금융사의 전사 AI 업무 플랫폼 도입 검토

기업에서 AI를 사용하는 사람은 모두 같지 않습니다.

개발자는 AI와 함께 코드를 작성하고 싶어 하고, 데이터 분석가는 자연어로 데이터를 탐색하고 분석하려 합니다. 일반 현업은 코드를 작성하기보다 자신의 업무를 자동화하는 Agent를 직접 만들고 싶어 합니다.

최근 금융기업의 AI 플랫폼 도입을 논의하면서 흥미로웠던 지점도 여기에 있었습니다.

개발자의 바이브 코딩, 데이터 분석가의 AI 기반 분석, 현업의 노코드·로우코드 Agent를 하나의 플랫폼에서 제공할 수 있을까?

논의가 구체화되자 질문은 AI 기능 자체를 넘어 인프라와 보안, 기존 시스템 연계, 데이터 환경까지 빠르게 확장됐습니다.

사용자마다 다른 AI 업무환경이 필요합니다

개발자와 데이터 분석가, 현업 담당자가 AI에게 기대하는 것은 다릅니다.

XGEN은 하나의 플랫폼 안에서도 사용자별로 독립적인 Workspace와 실행 환경을 구성하고, 업무에 따라 필요한 AI와 Tool을 사용할 수 있는 방향으로 설계하고 있습니다.

개발자는 코드와 개발도구를 활용하고, 데이터 분석가는 필요한 분석 환경과 데이터에 접근하며, 현업은 복잡한 개발 과정 없이 Agent를 구성하는 식입니다.

중요한 것은 세 가지 기능을 단순히 한 화면에 모으는 것이 아닙니다.

서로 다른 사용 방식은 지원하면서 모델·데이터·권한·운영 정책은 기업이 통합 관리할 수 있어야 합니다.

금융권에서는 개발 업무에 외부 상용 LLM을 자유롭게 사용하기 어려울 수 있습니다.

XGEN은 On-Premise 환경에서 오픈소스 LLM을 운영하고, 기업 내부의 개발 환경과 라이브러리 정보를 함께 활용하는 방식을 지원합니다.

특히 바이브 코딩의 품질은 모델 크기만으로 결정되지 않습니다.

사내 개발 표준과 라이브러리 명세, 코드 컨텍스트를 얼마나 적절하게 제공하느냐도 결과에 영향을 줍니다.

AI가 생성한 코드를 실행할 때는 Sandbox·Container 기반의 격리 환경을 활용해 호스트 환경과 분리하고, 위험도가 높은 작업에는 별도의 통제를 적용할 수 있습니다.

결국 금융권의 바이브 코딩은 좋은 모델 + 사내 개발 컨텍스트 + 안전한 실행환경을 함께 설계하는 문제에 가깝습니다.

데이터 분석 업무에서는 또 다른 질문이 나옵니다.

데이터가 너무 크면 LLM이 처리하지 못하는 것 아닌가?

XGEN에서는 대용량 데이터 전체를 LLM의 컨텍스트에 넣는 방식으로 접근하지 않습니다.

분석 작업은 별도의 CPU·메모리 자원을 활용하거나 기존 분석 환경과 연결하고, LLM은 필요한 작업을 판단하고 실행하는 역할을 맡을 수 있습니다.

기존 DW나 분석 서버, MLOps 환경 역시 API나 Tool을 통해 XGEN과 연결할 수 있습니다.

즉, AI가 모든 데이터를 직접 들고 있는 것이 아니라 기존 데이터·분석 인프라를 활용해 일을 수행하는 구조입니다.

실제 Enterprise AI 구축에서 가장 많은 작업이 필요한 영역 중 하나입니다.

기업에는 이미 CI/CD, DevOps, MLOps, DW, ERP, 인사·권한 시스템 등 다양한 IT 자산이 운영되고 있습니다.

XGEN은 이러한 환경을 모두 자체 기능으로 대체하기보다 API, Tool, Gateway 등을 통해 기존 시스템과 연결하는 방식을 지원합니다.

다만 연결한다고 모든 문제가 해결되는 것은 아닙니다.

예를 들어 DW의 테이블명과 컬럼 정보가 불명확하다면 LLM 역시 데이터의 의미를 정확히 이해하기 어렵습니다. 이런 경우에는 먼저 스키마와 업무 용어를 정비한 뒤 AI와 연결하는 과정이 필요합니다.

AI 플랫폼 구축이 결국 기존 IT 환경을 얼마나 AI가 이해하고 활용할 수 있는 구조로 만들 것인가의 문제로 이어지는 이유입니다.

이번 현장에서 가장 인상적인 것은 AI 플랫폼의 범위가 빠르게 넓어지고 있다는 점이었습니다.

처음에는 현업이 Agent를 쉽게 만드는 것이 중요한 요구사항이었다면, 실제 전사 활용을 생각하기 시작하면서 개발자의 바이브 코딩과 데이터 분석, 기존 시스템 연계까지 하나의 플랫폼에서 다룰 수 있는지가 중요한 질문으로 이어졌습니다.

하지만 사용자가 다양해질수록 관리해야 할 것도 많아집니다.

개발자에게는 개발 환경을, 분석가에게는 데이터와 분석 환경을, 현업에게는 Agent 제작 환경을 제공하면서도 기업은 모델·데이터·Tool·권한·보안을 하나의 기준으로 관리해야 합니다.

XGEN이 지향하는 방향도 여기에 있습니다.

AI 기능을 하나씩 추가하는 것이 아니라, 서로 다른 직무가 자신의 방식으로 AI를 활용하면서도 기업은 하나의 거버넌스 아래 운영할 수 있는 Enterprise AI 업무 환경을 만드는 것입니다.

기업의 AI 플랫폼을 검토하고 있다면 이제는 “어떤 AI 기능이 있는가?”를 넘어 “우리 조직의 서로 다른 사용자들이 하나의 플랫폼에서 AI와 일할 수 있는가?”를 함께 살펴볼 필요가 있습니다.