미국 현장 서비스 플랫폼 기업 서비스타이탄(ServiceTitan)의 수석 AI 엔지니어 데이비드 스타인이 AI 에이전트를 이용해 수백 개의 레거시 보고 지표를 새로운 아키텍처로 몇 주 만에 이전한 사례를 InfoQ에서 공개했다. 기존 방식이라면 수 개 분기에서 수 년이 걸릴 대규모 코드 마이그레이션을 AI 에이전트 조립 라인 구조로 획기적으로 단축한 것이다.
핵심 원리는 거대한 마이그레이션 과제를 AI 에이전트가 독립적으로 완수하고 검증할 수 있는 작은 단위로 분해하는 것이다. 스타인은 이를 ‘분해(Decompose)-표준화(Standardize)-자동화(Automate)’의 세 단계로 정리했다. 각 작업에 필요한 컨텍스트를 표준화하고, 에이전트가 스스로 코드를 작성한 뒤 결과를 검증 도구로 확인하는 자기 수정 루프를 구축하는 방식이다. 검증 스크립트의 정확도가 전체 자동화의 성패를 좌우했으며, 검증이 불완전하면 에이전트가 잘못된 결과를 성공으로 판정하고 계속 진행하는 문제가 발생했다.
실제 사례에서 복잡도가 높은 일부 지표는 엔지니어가 직접 개입해야 했으나, 대다수는 자동화 조립 라인으로 처리됐다. 서비스타이탄은 Cursor와 AI 코딩 모델을 활용해 작업별 목표 상태를 텍스트 파일로 명시하고, Snowflake 데이터베이스 CLI 접근 도구를 에이전트에 제공해 실제 데이터를 기반으로 검증이 이뤄지도록 했다. 스타인은 “레거시 코드 마이그레이션이 더 이상 수년짜리 산처럼 느껴지지 않게 됐다”며 AI 에이전트 덕분에 과거라면 엄두도 못 냈던 아키텍처 전환을 과감히 시도할 수 있는 시대가 열렸다고 밝혔다.
이 사례는 AI 코딩 도구를 단순한 생산성 보조 수단이 아니라 조직 단위의 대형 기술 부채 해소에 쓸 수 있음을 보여준다. 에이전트가 이해할 수 있는 수준의 작업 단위 설계와 강력한 자동 검증 체계를 갖추면, AI가 수백 건의 반복 작업을 병렬로 처리하는 조립 라인 구조가 현실적으로 가능하다. 소프트웨어 업계에서 기술 부채 해소에 드는 비용과 위험 부담이 줄어들 경우, 아키텍처 혁신의 주기도 빨라질 것으로 보인다.
