SI 프로젝트는 왜 AI 도구와 잘 맞는가
SI 프로젝트는 요건이 정해진 상태에서 기능 구현 · 관리자 화면 · 연동 · 리포트의 조합으로 구성됩니다. 창의적 판단보다 “명세를 정확히 코드로 옮기기”가 핵심이며, 이 구간은 AI 코딩 도구가 가장 강한 영역입니다.
사례 1 — 중견 제조사 ERP 확장 (5개월 → 3개월)
기존 ERP의 생산 스케줄링 모듈을 확장하는 프로젝트였습니다. 원래 5명 × 5개월로 산정했으나, AI 도구 도입 후 5명 × 3개월로 일정을 조정했습니다.
- CRUD 화면·API 생성: 자동화로 60% 시간 절감
- 기존 ERP 연동 스펙 해석: 레거시 문서를 LLM에 입력해 매핑 초안 생성
- 테스트 케이스: 비즈니스 룰을 자연어로 기술 → 테스트 코드 초안 자동 생성
품질 이슈는 초반 2주 집중 발생(AI 코드 패턴에 익숙해지는 구간), 이후 정상화. 최종 릴리즈 버그율은 이전 프로젝트 평균 대비 30% 감소.
사례 2 — 법무법인 문서관리 시스템 (완전 신규)
회생·파산 사건의 서류 흐름을 관리하는 DMS를 처음부터 구축했습니다. 요건 파악 2주, 개발 6주, 검수·배포 2주 — 총 10주 프로젝트.
- 초기 스캐폴딩: SvelteKit + FastAPI 기본 구조를 AI로 1일 만에 확립
- 권한·감사 로그: 법무 특성상 복잡한 권한 체계 필요. AI로 RBAC 초안 생성 후 시니어가 검토
- 알림 시스템: 법원 기한·담당자 배정 알림을 조건식으로 기술 → AI가 스케줄러·메시지 템플릿 생성
가장 큰 효과는 디자인-개발 사이클 단축. 와이어프레임을 AI가 해석해 Svelte 컴포넌트로 바로 변환 가능해, 피드백 주기가 3~4일에서 당일로 줄었습니다.
사례 3 — 엔지니어링 기업의 CAE 연동 내부 플랫폼
CAE 시뮬레이션 결과 데이터를 관리·공유하는 사내 플랫폼. 복잡한 파일 포맷 파싱과 대용량 시각화가 관건이었습니다.
- 파일 포맷 파서: 기존 Python 코드와 사양서를 AI에 제공 → FastAPI 핸들러 생성
- 시각화 컴포넌트: Three.js 기반 뷰어를 Claude Code로 반복 개선. 30~40회 빠른 프로토타이핑
- 권한·팀 구조: 엔지니어링 팀 특유의 매트릭스 조직을 AI에게 설명 → 적합한 권한 모델 제안
이 프로젝트에서 얻은 교훈은 “AI도 도메인 지식이 없으면 헤맨다”는 것. CAE 전문 용어는 사전 학습 자료를 프롬프트에 포함시켜야 했고, 이 준비 자체가 프로젝트 품질을 높이는 부수 효과를 냈습니다.
세 프로젝트에서 뽑은 공통 교훈
- 초반 2~3주는 투자: AI 도입으로 전체 일정은 단축되지만, 초기엔 학습 곡선이 있음
- 시니어 1명은 반드시: AI 코드 리뷰·아키텍처 판단·리팩토링 가드레일 역할
- 도메인 프롬프트가 자산: 프로젝트별 용어집·규칙집을 프롬프트로 정리하면 팀 전체 생산성 상승
- 테스트 자동화가 함께: AI가 빨라질수록 검증 병목이 커짐. 테스트 커버리지를 같이 올려야 이득
결론
SI는 AI 바이브 코딩이 가장 직접적으로 수익화되는 영역입니다. 전통적 “인력 × 기간” 산정 모델이 현실과 맞지 않아지며, 견적·수주 방식 자체의 변화를 준비할 시점입니다.
