GM의 자율주행 부문, AI에이전트로 코드 병합 건수 3배 증가

미국 자동차 대기업 General Motors(GM)의 자율주행 부문이 AI에이전트를 엔지니어링의 핵심에 자리매김한 결과, 코드 병합 건수(풀 리퀘스트)가 약 3배 증가했다. 부사장 라셰드 학 씨가 2026년 VB Transform 컨퍼런스에서 밝힌 내용으로, 릴리스 속도 향상과 함께 개발 후단계로 넘어가는 버그 감소도 동시에 실현했다고 한다.

이 활동의 출발점이 된 것은 엔지니어 실태 조사였다. GM의 자율주행 엔지니어가 실제로 코드를 작성하는 시간은 업무 전체의 단 15%에 불과함이 드러났다. 나머지 85%는 차량 데이터 분석, 문제 분류, 실험 실행, 수정안 검증 등의 작업으로 차지되고 있다. 이는 특수한 경우가 아니며, 2019년 Microsoft가 약 6,000명의 개발자를 대상으로 실시한 조사에서도 코딩에 투자하는 시간이 하루 평균 66~96분(8시간 근무의 14~20% 정도)에 불과함이 보여진다. 즉, 엔지니어는 AI가 등장하기 훨씬 이전부터 코딩 이외의 업무에 대부분의 시간을 투자해왔다.

이러한 실태를 바탕으로 GM은 「코딩 지원 도구를 추가한다」는 발상이 아니라, 엔지니어링의 워크플로우 전체를 AI에이전트 중심으로 재설계하는 접근 방식을 채택했다. 학 씨는 「코딩을 할 수 있는 챗봇을 제공하기만 해서는 프로세스에 비효율이 남아 있다」고 언급했으며, 단순한 AI 보조 도구 도입과는 구별된다. 구체적으로는 소프트웨어 개발 및 검증을 수행하는 시뮬레이션, 공도 차량 테스트, 고객 납차 후 모니터링이라는 여러 「루프」로 업무를 분할하고, 각각에서 가장 큰 병목을 식별하여 자동화하는 사이클을 반복했다고 한다.

기술 측면에서는 AI에이전트가 사내 도구 및 페타바이트 규모의 데이터에 접속할 수 있도록 MCP(Model Context Protocol—AI에이전트가 외부 도구 및 데이터와 연계하기 위한 규격) 서버를 맞춤형으로 구축했다. 또한 에이전트가 특정 작업을 어떻게 실행해야 하는지를 기술한 버전 관리되는 「스킬」 문서도 정비했다. 실용 사례 중 하나가 주행 데이터의 활용이다. 공도를 달리는 차량에서 수집한 텔레메트리(센서 및 상태 계측 데이터)를 에이전트가 자동으로 분석하고 문제의 초기 분류를 수행한 뒤 엔지니어에게 조사 티켓을 생성한다. 나아가 MCP를 통해 GM의 차량 텔레메트리 가시화 시스템 「WebViz」가 사용하는 내부 도구를 직접 호출하는 구조도 갖춰 GUI 조작을 거치지 않고 처리를 완료할 수 있다.

이 활동이 업계에 시사하는 바는 생산성 향상의 「어디에 손을 대야 하는가」라는 질문에 대한 하나의 답을 제시하고 있다는 점이다. 코딩 자동화가 논의의 중심이 되는 경향 속에서, GM의 사례는 그 전후에 있는 분석·검증·트리아주라는 작업이 시간의 대부분을 차지하고 있으며, 바로 그곳에 개선의 여지가 있음을 수치로 입증했다. AI에이전트를 「사용하는」 단계에서 「워크플로우에 통합하는」 단계로 전환한 모델 사례로 자리매김된다. 자율주행이라는 안전성에 대한 요구가 극도로 높은 분야에서 성과를 낸 점은 다른 산업으로의 에이전트 확대를 검토하는 기업에게도 판단의 기준이 될 수 있다는 평가가 나온다.