챗GPT 등장 이후 생성 인공지능(AI)을 활용해 기업 업무 효율을 높이려는 시도가 지속되고 있다.
가장 큰 효과를 거둔 곳으로 프로그래밍 코드를 짜는 '코딩'을 꼽을 수 있다.
LG CNS를 필두로 국내 주요 소프트웨어(SW) 기업들이 'AI 프로그래머'를 현업에 속속 도입하고 있다.
28일 SW 업계에 따르면 LG CNS는 생성 AI 기반 'AI 코딩' 서비스를 상용화하고 사내 활용에 이어 금융권을 중심으로 외부 사업화를 꾀하고 있다.
아주경제는 AI 코딩을 만든 LG CNS AA(애플리케이션 아키텍처) 인텔리전스팀 황정연 팀장과 최정일 위원을 만나 AI 코딩의 강점과 향후 사업화 계획에 관해 들었다.
다음은 일문일답.
Q. AI 코딩이 할 수 있는 업무 범위는?
최: IT 서비스 기업의 양대 주력 사업이 SI(시스템 통합)와 SM(시스템관리)이다 보니 두 업무에 AI를 활용해보자는 내부 의견이 지난 2021년 5월쯤 나왔다.
시스템 분석→설계→구현→테스트로 이어지는 서비스 구축의 네 가지 단계 중에서 구현에 AI를 유용하게 활용할 수 있을 것으로 판단했다.
 
내부 개발자 의견을 수렴해 AI 코딩은 △신규 코드 생성 △다음 코드 추천 △코드 품질 검사 등의 기능을 갖춰야 한다고 정의했다.
이렇게 완성한 AI 코딩은 내부 테스트 결과 3~5년 정도 경험을 보유한(중급) 인간 프로그래머와 대등한 코딩 실력을 갖춘 것으로 확인됐다.
다만 아직 AI가 생성한 코드를 100% 신뢰할 수는 없기 때문에 현업에 적용하기에 앞서 인간 개발자가 검증하는 과정은 반드시 거쳐야 한다.
LG CNS는 지난해부터 AI 코딩을 업무에 도입해 직원 생산성을 올렸다.
현재 구현을 넘어 분석과 설계 단계에도 AI 코딩을 활용할 수 있도록 신규 기능을 개발 중이다.
구체적으로 AI 코딩은 LG CNS가 전문성을 가진 분야인 프로그래밍 언어 '자바'와 'SQL'을 다룰 때 최적의 성능을 낸다.
현재는 백엔드(웹·앱에서 눈에 보이지 않는 뒷단) 중심의 코드를 짤 수 있다.
프론트엔드(눈에 보이는 전면)의 경우 AI 코딩이 생성할 수 있도록 올해부터 연구를 시작해서 내년이면 관련 성과가 나올 것으로 기대 중이다.
Q. AI 코딩을 도입하고 기업 생산성이 얼마나 향상됐나?
황: 프로젝트 POC(개념증명) 단계에서 비교한 결과 AI 코딩을 활용하면 인간 프로그래머 혼자 일할 때보다 작업 시간을 30~40% 줄일 수 있었다.
인간이 2개의 프로젝트를 처리하는 동안 인간과 AI는 3개의 프로젝트를 처리할 수 있다.
업무 복잡도가 낮을수록 생산성은 더 극적으로 향상된다.
물론 복잡한 업무에선 이 정도로 높은 효율이 나오지 않는다.
단순 코딩(구현)뿐 아니라 분석, 설계, 테스트 등 모든 과정에 생성 AI를 활용할 수 있게 되면 AI 코딩 도입에 따른 구체적인 생산성 향상 효과를 수치화할 수 있을 것이다.
LG CNS는 다양한 프로젝트에 AI 코딩을 도입해 활용 중이다.
사내 프로젝트뿐 아니라 2월 기준 15개의 외부 기업 프로젝트에 AI 코딩을 활용하고 있다.
 
Q. LG CNS가 AI 코딩을 개발하게 된 배경은?
최: 2021년에는 챗GPT도 없고 사실 엄청 막막했다.
AI 활용해서 코딩해보자 아이디어를 내고 데이터를 구해서 AI 모델을 학습하는 방법으로 개발을 진행했다.
 
챗GPT가 등장하고 생성 AI 기술이 주목을 받으면서 AI 코딩 프로젝트에도 속도가 붙었다.
챗GPT 등 시중 생성 AI 모델은 기본적인 프로그래밍 능력은 우수하지만 프로젝트 코딩 표준과 응용 프레임워크를 지키는 능력은 부족했다.
그래서 시중의 생성 AI 기술·모델을 활용하되 LG CNS 등 기업 요구에 맞게 결과물이 나오도록 프로젝트 방향을 수정했다.
이를 통해 생성 AI가 최적의 결과물을 생성할 수 있도록 유도하는 ‘프롬프트 옵티마이저’를 만들었고 AI 코딩이라는 성과로 이어졌다.
처음 2명으로 시작한 AI 코딩 연구개발 인력도 현재 21명으로 확대했다.
황: 과거 단순 연구개발에 이렇게 많은 인력을 투입한 사례가 없다.
회사 차원에서 AI 코딩에 많은 기대를 걸고 있는 증거다.
 
Q. 외부 기업·연구소가 AI 코딩을 이용하려면 어떻게 해야 하는가?
황: 현재 구축형으로 관련 사업을 진행 중이다.
폐쇄망 가진 IT 인프라 환경에선 챗GPT 등 클라우드 기반 생성 AI 서비스를 사용하기 어렵다.
이에 LG CNS는 AI 코딩용 모델을 기업·연구소에 설치해서 서비스를 제공한다.
실제로 현재 금융권을 중심으로 여러 개의 AI 코딩 POC를 진행 중이다.
최: 클라우드 기업이 코딩을 지원하는 생성 AI 서비스를 제공하지만, 기업 데이터가 외부로 유출된다는 문제에서 자유롭지 못하다.
많은 기업과 금융기관이 사내 데이터가 외부로 나가는 것에 민감해한다.
그 점에서 AI 코딩은 클라우드 기반 생성 AI의 대안이 될 수 있다.
이에 LG CNS는 지난해부터 기업 사내망에서도 생성 AI를 원활하게 추론(실행)할 수 있도록 AI 모델 최적화 작업을 진행했다.
 
Q. AI 코딩의 향후 사업 목표는?
황: 특정 업종을 가리지 않고 모든 기업에 도입할 수 있도록 하는 게 목표다.
올해는 LG CNS 모든 직원이 AI 코딩을 써서 생산성을 올렸으면 한다.
AI 코딩은 외부에 팔아서 이윤을 남기려고 만든 게 아니라 LG CNS 직원을 위해 만든 기술이란 점을 알아줬으면 좋겠다.
AI 코딩을 활용해 직원 생산성을 올리면 인력 증원 없이도 회사를 성장시킬 수 있고, 그만큼 직원들이 받는 혜택도 커질 것이다.
 
현재 AI 코딩은 개발 도구에 플러그인(확장 프로그램) 형태로 제공 중인데, '이클립스'뿐 아니라 '비주얼 스튜디오'와 '인텔리제이'에서도 이용할 수 있도록 확대할 예정이다.
앞으로는 AI 코딩의 완성도를 높여 사람이 개입하지 않아도 코드 생성과 품질 검사, 코드 수정 등을 진행하는 완전 자동화 기능을 도입할 계획이다.
이때가 되면 진정한 의미에서 AI 프로그래머가 등장했다고 할 수 있게 된다.
 Q. 조금 기술적인 질문을 하겠다.
AI 코딩을 만드는 데 활용한 파운데이션(기초) 모델은? 설치형 AI 코딩을 도입할 때 필요한 비용은 얼마나 되나?
최: 오픈 AI의 'GPT'와 메타의 '코드-라마'를 함께 활용한다.
매개변수 70억(7B), 130억(13B), 340억(34B) 모델 가운데 프로젝트 상황에 맞는 최적의 모델을 쓴다.
한 가지 AI 모델만 고집하지 않고 다양한 모델을 유연하게 적용할 계획이다.
설치형 AI 코딩을 도입하려면 AI 모델 경량화와 함께 하드웨어 인프라를 같이 구축해 추론 서버를 구성해야 한다.
이때 LG CNS가 기업에 AI 모델 경량화와 하드웨어 구성에 관한 컨설팅을 함께 제공한다.
현재 POC 결과를 보면 100명 정도의 개발자가 AI 코딩을 이용한다고 가정할 때 8000만원 정도의 하드웨어만 구매하면 충분히 서비스를 이용할 수 있다.
20~30명의 개발자가 이용하려면 그만큼 하드웨어 규모를 줄이면 된다.
Q. 생성 AI는 지속적인 학습으로 모델 성능을 지속해서 강화해야 하는데, 이 부분에 대한 해법은?
황: 두 가지 방법이 있다.
첫째는 더 좋은 성능의 AI 모델이 나오면 교체하는 것이다.
둘째는 고객사에 개발과 운영을 통합한 엠엘옵스(MLOps) 환경을 제공해 AI 모델 학습과 AI 코딩 이용을 동시에 할 수 있도록 지원하는 것이다.
 
중요한 것은 LG CNS는 고객사 인프라 환경에 맞춰 최적의 서비스를 제공할 준비가 돼있는 점이다.
가장 폐쇄적인 경우에도 LG CNS 인력이 현장에 가서 AI 학습과 시스템 설치를 지원할 것이다.