2026-11-13 · 이젠고
AI 덕분에 오픈소스 프레임워크로 기업시스템을 만드는 문턱은 크게 낮아졌습니다. 하지만 10년 넘게 운영할 시스템이라면 '만드는 비용'이 아니라 **'지키는 비용'**으로 판단해야 합니다.
최근 고객사 IT 부서에서 자주 듣는 질문이 있습니다. "AI가 React 코드도 잘 짜는데, 굳이 라이선스 비용을 내고 상용 UI 솔루션을 써야 하나요?" 근거 없는 질문이 아닙니다. AI는 공개된 코드를 대량으로 학습했기 때문에, 가장 잘 만드는 코드가 바로 오픈소스 프레임워크 기반 코드입니다. 라이선스 비용도 없고, 개발자도 구하기 쉬워 보입니다. 그렇다면 기업시스템도 이제 오픈소스와 AI 조합으로 충분할까요? 이 글에서는 AI 활용 개발의 두 갈래인 바이브코딩과 AI 에이전트 코딩을 먼저 구분하고, 오픈소스와 AI 조합이 개발과 운영에서 어떤 장단점을 갖는지 살펴봅니다. 그리고 그 속에서 상용 UI 플랫폼이 여전히 필요한 이유를 짚어보려 합니다.
둘 다 AI가 코드를 만든다는 점은 같지만, 누가 운전대를 잡고 있느냐가 다릅니다. 바이브코딩은 사람이 자연어로 원하는 것을 말하고, AI가 만든 결과를 보면서 대화로 다듬어 가는 방식입니다. 사람이 매 단계 결과를 보고 판단합니다. 빠르고 직관적이지만, 결과물의 품질은 그때그때의 지시와 작업자의 눈에 크게 좌우됩니다.
AI 에이전트 코딩은 사람이 목표와 규칙을 주면, 에이전트가 계획·구현·테스트·수정을 스스로 반복하는 방식입니다. 사람은 과정보다 결과를 검수합니다. 대량 작업에 강하지만, 규칙과 검증 체계를 얼마나 잘 설계했는지에 따라 결과가 크게 달라집니다.
AI 시대에 오픈소스가 주목받는 데에는 분명한 이유가 있습니다. • AI가 가장 잘 짜는 코드다: React, Vue 같은 프레임워크는 공개된 예제와 코드가 압도적으로 많아, AI가 높은 품질로 생성합니다.• 초기 비용이 낮다: 라이선스 비용이 없고, 필요한 기능은 공개 라이브러리를 조합하거나 AI에게 만들게 하면 됩니다.• 인력 시장이 넓다: 웹 프런트엔드 개발자는 특정 솔루션 개발자보다 구하기 쉽습니다.• 벤더 종속이 없다: 특정 공급사의 정책이나 가격 변화에 묶이지 않습니다.
여기까지만 보면 답은 오픈소스처럼 보입니다. 하지만 이 장점들은 대부분 개발 단계의 장점입니다. 기업시스템에서 진짜 질문은 오픈 이후에 시작됩니다.
개발 단계에서 AI의 장점은 분명합니다. 초기 화면과 기능이 나오는 속도는 기존 방식과 비교가 되지 않습니다. 하지만 엔터프라이즈 프로젝트에서는 속도만큼 중요한 질문이 있습니다. 수십 명이 만든 수백 개 화면이 같은 기준을 따르는가?
바이브코딩의 개발 단계 • 장점: 아이디어를 바로 화면으로 확인할 수 있어 요구사항 협의가 빨라집니다. • 장점: 소규모 기능이나 내부 도구는 개발 인력 없이도 만들 수 있습니다. • 한계: 같은 요청도 작업자와 프롬프트에 따라 결과 구조가 달라집니다. • 한계: 화면이 늘어날수록 공통 규칙, 권한 처리, 예외 처리가 제각각이 됩니다. • 한계: 보안 취약점이나 비효율적인 로직이 리뷰 없이 그대로 들어가기 쉽습니다.
AI 에이전트 코딩의 개발 단계 • 장점: 반복 패턴이 많은 대량 작업에서 생산성이 매우 높습니다. • 장점: 규칙과 테스트를 잘 설계하면 결과물의 일관성도 확보할 수 있습니다. • 한계: 그 규칙과 테스트를 설계하는 데 상당한 초기 투자가 필요합니다. • 한계: 규칙이 잘못되면 오류가 한 화면이 아니라 수백 화면에 동시에 퍼집니다. • 한계: 보안 정책상 외부 AI를 쓸 수 없는 금융·공공 환경에서는 성능이 낮은 내부 모델로 대체해야 해, 기대한 품질이 나오지 않을 수 있습니다.
정리하면, AI는 만드는 속도를 높여주지만 무엇이 올바른 결과인가라는 기준까지 만들어 주지는 않습니다. 그 기준이 어딘가에 단단히 존재해야 AI의 속도가 가치가 됩니다.
업무 시스템의 수명은 보통 10년 이상이고, 전체 비용의 대부분은 운영 기간에 발생합니다. 오픈소스와 AI 조합의 한계도 대부분 이 시기에 드러납니다.
답은 '오픈소스는 안 된다'가 아닙니다. 시스템의 성격과 운영 기간에 따라 맞는 기반이 다르다는 것입니다.
AI는 자유도가 높은 환경보다 제약이 명확한 환경에서 더 일관되게 작동합니다. 프로젝트마다 구조가 제각각인 코드보다, 화면 구조와 규칙이 플랫폼으로 표준화된 시스템이 분석하기도, 전환하기도, 결과를 검증하기도 훨씬 쉽습니다. 상용 UI 플랫폼은 AI가 만든 결과물을 담는 표준 그릇이자, 다음 전환 때 비교할 수 있는 기준이 됩니다.
가장 현실적인 답은 둘 중 하나를 고르는 것이 아니라 AI가 생산하고, 플랫폼이 표준을 지키고, 사람이 설계와 검수를 맡는 구조입니다. 이젠고는 이 구조를 개발과 전환, 두 영역에서 구체적인 도구로 만들어 가고 있습니다.

개발: 넥사크로 위에서 하는 바이브코딩, UI Re-Styler 이젠고의 화면 개발 마법사인 UI Re-Styler에는 AI 에이전트가 연동되어 있습니다. 개발자는 데이터셋, 컴포넌트, 화면 캔버스를 보면서 옆의 AI 패널에 "우측 목록에도 좌측과 같은 상세 데이터를 만들어 줘"처럼 자연어로 요청합니다. AI가 현재 화면 정보를 함께 받아 소스를 수정하면, 변경 내용이 곧바로 캔버스에 반영됩니다. 바이브코딩의 속도는 그대로 가져가되, 결과물은 넥사크로의 데이터셋·컴포넌트·이벤트 구조 안에서만 만들어집니다. 누가 요청하든, 어떤 AI가 고치든 화면 구조가 표준을 벗어나지 않는 표준 안의 바이브코딩입니다.

전환: 하이브리드 전환 자동화, OMNIX 운영 중인 시스템을 최신 버전이나 다른 플랫폼으로 옮기는 일은 이젠고의 OMNIX 엔진이 맡습니다. 파서가 레거시 소스를 읽고, 룰엔진이 표준 규칙으로 변환하고, 생성기가 목표 화면과 서버 소스를 만들고, 판정기가 결과를 검증합니다. 소스 플랫폼이 달라져도 엔진은 그대로 두고 파서만 추가하는 구조입니다.
[ ] 10년 뒤 이 시스템을 맡을 사람이 코드를 이해할 수 있는가? [ ] 화면이 수백 개로 늘어도 같은 구조와 규칙이 유지되는가? [ ] 보안점검과 감사에서 구현 근거를 설명할 수 있고, 취약점 패치는 누가 책임지는가? [ ] 외부 AI를 쓸 수 없는 환경에서도 개발과 운영이 가능한가? [ ] AI 도구나 오픈소스 프레임워크가 바뀌어도 시스템이 흔들리지 않는 기반 위에 있는가? [ ] IT 부서가 외부 의존 없이 시스템을 직접 통제할 수 있는가?
AI는 오픈소스 프레임워크로 시스템을 만드는 일을 그 어느 때보다 쉽게 만들었습니다. 고객 접점 서비스나 수명이 짧은 화면이라면 오픈소스와 AI 조합은 훌륭한 선택입니다. 하지만 수백 개 화면을 10년 넘게 운영해야 하는 기업시스템은 다릅니다. AI가 코드를 많이 쓸수록 그 코드가 올라설 표준과 기반이 더 중요해지고, 상용 UI 플랫폼은 바로 그 역할을 합니다.
그러니 질문을 이렇게 바꿔보시길 권합니다. **"AI로 얼마나 싸고 빠르게 만들 수 있는가"**가 아니라, 오픈 이후 10년 동안 다가올 여러 번의 전환을 무엇 위에서, 얼마나 안전하게 반복할 수 있는가입니다.
#이젠고 #넥사크로플랫폼 #UI전환 #UI컨버전
현재 환경과 고민을 알려주시면, 적용 가능 여부와 예상 절감폭을 정리해 회신드립니다.