
오픈AI가 공식 블로그에서 고객 현장 AI 구축팀 FDE의 운영 사례를 공개했다. 한 반도체 고객사의 업무 도구를 코덱스 공통 기반으로 재구성해 프로젝트별 맞춤 코드의 약 90%를 줄였다고 밝혔다.
FDE는 고객사 엔지니어와 함께 실제 업무에 AI를 적용하고, 여기서 드러난 한계를 제품·연구 조직에 전달하는 역할을 맡는다. 오픈AI는 2025년 초 이 팀을 만들었으며, 모델이 보여주는 능력과 현장에서 안정적으로 쓸 수 있는 시스템 사이의 간극을 줄이는 것이 목표라고 설명했다.
반도체 고객사에는 2025년 중반 약 15명의 FDE가 투입돼 10개가 넘는 활용 과제를 다뤘다. 테스트 생성, 결함 원인 분석과 디버깅, 설계 지원 등이 대상이었다. 팀은 고객사 검증 엔지니어와 평가 체계를 만들고 업무별 실행 환경을 구축해, 첫 3~6개월 동안 해당 도구들을 실제 운영과 초기 이용 단계에 올렸다고 밝혔다.
이후 과제는 다른 팀에서도 같은 도구를 쓰도록 만드는 일이었다. 오픈AI는 개별 애플리케이션을 코덱스의 공통 기능 위에서 동작하는 플러그인과 스킬로 바꾸고, 업무마다 따로 만들었던 터미널 화면과 명령줄 도구를 코덱스 인터페이스로 통합했다. 약 90%라는 코드 감소 수치는 이 재구성 과정에서 제시한 결과다.
공통 기반을 갖춘 뒤에는 연결 도구나 MCP 서버를 바꾸고 새로운 평가를 추가하는 방식으로 적용 범위를 넓혔다. 회사가 소개한 2026년 8월 사례에서는 첫 배포에 두 달이 걸렸지만, 두 번째 팀에 확장하는 데는 하루가 걸렸다. 다만 이는 오픈AI가 공개한 개별 고객 사례로, 모든 기업에서 같은 코드 감소율이나 도입 시간을 얻는다는 뜻은 아니다.
제품을 단순화하는 것만으로 풀리지 않는 문제도 있었다. 한 통신 고객사의 음성 상담 과제에서는 초기 핵심 평가 점수가 약 60%에 머물렀다. FDE가 고객과 플랫폼 및 요구 조건을 정리하고 연구 조직이 모델을 개선한 결과, 6개월에 걸쳐 해당 평가가 80%, 이후 90% 이상으로 높아졌다고 오픈AI는 설명했다. 이 수치 역시 해당 업무의 평가 결과이며 범용 모델 성능을 나타내는 지표는 아니다.
이번 공개는 기업 AI 도입에서 시연용 기능을 만드는 일과 반복해서 운영할 수 있는 시스템을 만드는 일이 다르다는 점을 보여준다. 오픈AI가 제시한 접근은 고객 업무에 맞는 평가로 실효성을 확인한 뒤, 검증된 기능을 공통 구성 요소로 옮기는 방식이다. 코드를 빠르게 작성하는 능력뿐 아니라 업무 이해, 유지보수와 재사용을 함께 설계하는 역량이 중요해지는 대목이다.
출처: 오픈AI 공식 블로그 ‘What FDE means at OpenAI’ https://openai.com/index/forward-deployed-engineering-means/