Cisco와 OpenAI가 구축하는 엔터프라이즈급 AI 개발 환경

Cisco는 오랜 기간 동안 세계에서 가장 복잡하고 미션 크리티컬한 소프트웨어 시스템을 구축하고 운영해 온 경험을 바탕으로, 생성형 AI (Generative AI)를 엔터프라이즈급 개발 워크플로우에 통합하는 선두 주자가 되었습니다. 이 과정에서 OpenAI의 Codex 모델과의 협력은 단순한 기술 도입을 넘어, '엔터프라이즈 규모의 소프트웨어 엔지니어링' 자체를 재정의하는 계기가 되었습니다.

Cisco가 주목한 것은 코딩 완성(code completion)이나 표면적인 자동화 수준이 아니었습니다. 핵심은 **에이전시 (Agency)**였습니다. Codex는 단순히 코드를 제안하는 것을 넘어, 다음과 같은 엔터프라이즈급 역량을 보여주었기 때문입니다:

• 대규모 추론 능력: 거대한 상호 연결된 리포지토리(multi-repository) 전반에 걸쳐 이해하고 추론할 수 있습니다.
• 복잡한 언어 처리: C/C++와 같은 복잡하고 레거시 코드가 많은 환경에서 유창하게 작동합니다.
• 자율 워크플로우 실행: CLI 기반의 자율적인 컴파일-테스트-수정(compile-test-fix) 루프를 통해 실제 엔지니어링 작업을 수행할 수 있습니다.
• 거버넌스 준수: 기존의 검토 (review), 보안, 거버넌스 프레임워크 내에서 작동하며 기업 환경의 규제 요구사항을 충족합니다.

Cisco는 Codex를 독립적인 개발자 도구로 취급하지 않고, 실제 프로덕션 엔지니어링 워크플로우에 깊숙이 통합했습니다. 이 과정에서 Cisco가 제공한 실질적인 피드백은 OpenAI에게도 큰 영향을 미쳤으며, 특히 컴플라이언스(compliance), 장기 실행 작업 관리 (long-running task management), 기존 개발 파이프라인과의 통합 측면에서 Codex의 엔터프라이즈 준비도를 높이는 데 기여했습니다.

실제 업무에 적용된 결과는 혁신적이었습니다. 예를 들어, 교차 리포지토리 빌드 최적화 (Cross-repo build optimization) 작업 시, Codex는 15개 이상의 상호 연결된 리포지토리의 빌드 로그와 의존성 그래프를 분석하여 비효율성을 식별했습니다. 그 결과, 글로벌 환경 전반에서 빌드 시간을 약 20% 단축시키고 월간 엔지니어링 시간 1,500시간 이상을 절약하는 성과를 거두었습니다.

또한, 대규모 C/C++ 코드베이스의 결함 수정(Defect remediation) 작업에 Codex-CLI를 자동화하여 적용했습니다. 과거 수 주가 걸리던 수동 작업을 이제는 몇 시간 만에 완료할 수 있게 되었으며, 이는 결함 해결 처리량 (defect resolution throughput)을 10~15배 증가시켜 엔지니어가 설계 및 검증 같은 고차원적인 작업에 집중할 수 있도록 했습니다.

마지막으로 프레임워크 마이그레이션(Framework migrations)의 경우, React 18에서 19로 여러 UI를 전환해야 했을 때 Codex가 반복적인 변경 사항 대부분을 자율적으로 처리하여 몇 주 걸릴 작업을 며칠 만에 압축했습니다. 이러한 경험들은 Cisco에게 AI를 '도구'가 아닌 '팀원'으로 인식하게 만들었으며, 향후 AI 기반 개발 및 운영 (AI-assisted development and operations)의 표준 모델을 제시하고 있습니다.