LG CNS, 바이브 코딩을 넘어 기업 시스템까지 이해하는 AI 개발자 공개

• LG CNS가 대규모 IT 시스템 구축·운영 전 과정을 자동화하는 에이전틱 AI 개발 플랫폼 AIND를 출시함

  • 정식 이름은 데브온 에이전틱 AIND(AI Native Development)
  • 사용자가 자연어로 요구사항을 입력하면 여러 AI 에이전트가 역할을 나눠 개발 과정을 수행하는 구조임
  • LG CNS는 이걸 “바이브 코딩을 넘는 AI 개발자” 포지션으로 밀고 있음

• AIND는 개발 과정을 크게 세 종류의 에이전트 협업으로 처리함

  • 고객 요구사항 분석·설계 에이전트
  • 코딩 에이전트
  • 테스트·품질 검증 에이전트
  • 즉, 코드 한 조각 생성이 아니라 요구사항부터 검증까지 엔드투엔드(End-to-End) 자동화를 노림

sequenceDiagram
    participant 사용자
    participant 분석설계에이전트
    participant 코딩에이전트
    participant 검증에이전트
    participant 지식파운데이션
    사용자->>분석설계에이전트: 자연어 요구사항 입력
    분석설계에이전트->>지식파운데이션: 업무 규칙과 시스템 맥락 조회
    분석설계에이전트->>코딩에이전트: 설계 결과 전달
    코딩에이전트->>지식파운데이션: 개발 표준과 기존 소스 확인
    코딩에이전트->>검증에이전트: 생성 코드 전달
    검증에이전트->>지식파운데이션: 보안 규정과 품질 기준 대조
    검증에이전트->>사용자: 검증된 결과 반환

• LG CNS가 지적한 기존 바이브 코딩의 한계는 꽤 날카로움
  • 자연어로 코드를 만들 수는 있지만, 기업 시스템 구조와 업무 맥락을 모르면 기존 시스템과 충돌할 수 있음
  • 대규모 IT 시스템은 코드만 맞는다고 끝나는 게 아니라 개발 표준, 보안 규정, 레거시 연동, 테스트 기준까지 맞아야 함
  • 그래서 AIND는 단순 코드 생성기보다 기업용 개발 플랫폼 쪽에 가까운 포지션을 잡음

• 지식 파운데이션은 AIND의 핵심 경쟁력으로 소개됨

  • 개발 표준, 보안 규정, 시스템 소스코드 등 기업 IT 정보를 AI가 이해 가능한 형태로 구조화한 온톨로지 데이터베이스임
  • AIND는 이 데이터를 기반으로 기업의 시스템과 업무를 학습해 고객 맞춤형 개발을 수행한다고 함
  • 쉽게 말해 “우리 회사 코드베이스와 규칙을 모르는 AI” 문제를 줄이겠다는 접근임

• 레거시 모더나이제이션 기능도 꽤 세게 내세움

  • COBOL 같은 구 언어로 개발된 시스템을 Java로 자동 변환하는 기능을 지원함
  • 기존에 수 주 이상 걸리던 코드 분석·변환·검증 작업을 분 단위로 단축할 수 있다는 설명임
  • LG CNS는 현재 국내 대형 금융사 차세대 프로젝트에 AIND 기반 COBOL to Java 기능을 적용 중이라고 밝힘

• AIND는 미국 오픈소스 AI 코딩 기업 Cline과 공동 개발됨

  • Cline의 AI 코딩 에이전트는 GitHub에서 성장률 4704%를 기록했다고 LG CNS가 설명함
  • 양사는 미국, 일본, 동남아시아를 중심으로 금융·공공·제조·방산 같은 보안·규제 산업에 AIND 적용을 넓힐 계획임
  • 타깃 산업을 보면 개발자 생산성 도구라기보다 엔터프라이즈 SI 자동화 플랫폼에 가까움

• 한국 개발자에게 직접적인 관전 포인트가 많음

  • 금융권 차세대, 공공 시스템, 제조 ERP처럼 한국 SI 시장의 큰 프로젝트에 AI 에이전트가 들어오는 사례임
  • 개발자 입장에서는 “AI가 코드를 짜준다”보다 “AI가 기존 시스템 맥락을 얼마나 이해하고 검증까지 할 수 있나”가 진짜 질문임
  • 특히 레거시 전환 프로젝트에 투입되는 개발자라면 생산성 향상과 검증 부담이 동시에 올 수 있음

기술 맥락

• AIND가 노리는 문제는 일반적인 코딩 자동화가 아니에요. 기업 시스템 개발에서는 요구사항, 내부 표준, 보안 규정, 기존 소스 구조가 서로 얽혀 있어서, 모델이 코드만 잘 만든다고 바로 쓸 수 없거든요.

• 그래서 지식 파운데이션이 핵심이에요. 회사의 개발 표준, 보안 규정, 기존 시스템 소스코드를 온톨로지 데이터베이스로 구조화하면 AI가 “이 회사에서는 어떤 방식으로 개발해야 하는지”를 참고할 수 있어요.

• COBOL to Java 기능이 중요한 이유도 여기에 있어요. 금융권 레거시 전환은 코드 변환보다 분석과 검증이 더 오래 걸리는 경우가 많거든요. LG CNS가 수 주 작업을 분 단위로 줄일 수 있다고 말한 것도 분석·변환·검증 전체를 자동화 대상으로 보기 때문이에요.

• 다만 실제 현장에서는 자동 변환 결과를 어디까지 신뢰할 수 있는지가 관건이에요. 레거시 시스템은 예외 로직과 업무 규칙이 코드 곳곳에 숨어 있어서, 생성된 Java 코드가 문법적으로 맞는 것과 운영 업무를 정확히 재현하는 건 다른 문제예요.

• 개발자에게는 생산성 도구이면서 동시에 검증 책임을 재정의하는 변화예요. AI가 초안을 만들고 테스트까지 돌려도, 금융·공공·방산 같은 규제 산업에서는 최종 품질과 보안 책임을 사람이 어떻게 확인할지 설계해야 하거든요.