기업 인공지능(AI) 도입이 실험 단계를 지나 실제 성과를 요구하는 단계로 넘어가면서 개발자 역할도 확대되고 있다. 단순 코딩만 하는 업무에서 벗어나 고객 현장 문제를 이해하고 AI 시스템을 업무 성과로 연결하는 방향으로 바뀌고 있다. 

14일 IT 업게에 따르면 최근 AI 기업 시장 수요 변화로 인해 회사에서 상주하던 개발자 엔지니어 역할이 이같이 확장하는 것으로 전해지고 있다. 마이그레이션과 데이터 파이프라인 구축을 도와달라거나 비즈니스 문제를 해결해달라는 고객 요구에 맞춰 개발자가 직접 현장에 나선 셈이다. 

대표 사례는 데이터브릭스 프로젝트다. 데이터브릭스는 고객 데이터·AI 성과를 앞당기기 위한 '포워드 디플로이드 엔지니어링(FDE)' 조직을 출범했다. 이 조직은 고객사에 엔지니어를 직접 투입해 데이터 마이그레이션부터 AI 애플리케이션 구축까지 수행하는 방식으로 운영된다.

FDE는 컨설턴트처럼 방향만 제시하는 조직이 아니다. 엔지니어가 고객팀과 협업하면서 아직 존재하지 않는 기능과 시스템을 직접 구축하는 방식이다.

이 과정에서 개발자는 단순히 코드를 작성하는 업무만 하지 않는다. 고객 비즈니스 목표를 이해하고 데이터를 정리하며 AI 모델과 애플리케이션을 실제 운영 환경에 올리는 역할까지 맡는다. 컨설팅과 기술 지원 역할을 동시에 하는 셈이다. 

데이터브릭스는 지난 12개월 동안 1900곳 넘는 고객과 데이터·AI 프로젝트를 진행했다고 밝혔다. 미국 방송매체 폭스는 FDE와 협력해 폭스 스포츠와 폭스 원의 팬 경험을 재설계했고, 스포츠 AI를 이용한 사용자의 앱 체류 시간이 약 2배 늘었다고 밝혔다.

JP모건체이스는 4개월 만에 소비자·커뮤니티 뱅킹 리스크 데이터 5페타바이트(PB) 이상과 노트북 500개 이상을 마이그레이션했다. 이 과정에서 600명 넘는 사용자가 데이터브릭스 플랫폼 교육을 받았다. 또 퀄컴은 AI 모델을 실험 단계에서 프로덕션급 에이전트형 모델로 키웠다. 데이터브릭스에 따르면 퀄컴은 해당 모델로 며칠 걸리던 워크플로를 몇 분으로 줄였다.

데이터브릭스는 기업이 AI 도입에서 더 이상 기술 검증만 원하지 않는다고 봤다. 기업은 AI 모델이 얼마나 뛰어난지보다 실제 매출 확대, 운영 효율 개선, 고객 경험 고도화로 이어지는지를 따지기 시작했다는 설명이다. 

일각에선 이에 발맞춰 AI 엔지니어·개발자 의미도 넓어지고 있다고 보고 있다. 과거에는 모델을 만들거나 코드를 구현하는 역량이 개발자·엔지니어 중심이었다면 이제는 데이터 구조부터 업무 프로세스, 서비스 배포, 성과 지표까지 함께 이해하는 능력이 중요해진 셈이다. 기업 현장에서 AI를 쓰려면 모델 하나만으로는 부족하고 이를 실제 업무 시스템과 연결하는 엔지니어링 역량이 필요하기 때문이다.

특히 생성형 AI와 에이전트 기술이 기업 현장에 들어오면서 개발자는 업무 맥락을 더 깊이 이해해야 한다. 같은 AI 모델을 쓰더라도 어떤 데이터에 접근하게 할지, 어떤 업무 흐름에 붙일지, 어떤 기준으로 결과를 검증할지에 따라 성과가 달라진다. 단순히 챗봇이나 자동화 기능을 만드는 것을 넘어 기업 내부 시스템과 데이터 권한, 보안 정책까지 고려해야 한다.

데이터브릭스는 "이제 기업도 AI 프로젝트를 실험에만 머물게 할 수 없다"며 "내부 업무에 맞는 데이터를 정리하고 보안과 거버넌스를 맞추며 운영 가능한 애플리케이션으로 만드는 과정이 필요하다"고 설명했다. 이어 "개발자는 데이터 엔지니어, 애플리케이션 개발자, AI 모델 운영자, 현업 부서 사이를 잇는 역할을 맡을 것"이라고 내다봤다. 

관련기사

업계에서는 앞으로 AI 경쟁력이 모델 성능뿐 아니라 현장 적용 능력에서 갈릴 것으로 보고 있다. 아무리 성능이 좋은 모델을 확보해도 기업 데이터와 업무 흐름에 맞게 적용하지 못하면 실제 성과로 이어지기 어렵다. 

멜로디 힐데브란트 폭스 최고기술책임자(CTO)는 "데이터브릭스 FDE와의 파트너십은 단순한 플랫폼이 아니다"며 "이번 협업은 혁신 속도를 높였고 AI 기능을 시장에 출시해 실시간 실제 영향을 만들어냈다"고 밝혔다.