uEngine 5월호 - "손에 잡히는 AI"

2026. 5. 30.

AI가 똑똑해질수록, 오히려 더 다루기 어려워지셨나요?

성능 좋은 클라우드 AI는 보안 때문에 못 쓰고, 한 번에 다 만들어주는 AI는 마음에 안 드는 일부만 골라 고칠 수가 없습니다. 한 군데 흐름을 바꾸면 다른 단계가 멈출까 봐 손도 못 대셨던 경험도 있으실 겁니다. AI에 휘둘리지 않고 AI를 다룰 수 있어야, 비로소 진짜 실무에 들어옵니다.

지난달 GS 1등급으로 '믿을 수 있는 AI'라는 토대를 다졌다면, 이번 달은 내 환경에서, 내 의도대로, 내가 고친 뒤에도 안심할 수 있는 AI를 말씀드립니다.

ProcessGPT

1. 클라우드 AI를 못 쓰는 환경에서도, 작동하는 '자립형 AI팀'

은행·공공·국방처럼 외부 인터넷을 차단해야 하는 폐쇄망에서는 GPT·Claude를 도입할 수 없습니다. 그렇다고 내부에 설치하는 소형 오픈소스 모델은 복잡한 업무를 한 번에 감당하지 못해 실패가 잦았습니다. ProcessGPT는 '모델을 키우지 않고, 일을 나누는' 방식으로 이 한계를 풀어냈습니다.

라우터 + 워커(Sub Agent) 구조: 작업 분석은 라우터가, 실제 처리는 역할별 워커가 맡아 각자에게 필요한 도구만 주입합니다. 한 모델이 모든 도구를 동시에 다룰 때보다 판단할 범위가 좁아지므로, 폐쇄망 안 소형 모델에서도 도구 호출 정확도가 실무에 바로 쓸 수 있는 수준까지 올라옵니다.

모델을 갈아 끼워도 코드는 그대로: 더 좋은 오픈소스 모델이 나와도 코드 한 줄 수정 없이 교체할 수 있습니다. 보안 정책과 모델 발전 속도가 따로 가는 엔터프라이즈에 꼭 맞는 구조입니다.

<라우터 + 워커(Sub Agent) 구조: 모델을 키우지 않고, 일을 나누는 방식>

<문서 검색 · 요약 · 분석을 역할별 AI가 나눠 끝낸 실제 협업 과정 예시>

[자세히 보기]

2. AI는 제안만, 결정은 당신이 - Human-In-The-Loop의 시대

AI가 만든 워드·PPT 완성본을 한 번에 받아 보셨다면, 80%는 마음에 들어도 20%가 어긋나 '다시 손볼지, 새로 시킬지' 망설이는 순간이 있으셨을 겁니다. 이제 곧바로 결과물을 만들지 않고, 후보를 먼저 보여드린 뒤 사용자 승인을 거쳐 생성을 시작합니다.

제안 → 검토 → 최종 생성: AI가 "이런 기능, 이런 에이전트, 이런 의사결정 규칙이 필요해 보입니다"라며 후보를 펼쳐 보여드리고, 사용자가 골라 승인한 다음에야 생성이 시작됩니다. 원치 않는 요소가 결과물에 섞일 일이 사전에 차단됩니다.

디테일 수준 직접 선택: 같은 문서 한 장으로도 임원 보고용은 '간결하게', 교육 자료는 '상세하게' 슬라이더 하나로 결과물의 해상도를 직접 고르실 수 있습니다.

생성 후 자동 검증·보완: 승인된 대로 프로세스를 만든 뒤, 시스템이 스스로 결함을 점검하고 빠진 부분을 자동으로 교정합니다. 사람이 일일이 결과물을 검수하지 않아도, 완성된 시점엔 이미 한 번 검증을 거친 상태로 받아보실 수 있습니다.

<AI의 제안, 당신의 결정(Human-In-The-Loop) 방식>

<생성 전, 어떤 기능을 만들지 사용자가 직접 고르는 화면>

<생성된 프로세스의 결함을 시스템이 스스로 찾아 자동 교정>

[자세히 보기]

3. '바꾸는 게 무서워서 못 고치던' 시대의 끝, 프로세스 단위 테스트

규정이 바뀌고 조직이 개편될 때마다 업무 흐름을 손봐야 하지만, 한 군데 고쳤다가 다른 단계에서 문제가 터질까 봐 개선을 미뤄두신 적 많으셨을 겁니다. 이제 개발자들이 신뢰성 검증에 쓰는 '단위 테스트' 개념이 도입되어, 마음 놓고 업무를 진화시키실 수 있습니다.

자동 회귀 검증: "이런 입력이 들어오면 → 이런 결과가 나와야 한다"를 미리 등록해 두시면, 프로세스를 고칠 때마다 등록된 모든 케이스를 한 번에 자동 검증해 (고친 부분이 기존 기능을 망가뜨리지 않았는지 되짚어 보는 것입니다) 성공·실패를 표시해 드립니다.

AI 분기까지 검증: 사람이 추적하기 까다로운 AI 분기와 폴링(처리가 끝났는지 일정 간격으로 되묻는 대기 구간)이 섞인 복잡한 프로세스도 의도한 경로대로 흘러가는지 확인할 수 있어, 도입 이후 운영 단계에서도 안심하고 개선을 이어가실 수 있습니다.

<AI·폴링이 섞인 프로세스도, 한 번에 자동 검증>

<프로세스의 '재작성·발송' 분기가 모두 성공으로 검증된 단위 테스트 결과 예시>

[자세히 보기]

ROBO Suite

'따로 일하는 도구'를 넘어 '하나의 흐름'으로

수십 년 된 레거시를 떠안고 현대화를 책임진 IT·아키텍처 조직이라면, 분석·설계·화면·코드가 따로 노는 탓에 한쪽을 고치면 나머지가 어긋나는 일을 겪으셨을 겁니다. ProcessGPT가 '내가 고쳐도 안심'을 업무 흐름에 가져왔다면, ROBO Suite는 같은 안심을 레거시 현대화 작업에 가져옵니다.

ROBO Analyzer(레거시 분석)와 ROBO Architect(아키텍처 설계)에 신규 ROBO Design(화면 설계)이 합류해, 분석 → 설계 → 화면 → 코드까지 끊김 없이 이어지는 통합 파이프라인 'ROBO Suite'로 진화했습니다.

ROBO Design: 디자인 도구 Figma에 직접 연동되어, "버튼을 더 눈에 띄게 바꿔줘" 한 마디로 화면이 즉시 바뀌는 자연어 디자인(Vibe Design)을 제공합니다.

'복제'가 아닌 '재창조': 옛 코드를 그대로 옮기는 '리프트 앤 시프트(들어서 그대로 옮기기)'가 아니라, 레거시에 묻힌 비즈니스 의도를 온톨로지(여러 곳에서 다시 쓸 수 있는 지식 자산)로 보존한 뒤 새 환경에 맞게 재설계합니다. 코드가 아닌 '의도'를 옮깁니다.

기획과 코드가 항상 같은 그림: 기획이 바뀌면 코드에 자동 반영되고(Spec Align), 코드를 수정하면 도메인 모델에 자동 반영되어(Spec Backfill), "문서 따로, 코드 따로"의 시대를 끝냅니다.

<레거시 분석 → 아키텍처 설계 → 화면 설계 → 실행까지, 끊김 없는 하나의 흐름>

블로그 - AI기반 개발의 현재와 향후 전망

2025년, AI 코딩 도구가 1,250만 줄짜리 코드베이스에서 7시간 만에 99.9% 정확도로 작업을 끝낸 사례가 화제였습니다. 하지만 같은 데이터는 정반대도 보여줍니다. 사람 없이 완전히 맡길 수 있는 작업은 아직 전체의 0~20%, 그리고 AI 도입 파일럿의 88%가 운영 단계에 가지 못하고 사라집니다. 실패 원인은 '모델이 나빠서'가 아니라, 범위·책임·검증 체계의 부재였습니다.

이번 호에서 소개한 사람이 결정하는 Human-in-The-loop, 변경을 검증하는 단위 테스트, 코드가 아닌 의도를 옮기는 ROBO Suite 는 모두 이 결론 위에 서 있습니다. AI가 코드를 거의 공짜로 만든 시대에, 역설적으로 '무엇을 왜 만들지 정의하고 검증하는 일'의 가치는 그 어느 때보다 높아졌습니다. 발주기관·개발사·PMO가 각자의 자리에서 지금 무엇을 준비해야 하는지, 데이터와 사례로 짚은 딥리서치를 확인해보세요.