DXC-Anthropic 글로벌 동맹과 수만 명의 인증 엔지니어 투입

금융이나 정부 기관처럼 보안이 생명인 곳은 데이터 유출 위험 때문에 폐쇄망을 구축하거나 수작업으로 시스템을 옮겨야 하며, 이 비용이 AI 도입 속도를 늦추는 병목이 된다. DXC Technology와 Anthropic은 이를 해결하기 위해 다년 글로벌 동맹을 체결하고 Claude를 규제 산업의 핵심 시스템에 직접 이식한다. 이는 단순한 소프트웨어 공급을 넘어 대규모 전문 인력을 투입해 인프라 수준에서 통합을 진행하는 전략이다. 전 세계 대형 금융사와 정부 기관이 사용하는 시스템의 내부 구조를 직접 수정하고 최적화하는 작업이 포함된다.

이번 협력의 핵심은 수만 명 규모의 FDE(Forward-Deployed Engineers, 고객사 내부에 상주하며 기술을 구현하는 엔지니어) 양성이다. 외부에서 API를 연결하는 일반적인 클라우드 방식 대신, 전문 엔지니어가 고객사 조직 내부로 들어가 시스템을 통합하는 모델을 택했다. 현장에 상주하는 엔지니어는 고객사의 특수한 보안 환경과 복잡한 레거시 시스템을 직접 다루며 구현 오차를 최소화하고, DXC가 운영하는 고객사 시스템에 Claude를 직접 결합한다.

대상 산업은 은행, 항공사, 보험사, 제조업, 그리고 정부 기관이다. 이들은 트랜잭션 처리나 보험금 청구 등 중단 시 치명적인 '미션 크리티컬' 업무를 수행하며 엄격한 컴플라이언스(법규 준수) 기준을 따른다. DXC는 세계 최대 규모의 기업 시스템 운영 경험을 바탕으로 Claude를 핵심 비즈니스 로직에 결합하며, Anthropic의 Claude Partner Network에 합류해 기업 고객을 위한 전문 구현 경로를 제공한다. 구체적인 파트너십 범위와 네트워크 정보는 anthropic.com/partners에서 확인할 수 있다.

코드 95%를 AI가 작성한 DXC OASIS의 구현 수치

DXC는 2026년 4월 출시한 DXC OASIS를 통해 AI가 코드의 주체로 작동하는 구조를 구현했다. OASIS는 AI 네이티브 오케스트레이션 플랫폼으로, AI가 중심이 되어 IT 서비스의 배치와 관리를 자동화한다. 이 플랫폼의 에이전트 워크플로에는 Claude가 기본 파운데이션 모델로 채택되어, 시스템 운영의 반복적인 루틴 작업을 AI 에이전트가 스스로 판단해 처리한다.

구현 단계에서 DXC는 OASIS 전체 코드의 95% 이상을 Claude가 직접 생성하게 했으며, 전문 소프트웨어 엔지니어는 결과물을 검토하고 최종 승인하는 검수자 역할에 집중했다. 이 방식을 통해 소프트웨어 개발 속도는 기존보다 10배 향상되었다. AI가 초안 작성부터 세부 구현까지 대부분의 공정을 처리하고, 사람이 코드를 직접 작성하던 시간을 검토 시간으로 대체해 개발 주기를 단축한 결과다.

시스템의 실효성은 대규모 실무 환경에서 검증했다. DXC는 70개국에 분포한 115,000명의 내부 운영 인력이 사용하는 실제 업무 환경에 이 플랫폼을 먼저 적용했다. 이는 규제 산업 고객사가 요구하는 엄격한 보안 및 컴플라이언스 기준이 적용된 환경이다. 수만 명의 사용자가 발생하는 실제 운영 부하 속에서 Claude가 생성한 코드가 운영 시스템의 로직을 안정적으로 수행하는지 확인했다.

Anthropic Academy 기반의 전문 인력 양성과 고객사 확대

금융이나 항공 같은 규제 산업은 작은 오류가 치명적인 사고로 이어지기에 검증되지 않은 도구 도입에 보수적이다. DXC는 이 리스크를 줄이기 위해 Anthropic Academy라는 파트너 엔지니어 교육 및 인증 프로그램을 도입해 FDE 인증 인력을 양성한다. 여기에 미션 크리티컬 시스템에 특화된 자체 커리큘럼을 추가해, 실제 운영 환경의 보안과 컴플라이언스 제약 사항을 반영한 교육 체계를 구축했다.

검증된 인력 확보는 제품의 상용화 속도로 이어졌다. AI 네이티브 오케스트레이션 플랫폼인 OASIS는 현재 50개 이상의 고객사에서 서비스 중이다. DXC는 내부 운영 인력을 통해 성능과 안정성을 먼저 확인한 뒤, 이 플랫폼을 전 세계 고객사로 확대 롤아웃(단계적 출시)할 계획이다.

결국 LLM을 단순한 채팅 도구가 아니라 실제 운영 시스템의 핵심 부품으로 이식하는 엔지니어링 규모가 핵심이다. 수만 명의 인증 엔지니어를 투입하는 방식은 폐쇄망이나 온프레미스(자체 서버 설치형) 환경처럼 접근이 까다로운 규제 산업의 진입 장벽을 낮춘다. 이는 모델의 벤치마크 수치보다 실제 시스템에 안전하게 적용 가능한 검증 경로와 전문 인력의 규모가 더 중요하다는 사실을 보여준다.

한국 금융·공공 부문 미션 크리티컬 시스템으로의 확장 가능성

보안 담당자가 AI 도입을 망설이는 핵심 이유는 데이터 유출과 시스템 중단이다. 특히 은행이나 정부 기관에서는 단순 챗봇보다 실제 돈이 오가는 트랜잭션이나 운영 로직 같은 핵심 업무에 AI를 적용하는 것이 훨씬 어렵다. DXC는 이러한 핵심 비즈니스 로직에 Claude를 직접 통합해, AI가 실제 비즈니스 프로세스의 판단과 실행을 처리하는 구조를 구축했다.

이를 위해 DXC는 FDE 모델을 활용해 외부 API 호출 방식이 아닌, 전문 엔지니어가 고객사 환경에 직접 들어가 폐쇄망이나 온프레미스 환경에 맞게 시스템을 최적화하고 검증한다. 엔지니어가 현장에서 직접 보안 취약점을 점검하고 로직을 수정함으로써, 보안 요구사항이 극도로 높은 환경에서도 LLM을 안전하게 이식할 수 있는 경로를 확보했다.

한국의 금융과 공공 부문 역시 망 분리 규제와 엄격한 컴플라이언스 때문에 AI 도입 문턱이 높다. DXC의 사례는 상주 엔지니어를 통해 보안 환경을 직접 제어하며 핵심 로직을 수정하는 방식이 한국의 폐쇄적인 인프라 환경에서도 적용 가능한 전략임을 보여준다. 미션 크리티컬 환경에서의 LLM 운영 규모와 검증 절차는 국내 기업들이 AI 네이티브 시스템으로 전환할 때 참고할 수 있는 구체적인 사례가 된다.

미션 크리티컬 환경에서 LLM을 실제 운영 시스템에 이식하는 일은 단순한 기술 도입을 넘어선 거대한 엔지니어링 작업이다. 수만 명의 인증 엔지니어 투입과 코드 95%를 AI가 작성한 OASIS의 구현 사례는 보안과 가용성을 동시에 확보하며 시스템을 전환하는 구체적인 검증 경로를 보여준다.

결국 규제 산업의 AI 전환 성패는 모델의 지능이라는 추상적 성능이 아니라, 까다로운 제약 조건 속에서 이를 실제 시스템에 안정적으로 안착시키는 엔지니어링의 규모와 정교한 검증 역량이 결정한다.