AI 개발 워크플로우 엔지니어링 패턴 도입 (사내 LLM 기반 개발 워크플로우)

외부 LLM을 쓸 수 없는 보안 제품사 환경에서, 시중 자동화 도구 대신 사내 LLM 결합 워크플로우를 직접 만들어 쓰는 ‘AI 개발 워크플로우 엔지니어링’ 패턴을 설계하고 도입했습니다.

배경·과제

• 보안 제품사 특성상 외부 LLM 사용이 금지되어 있어, 시중 자동화 도구를 그대로 들여올 수 없었습니다. 사내에서 LLM을 결합하는 워크플로우를 직접 만들어야 했습니다.

• TextRAG·GitLab MR 리뷰봇 같은 개별 도구와 개인 OSS(Glimi 등) 경험이 흩어져 있어, 재현 가능한 하나의 패턴으로 묶을 필요가 있었습니다.

수행·기여

• 사내 코드와 문서를 의미 기반으로 검색하는 TextRAG 위에, 그 컨텍스트를 Claude Code와 MR 리뷰봇이 받아 MR 코멘트·명세 작성으로 출력하는 결합 구조를 패턴으로 정의했습니다. 내부 자료가 외부로 나가지 않는다는 제약도 패턴 안에 담았습니다.

• 설계·구현·리뷰·문서화 각 단계에 LLM을 점진적으로 적용하는 방식으로 iOS 팀 작업에 도입했습니다.

• 경력 DB·이력서·자소서 작성에도 같은 사내 LLM 결합 구조를 적용해, 패턴이 범용적으로 동작하는지 검증했습니다.

• book-forge(도서 원고를 docx로 변환)·Glimi 등 개인 OSS에서 얻은 경험을 사내 패턴으로 옮겼습니다.

성과

• TextRAG와 GitLab MR 리뷰봇을 사내 운영 단계까지 도입했습니다.

• iOS 팀의 설계·리팩토링·명세화 작업에 LLM 결합을 적용해 작업 수행 속도를 개선했습니다.

• 보안 제약 아래에서도 LLM 활용이 가능함을 실제 운영으로 입증했고, AOS·웹·서버 등 다른 팀으로 확장할 수 있는 사내 패턴으로 정리했습니다.