“SDV 시대 복잡성 AI·자동화로 해결”

벡터, 반복 업무 줄이고 의사결정 지원해 개발 품질·생산성 높여

AI 단순한 코드 생성기 아니라 아키텍처 설계 등 개발 전반 지원

[편집자주]벡터(Vector)는 SDV(소프트웨어 정의 차량) 시대의 가장 큰 과제로 복잡성 증가와 검증 범위 확대를 꼽았다. Vector가 강조하는 AI는 범용 코드 생성 도구가 아닌 자동차 개발 프로세스와 엔지니어링 데이터를 이해하는 산업 특화 AI다. 특히 요구사항 관리, 아키텍처 설계, 테스트 자동화, 로그 분석 등에서 반복 업무를 줄이고 의사결정을 지원해 개발 품질과 생산성을 높이는 데 초점을 맞추고 있다. 궁극적으로 AI는 엔지니어를 대체하는 것이 아니라 더 강력한 엔지니어를 만드는 도구라는 점이다. 11월24일 웨비나를 진행하는 벡터코리아 이준혁 영업총괄과 만나 AI로 달라지는 엔지니어링 워크플로에 대해 설계부터 검증까지 들어봤다.

■ SDV(Software Defined Vehicle) 확산과 함께 개발 복잡성 증가, 검증 범 위 확대를 주요 과제로 언급되고 있다. 현장에서 고객들이 가장 크게 느끼는 어려움은 무엇인지

많은 고객들이 공통적으로 이야기하는 어려움은 단순히 소프트웨어 양이 늘어난 것이 아니라, 시스템 간의 연결성과 복잡성이 폭발적으로 증가하고 있다는 점이다.

과거에는 ECU 단위로 개발하고 검증하는 것이 가능했지만, 최근 SDV 환경에서는 수십 개의 기능이 차량 전체 아키텍처와 연결되어 동작한다.

따라서 작은 변경 하나도 여러 시스템에 영향을 줄 수 있다.

고객들이 가장 어려워하는 부분은 크게 세 가지다.

첫째, 요구사항부터 설계, 구현, 테스트까지 전체 추적성을 유지하는 것이다.

둘째, 소프트웨어 업데이트 주기가 빨라지면서 검증해야 할 범위가 기하급수적으로 늘어나고 있다.

셋째, 차량 출시 일정을 맞추면서도 품질과 안전성을 확보해야 하는 압박이 커지고 있다.

결국 SDV 시대의 핵심 과제는 복잡성을 관리하면서 개발 속도와 품질을 동시에 확보하는 것이며, 바로 이 부분에서 AI와 자동화 기술의 역할이 더욱 중요해지고 있다.

■ 이번 웨비나 제목이 ‘설계부터 검증까지’인데, 전체 개발 프로세스 중 AI 효과가 가장 먼저 체감되는 영역은 어디라고 생각하는지

현재 고객들이 가장 빠르게 효과를 체감하는 영역은 검증과 테스트 분야라고 생각한다.

설계 영역도 중요하지만, 실제 프로젝트에서는 테스트 케이스 작성, 테스트 스크립트 생성, 로그 분석, 결함 원인 파악 등에 상당한 시간이 소요된다.

AI는 이런 반복적이고 데이터 중심적인 작업을 크게 줄여줄 수 있다.

예를 들어 엔지니어가 자연어로 테스트 의도를 설명하면 테스트 코드를 자동 생성하거나, 수천 개의 로그 데이터에서 이상 징후를 자동으로 찾아주는 것을 가능하게 하는 것이 현재 벡터 AI 솔루션의 최종 목적이다.

또한 실패한 테스트 결과를 분석해 잠재적인 원인을 제안할 수도 있다.

따라서 AI는 개발자를 대체하기보다는 엔지니어가 고부가가치 업무에 집중할 수 있도록 돕는 생산성 증폭기 역할을 하고 있다고 말씀드릴 수 있다.

■ 시장에는 다양한 생성형 AI 서비스와 코딩 어시스턴트가 존재한다. 벡터가 이야기하는 AI는 무엇이 다른지

현재 시장의 많은 AI 솔루션은 범용적인 코드 생성이나 문서 작성에 초점을 맞추고 있다.

반면 Vector가 바라보는 AI는 자동차 개발 프로세스와 엔지니어링 데이터를 이해하는 산업 특화 AI라고 설명할 수 있다.

자동차 개발은 일반 소프트웨어 개발과 달리 기능 안전, AUTOSAR, 네트워크 통신, 요구사항 관리, 테스트 검증 등 매우 전문적인 영역을 포함한다.

Vector의 AI는 이러한 개발 자산과 엔지니어링 컨텍스트, 즉 35년이상의 knowhow 기술을 기반으로 동작한다.

예를 들어 요구사항, 시스템 아키텍처, ECU 통신 정의, 테스트 결과 등을 함께 이해하고 활용할 수 있도록 발전하고 있다.

즉, 단순히 코드를 생성하는 AI가 아니라 개발 프로세스 전체에서 엔지니어의 의사결정을 지원하는 AI가 Vector가 추구하는 방향이다.

■ PREEvision과 AI의 결합은 요구사항 관리와 시스템 아키텍처 설계 과정 에 어떤 변화를 가져오는지

PREEvision은 원래도 요구사항과 아키텍처를 일관된 모델로 관리하는 강력한 플랫폼이다.

여기에 AI가 결합되면 엔지니어는 문서를 작성하거나 구조를 정의하는 데 사용하는 시간을 크게 줄일 수 있다.

예를 들어 자연어 요구사항을 입력하면 AI가 요구사항을 구조화하고 관련 시스템 요소를 추천할 수 있다.

또 요구사항 간의 충돌이나 누락 가능성을 조기에 발견할 수도 있다.

아키텍처 설계 측면에서는 기존 프로젝트의 설계 패턴을 활용해 적절한 구조를 제안하거나 필요한 구성 요소를 추천하는 것도 가능하다.

결국 AI는 설계 업무 자체를 대신하는 것이 아니라, 설계 초기 단계에서 반복 작업을 줄이고 더 나은 의사결정을 지원하는 역할을 하게 될 것이다.

이를 통해 엔지니어는 시스템의 본질적인 문제 해결과 혁신에 더 집중할 수 있다.

■ 테스트 자동화는 오랫동안 이야기되어 왔지만 여전히 쉽지 않은 영역이다. AI가 테스트 프로세스를 어떻게 바꾸고 있는지

테스트 자동화가 생각만큼 빠르게 확산되지 못했던 이유는 자동화를 구축하는 데도 많은 전문가의 시간과 노력이 필요했기 때문이다.

SDV 시대에 맞추어 이미 IT 산업에서 활용하고 있는 DevOps 개발 방식 적용을 시작하고 있으며 AI는 이를 더욱 가속화 할 수 있다.

예를 들어 자연어 기반 요구사항으로부터 테스트 케이스를 생성하거나, 기존 테스트 자산을 재사용할 수 있도록 추천할 수 있다.

또한 테스트 수행 이후 방대한 로그를 분석해 실패 원인을 분류하고 우선순위를 지정하는 것도 가능하다.

특히 SDV 환경에서는 검증해야 할 조합이 매우 많아 사람만으로는 대응이 어렵다.

AI는 이러한 방대한 데이터를 분석해 더 중요한 테스트에 집중할 수 있도록 지원하며, 궁극적으로 더 빠르고 효율적인 검증 체계를 만드는 데 기여하고 있다.

■ 마지막으로 AI 시대를 준비하는 엔지니어들에게 전하고 싶은 메시지가 있다면

많은 분들이 AI가 엔지니어를 대체할 것인지에 관심을 갖고 있다.

하지만 저희는 AI가 엔지니어를 대체하기보다는 더욱 강력한 엔지니어를 만드는 도구가 될 것이라고 생각한다.

중요한 것은 AI를 얼마나 잘 활용하느냐이지, AI와 경쟁하는 것이 아니다.

특히 자동차 산업은 안전성과 품질이 매우 중요한 분야이기 때문에 최종 책임과 판단은 여전히 엔지니어의 역할이다.

앞으로는 코딩 능력뿐 아니라 시스템적 사고, 문제 해결 능력, 그리고 AI를 활용해 업무를 효율적으로 수행하는 역량이 더욱 중요해질 것이다.

AI는 새로운 도전이자 기회다.

변화를 두려워하기보다는 적극적으로 활용해 더 나은 제품과 더 안전한 차량을 만드는 데 집중하실 수 있도록 벡터도 최선을 다하겠다.