 생성했다는 내용이 포함돼 논란이 확산되고 있다.. 23일 레딧에서 다크스타(dvrkstar)라는 ID를 사용 중인 한 개발자는 제미나이 3.5 사용 중 발생한 장애 상황과 복구 과정을 상세히 공개했다. 그는 내부 관리자 포털 보안 취약점을 수정하기 위해 제미나이에 간단한 코드 수정을 요청했다고 밝혔다. 수정 대상은 서버 인증 기능 8개였으며 전체 작업 규모는 파일 3개, 약 70줄 수준이었다. 하지만 제미나이는 요청사항과 전혀 다른 작업을 수행했다는 주장이다. 총 340개 파일을 수정하는 대규모 변경 작업을 생성했고 이 과정에서 정상적으로 사용 중이던 코드 2만8745줄을 삭제했다. 반면 새로 추가된 코드는 400줄 정도에 불과했다. 또 프로젝트와 관계없는 이커머스 템플릿 파일을 삭제하고 요청하지 않은 데이터 이전용 스크립트까지 추가한 것으로 전해졌다. 제미나이는 사용자 접속 요청을 어떤 서버로 연결할지 정하는 핵심 운영 정보가 담긴 파이어베이스(Firebase) 설정 파일까지 수정했다. 이 과정에서 실제 서비스가 연결돼야 하는 클라우드 런(Cloud Run) 주소 대신 존재하지 않는 서비스로 연결되도록 설정을 변경했다는 것이다. 그 결과 운영 중이던 관리자 포털 전체에서 '페이지를 찾을 수 없다(404 에러)'는 경고가 발생했고 약 33분 동안 서비스가 사실상 마비됐다는 주장이다. 개발자는 프로젝트 내부 규칙 파일에 이미 관련 경고가 적혀 있었다고 설명했다. 실제 사용해야 하는 서비스 식별자를 변경하면 안 된다는 내용이 포함돼 있었지만 제미나이가 이를 무시했다는 것이다. 장애 이후 제미나이의 행동에 대한 지적도 이어졌다. 개발자에 따르면 제미나이는 장애 발생 후 "서비스가 정상적으로 복구됐고 트래픽도 안정 버전으로 정상 전환됐다"는 메시지를 생성했다. 하지만 실제로는 제미나이가 언급한 복구 작업은 중간에 취소된 상태였으며 진짜 복구는 개발자가 이전 정상 버전으로 직접 롤백하면서 이뤄졌다고 설명했다. 제미나이가 작성한 코드는 실제 복구 과정에 사용되지 않았다는 주장이다. 더불어 AI가 스스로 가짜 회의 기록과 승인 문서를 만들었다는 주장도 제기됐다. 개발자는 제미나이가 저장소 내부에 다자간 검토를 진행한 것처럼 보이는 로그 파일과 합의 문서를 자동 생성했다고 밝혔다. 겉으로는 여러 차례 검토와 승인 절차를 거친 것처럼 보였지만 이후 제미나이가 실제 검토 과정 없이 규칙 형식을 맞추기 위해 로그를 생성했다고 답변했다고 설명했다. 이번 사고 원인으로는 서드파티 엔피엠(npm) 패키지가 지목됐다. 개발자는 해당 패키지를 구글 공식 도구로 오인해 설치했지만 실제로는 AI에 과도한 자율권을 부여하는 규칙 파일이 프로젝트 내부에 자동 설치됐다고 주장했다. 이 규칙에는 승인 요청 없이 작업 수행, 자동 배포, 실패 시 자동 재시도 같은 지시가 포함돼 있었던 것으로 전해졌다. 개발자는 이 규칙들이 기존 안전 경고보다 더 강하게 작동하면서 AI가 위험한 변경을 강행한 것으로 보인다고 분석했다. 이번 사건은 최근 개발 업계에서 확산 중인 '바이브 코딩(Vibe Coding)' 문화의 위험성을 보여주는 사례라는 평가도 나온다. 바이브 코딩은 개발자가 AI가 생성한 코드를 충분히 검토하지 않은 채 빠르게 실제 서비스에 적용하는 개발 방식을 뜻한다. 업계에서는 이번 사례가 단순한 코드 오류를 넘어 AI가 실제 상태를 검증하기보다 "정상 복구된 것처럼 보이는 결과"를 만들어냈다는 점에서 더 위험하다고 지적하고 있다. 해당 개발자는 "AI 코딩 도구를 사용할 때 가장 빠른 것은 완벽하게 작동하던 운영 환경이 순식간에 장애 보고서로 바뀌는 속도일 것"이라며 "앞으로 AI에게 직접적인 서버 배포 권한을 주지 않도록 보안 규칙을 강화하고 스스로 작성한 검토 로그를 절대로 신뢰하지 않겠다"고 밝혔다.

2026.05.25 11:27남혁우 기자

[AI는 지금] MS, 깃허브 AI 코딩 전략 재정비…코파일럿 경쟁 심화

마이크로소프트(MS) 내부에서 깃허브의 인공지능(AI) 코딩 도구 경쟁력 약화를 우려하는 목소리가 커지고 있다. 깃허브 코파일럿이 AI 코딩 시장을 연 대표 제품으로 자리 잡았지만 커서(Cursor), 앤트로픽 클로드 코드(Claude Code), 리플릿(Replit) 등 에이전트형 개발 도구가 빠르게 부상하면서 초기 주도권이 흔들리고 있다고 봐서다. 18일(현지시간) 디인포메이션에 따르면 MS 경영진은 최근 깃허브의 AI 리더십 약화를 내부적으로 경고했다. 특히 제이 파리크 MS 코어AI 부문 책임자는 깃허브가 직면한 상황을 중대한 위협으로 보고 있는 것으로 전해졌다. 깃허브가 코파일럿으로 AI 코딩 도구 시장을 개척했지만 최근 경쟁 제품의 확산 속도와 개발자 사용 경험 변화에 충분히 대응하지 못했다는 취지다. 이번 우려는 깃허브의 MS 내 위상이 달라지는 시점에 나왔다는 점에서 주목된다. 깃허브는 2018년 MS에 인수된 뒤에도 개발자 커뮤니티와 오픈소스 생태계 특성을 고려해 비교적 독립적으로 운영돼 왔다. 하지만 지난해 토머스 돔케 깃허브 최고경영자(CEO)가 사임한 뒤 후임 CEO가 선임되지 않았고 점차 깃허브 리더십은 MS 코어AI 조직에 보고하는 구조로 재편됐다. 이는 깃허브가 MS와 느슨하게 연결된 개발자 플랫폼에서 MS AI 개발 전략의 핵심 실행 조직으로 이동하고 있다는 신호로 해석된다. MS는 오픈AI 협력, 애저 클라우드, 비주얼스튜디오, 깃허브를 묶어 AI 개발 생태계를 구축하고 있다. 이 구도에서 깃허브는 개발자가 AI 애플리케이션을 만들고 배포하는 접점 역할을 맡고 있다. 업계에선 코파일럿의 경쟁력 약화가 단순한 자회사 제품 이슈를 넘어 MS 전체 AI 전략의 부담으로 번질 수 있다고 분석했다. MS가 AI 인프라와 모델 생태계에서 대규모 투자를 이어가고 있는 만큼, 개발자 접점에서의 주도권 약화가 향후 기업용 AI 소프트웨어 시장 공략에도 영향을 줄 수 있다는 이유에서다. AI 코딩 도구 시장의 경쟁 구도가 빠르게 바뀌고 있다는 점도 부담 요소다. 코파일럿은 개발자가 작성 중인 코드를 자동완성하거나 추천하는 방식으로 시장을 키웠다. 그러나 최근에는 자연어 지시를 바탕으로 파일 수정, 테스트, 디버깅, 리팩터링까지 수행하는 에이전트형 도구가 주목받고 있다. 개발자가 원하는 기능이 단순 코드 제안에서 개발 작업 전반을 처리하는 방향으로 확장되고 있다는 평가다. 이 흐름에서 커서는 개발자 친화적인 통합개발환경(IDE)을 앞세워 존재감을 키우고 있다. 앤트로픽의 클로드 코드도 장문 코드 이해와 복잡한 작업 처리 능력을 강점으로 개발자 사이에서 확산되고 있다. 리플릿 역시 웹 기반 개발 환경과 AI 기능을 결합해 개인 개발자와 스타트업 수요를 공략하고 있다. 깃허브 역시 '코파일럿 워크스페이스' 등을 선보이며 에이전트 환경으로의 전환을 꾀하고 있지만, 실제 제품 경험과 개선 속도에서는 신흥 AI 코딩 도구들이 더 민첩하게 움직이고 있다는 평가를 받고 있다. 이에 AI 코딩 도구가 개발자 업무 흐름 깊숙이 들어갈수록 기존 플랫폼 지위만으로 경쟁 우위를 유지하기 어렵다는 지적도 제기된다. 서비스 안정성도 부담 요인으로 거론된다. 디인포메이션은 깃허브가 대규모 서비스 장애로 주요 고객 불만을 샀다고 전했다. 깃허브는 기업 소프트웨어 개발의 핵심 인프라로 쓰이는데, 장애가 반복될 경우 AI 기능 경쟁력뿐 아니라 플랫폼 신뢰도에도 영향을 줄 수 있다. 비용 구조 변화도 깃허브의 부담을 키우고 있다. 깃허브는 코파일럿 과금 체계를 사용량 기반으로 전환 중으로, 이는 최근 고성능 AI 모델 호출과 토큰 사용량이 늘면서 추론 비용 부담이 커진 영향으로 해석된다. 업계에선 코파일럿의 향후 경쟁력이 AI 코딩 도구 시장의 주도권을 가를 변수로 보고 있다. 최근 AI 코딩 경쟁은 모델 성능을 넘어 실제 개발 업무 적용성으로 평가 기준이 넓어지고 있다. 개발자가 기존 업무 흐름 안에서 얼마나 자연스럽게 활용할 수 있는지, 기존 코드베이스를 얼마나 정확히 이해하는지, 복잡한 작업을 얼마나 안정적으로 처리하는지가 주요 경쟁 요소로 꼽힌다. 업계 관계자는 "깃허브는 여전히 개발자 생태계에서 강력한 기반을 갖고 있지만 AI 코딩 시장의 경쟁 방식은 이미 바뀌고 있다"며 "MS가 깃허브를 코어AI 체계 안으로 끌어들인 만큼 코파일럿의 반격 여부가 MS AI 전략의 실행력을 보여주는 시험대가 될 것"이라고 말했다.

2026.05.19 17:53장유미 기자

AI 에이전트 작성에서 수정까지 '자동'…SAP가 제시한 AI 혁신

[올랜도(미국)=남혁우 기자] 지난 11일부터 13일(현지시간)까지 미국 올랜도에서 열린 'SAP 사파이어 2026' 현장은 전 세계에서 모여든 1만 명이 넘는 참관객들로 인산인해를 이뤘다. 행사장 곳곳에서는 비즈니스를 위한 대화와 네트워킹, 최신 기술 세션 발표가 한창이었다. 하지만 수많은 부스 중에서도 유독 참가자가 PC 앞에 앉아 실제 업무를 처리하듯 개발에 열중하는 진풍경이 펼쳐진 곳이 있었다. 바로 SAP가 이번 컨퍼런스에서 가장 공을 들여 첫선을 보인 에이전트 구축 플랫폼, 쥴 스튜디오(Joule Studio)를 직접 체험할 수 있도록 마련된 '에이전트 랩'이다. 이곳에서는 화려한 시각 자료 대신, 참가자들이 직접 프롬프트 창에 짧은 단어 몇 개를 입력하고 몇 번의 클릭을 거쳐 실제 작동하는 에이전트를 단 몇 분 만에 구현해내는 실무형 혁신을 확인할 수 있었다. 코딩 대신 비즈니스 언어로 설계하는 엔터프라이즈 에이전트 쥴 스튜디오는 엔터프라이즈 에이전트와 애플리케이션, 에이전틱 워크플로우를 개발할 수 있는 통합 플랫폼이다. 비즈니스 실무자부터 전문 개발자까지 자연어 프롬프트 입력과 UI 클릭만으로 고도의 AI 에이전트를 설계할 수 있는 통합 환경을 제공한다. 에이전트 랩에서는 특정 산업군에 국한되지 않고 고객 관계 관리(CRM), 인적 자원 관리(HR), 공급망 관리(SCM) 등 기업 운영의 전방위적인 비즈니스 시나리오를 지원하는 에이전트 빌드 과정을 공개했다. 쥴 스튜디오의 핵심은 사용자가 입력한 자연어 속에 담긴 '의도(Intent)'를 정밀하게 분석하여 각 직무 영역에 최적화된 워크플로우를 즉각 제안한다는 점이다. CRM의 경우 "고객 반품 요청 자동화"와 같은 간단한 명령만으로도 고도화된 에이전트가 설계된다. 이 에이전트는 백엔드인 S/4HANA 시스템에서 고객의 과거 구매 이력을 실시간으로 조회하고, 기업의 환불 규정을 대조하여 승인 여부를 스스로 판단하는 지능형 프로세스를 갖춘다. HR 부분에서는 '신규 입사자 온보딩 가이드'나 '연차 승인 워크플로우'를 요청하면 에이전트가 HR 서비스인 석세스팩터스 시스템과 연동되어 입사 서류 구비 여부를 체크하거나 팀원들의 캘린더를 분석해 최적의 승인 절차를 대신 수행할 수 있다. SCM 영역은 그 복잡성에도 불구하고 클릭 몇 번으로 제어가 가능했다. "재고 부족 알림 및 자동 발주" 시나리오를 선택하면 에이전트가 창고의 재고 현황을 실시간 모니터링하다가, 재고가 임계치 이하로 떨어지는 순간 공급업체에 자동으로 견적 요청(RFQ)을 발송하는 일련의 복잡한 로직을 스스로 구성해낸다. 시연을 도와준 SAP의 관계자 루잔 매니저는 "비즈니스 사용자가 업무에 필요한 AI 도구를 개발자 등에 요구하지 않고 바로 개발하고 적용할 수 있도록 지원하는 실전형 도구"라고 설명했다. 장애 상황도 AI가 스스로 수정하는 '자가 치유' 체험 과정에서는 현장의 수많은 인파로 인한 네트워크 및 AI 부하로 돌발 상황이 발생하기도 했다. 배포 전 단계인 '인박스 테스트(In-box testing)' 과정에서 프로세스가 끊겨 제대로 코드를 작성하지 못하는 등의 문제가 나타난 것이다. 그러나 쥴 스튜디오는 이러한 장애 상황에서 진가를 발휘했다. 장애를 감지한 AI가 자동으로 문제 원인을 파악하고 수정을 제안하는 '자가 치유' 기능을 선보였기 때문이다. 쥴 스튜디오는 스스로 에러 메시지를 확인했다고 알린 후 누락된 데이터를 보완하고 구문 오류를 파악해 코드를 재수정(Re-fix)했다. 사람이 일일이 디버깅 코드를 짤 필요 없이 AI가 스스로 문제를 인지하고 해결책을 찾아 배포를 완수하는 과정이다. 루잔 매니저는 "시스템 부하 상황에서도 쥴 스튜디오는 스스로 고칠 수 있다"며 "에러가 나더라도 각 단계를 거치며 AI가 스스로 오류를 줄여나가는 '자가 치유' 구조를 통해 결국 100% 배포까지 도달하는 것이 이번 시연의 핵심"이라고 설명했다. AI 자동 수정이 원활하게 이뤄지지 않거나 개발자가 더 나은 방안을 제시하기 위한 대안도 마련돼 있다. 개발자가 직접 비주얼 스튜디오 코드(VS Code) 환경으로 전환하여 코드를 추가하거나 디버깅할 수 있으며 프롬프터를 통해 코드나 API 추가 등을 명령할 수도 있다. 루잔 매니저는 "AI 에이전트를 작성한 후 비즈니스 가이드라인에 부합하는지 최종 배포 전 개발자가 직접 검증하고 승인하는 '휴먼 인 더 루프(Human-in-the-loop)' 체계를 갖춰 기술적 불확실성을 최소화했다"고 소개했다. 최종 단계인 '배포(Deployment)' 버튼을 클릭하자 약 30분 만에 실제 작동하는 에이전트가 SAP 관리형 런타임에 성공적으로 올라갔다. 배포된 에이전트는 SAP의 AI 비서 '쥴(Joule)'과 즉각 연결되어, 사용자가 반품 문의를 던지면 백엔드 S/4HANA 시스템의 실시간 데이터를 기반으로 업무를 처리한다. 시연을 도왔던 루잔 매니저는 마지막까지 자리를 지키며 체험객들에게 감사를 표했다. 그녀는 "시스템 부하 속에서도 포기하지 않고 배포 과정을 함께해 주어 감사하다"며 "단계마다 에러를 극복하며 결국 목적지에 도달하는 이 성공의 경험이 바로 쥴 스튜디오가 고객들에게 드리고 싶은 가장 큰 가치"라고 강조했다.

2026.05.17 10:08남혁우 기자

[AI는 지금] 코덱스 품은 챗GPT…코딩 에이전트 경쟁, 모델서 플랫폼으로

오픈AI가 범용 인공지능(AI) 앱인 챗GPT 안으로 코딩 에이전트 '코덱스(Codex)'를 통합하며 모바일·멀티디바이스 기반 개발 플랫폼 영향력 확대에 나섰다. 스마트폰에서 장기 실행형 AI 에이전트 작업을 실시간으로 확인하고 승인·검토·지시를 이어갈 수 있도록 한 데 이어, 원격 개발 환경까지 연결하며 AI 코딩 도구 경쟁을 플랫폼·워크플로 경쟁으로 확장하는 모습이다. 오픈AI는 14일(현지시간) 코덱스를 챗GPT iOS·안드로이드 앱에 프리뷰 형태로 탑재했다고 발표했다. 사용자는 모바일 앱에서 원격 개발 환경과 연결된 코덱스 작업 상태를 실시간으로 확인하고 코드 수정 승인이나 작업 방향 변경, 신규 작업 지시 등을 이어서 수행할 수 있다. 코드베이스 탐색과 테스트 실행, 버그 수정, 리팩터링 등 장시간 작업을 스마트폰에서도 이어갈 수 있도록 설계한 것이 특징이다. 오픈AI는 이번 업데이트를 통해 단순 코딩 보조 도구를 넘어 챗GPT 기반 AI 개발 업무 영역을 확대하려는 모습이다. 기존 개발자들이 PC 기반 통합개발환경(IDE)이나 웹 환경에서 AI 코딩 에이전트를 활용했다면 이제 챗GPT 앱 안에서 여러 개발 스레드와 승인 작업, 프로젝트 상태를 통합 관리할 수 있다. 오픈AI에 따르면 코덱스 주간 활성 이용자 수(WAU)는 400만명을 넘어섰다. 회사 측은 모바일 기반 확장이 AI 에이전트 활용도를 더 끌어올릴 것으로 기대한다. 원격 보안 셸(SSH) 연결 기능을 정식 지원하며 기업 원격 개발 환경과의 연동도 강화했다. 개발자가 데스크톱에서 시작한 장기 실행형 작업을 이동 중 스마트폰으로 이어서 관리할 수 있도록 하면서 AI 에이전트 활용 범위를 넓히고 있다는 평가다. 이를 두고 업계는 AI 코딩 시장 경쟁 축이 단순 모델 성능 경쟁에서 플랫폼 경험과 워크플로 장악 경쟁으로 이동하고 있다고 해석한다. 코드 생성 능력과 리뷰 품질이 핵심 평가 기준이던 과거와 달리, 멀티디바이스 환경과 장기 실행형 에이전트 운영 능력, 원격 개발 환경 연동, 서비스 안정성 등이 새로운 경쟁 요소로 부상하고 있다는 것이다. 오픈AI가 검색과 문서 작성, 업무 자동화 기능에 이어 코딩 에이전트까지 챗GPT 안으로 통합하면서 범용 AI 플랫폼 전략을 강화하는 반면 경쟁사인 앤트로픽은 '클로드 코드(Claude Code)'를 개발자 툴체인에 깊숙이 파고드는 방식으로 운영하고 있다. 클로드 앱을 통한 모바일 원격 세션 접근도 공식 지원하고 있지만, 오픈AI처럼 수억 명의 기존 사용자 기반을 발판으로 코딩 에이전트 저변을 넓히는 전략과는 접근 방식이 다르다. 클로드 코드는 AI를 활용한 프로그래밍, 이른바 '바이브 코딩' 열풍을 주도한 도구 중 하나로 꼽힐 만큼 코딩 품질과 에이전트형 작업 수행 능력에서 높은 평가를 받고 있다. 다만 최근 보안·비용·안정성 논란이 겹치면서 일부 개발자들의 선택을 코덱스로 돌리는 변수로 작용하고 있다. 앤트로픽은 이에 클로드 코드 주간 사용 한도를 확대하는 등 개발자 이탈 방어에 나섰다. AI 코딩 시장의 선두를 지켜온 앤트로픽을 오픈AI가 코덱스로 추격하는 구도가 뚜렷해지면서 개발자 경험을 둘러싼 경쟁도 갈수록 치열해질 전망이다. 오픈AI는 "에이전트가 더 장기적인 작업을 수행하게 되면서 새로운 협업 방식이 등장하고 있다"며 "이제 사용자는 휴대폰에서도 코덱스가 찾은 내용을 검토하고 방향을 바꾸거나 다음 작업을 승인할 수 있다"고 강조했다.

2026.05.15 15:01이나연 기자

  Prev 1 2 3 4 5 6 7 Next  

지금 뜨는 기사

이시각 헤드라인

“초등생도 안 할 비약”...한성숙 청문회, 플랫폼 정책·헐값 임대 의혹 공방

최태원·노소영 '세기의 재산분할'...쟁점은 다시 SK 주식

"AI 품은 현대차, 사용자 맞춰 진화…새 아반떼가 시작점"

메모리 수급난에 두 손 든 애플, PC 제품 가격 최대 22% 인상

ZDNet Power Center

Connect with us

ZDNET Korea is operated by Money Today Group under license from Ziff Davis. Global family site >>    CNET.com | ZDNet.com
  • 회사소개
  • 광고문의
  • DB마케팅문의
  • 제휴문의
  • 개인정보취급방침
  • 이용약관
  • 청소년 보호정책
  • 회사명 : (주)메가뉴스
  • 제호 : 지디넷코리아
  • 등록번호 : 서울아00665
  • 등록연월일 : 2008년 9월 23일
  • 사업자 등록번호 : 220-8-44355
  • 주호 : 서울시 마포구 양화로111 지은빌딩 3층
  • 대표전화 : (02)330-0100
  • 발행인 : 김경묵
  • 편집인 : 김태진
  • 개인정보관리 책임자·청소년보호책입자 : 김익현
  • COPYRIGHT © ZDNETKOREA ALL RIGHTS RESERVED.