개발 현장에서 생성AI 도입이 급증하고 있지만, 결과물의 신뢰성과 품질 관리 문제는 여전히 해결되지 않았다. 코드 생성은 빨라졌지만, 테스트와 검증 과정에서 오류가 누적되고 AI의 판단 근거를 이해하기 어려워졌다. 

MIT가 2025년 발표한 연구에 따르면 개발자의 84%가 AI를 사용하거나 사용할 계획이지만, 실제로 AI의 결과를 신뢰하는 비율은 33%에 불과하다. 가트너(Gartner) 조사에서는 기업의 42%가 AI 프로젝트를 포기했다고 밝혀, 통합과 품질 관리의 난이도를 보여준다. 바로 이 지점이 ‘품질 인텔리전스 격차(Quality Intelligence Gap)’다.

글로벌 품질 엔지니어링 기업 앱스트랙타(Abstracta)가 소프트웨어 딜리버리 과정에서 품질 인텔리전스 격차를 해소할 수 있는 AI 기반 품질 운영 플랫폼 ‘앱스트랙타 인텔리전스(Abstracta Intelligence)’를 출시했다고 밝혔다. 

MCP 기반 통합 구조로 품질 데이터 신뢰성 강화

이 플랫폼은 단순 테스트 자동화가 아니라, 프레임워크·코파일럿·컨텍스트 인식 에이전트를 결합해 AI 품질 관리 전 과정을 통합 운영한다. MCP(Model Context Protocol) 기반으로 다양한 엔터프라이즈 시스템과 AI 생태계에 통합된다. 이로써 품질 데이터의 맥락·신뢰성·추적 가능성을 보장하며, QA 프로세스 전반의 일관성을 확보한다. 

플랫폼의 핵심은 앱스트랙타가 자체 개발한 오픈소스 프레임워크 ‘테로(Tero)’다. 테로는 AI 에이전트를 구축하는 기술로, 이를 토대로 품질 거버넌스와 도메인별 AI 에이전트를 확장해 기업이 안전하게 대규모 AI 운영을 수행할 수 있다.

시스템·컨텍스트·사람 연결

앱스트랙타 인텔리전스의 차별점은 시스템·컨텍스트·사람을 연결하는 구조다. 지라(Jira), 포스트맨(Postman), 플레이라이트(Playwright), 셀레늄(Selenium), CI/CD 파이프라인, AS/400, 코어 뱅킹 시스템 등 실제 개발·운영 도구와 AI 기반 이해 계층(RAG + 프롬프트)을 연계해, 품질 데이터를 해석 가능한 워크플로로 전환한다. 이를 통해 결함 원인, 릴리스 영향도, 품질 지표를 실시간으로 확인하고, 모든 프로세스를 감사 가능한 인사이트로 변환할 수 있다.

앱스트랙타 인텔리전스는 다음 세 가지 구성요소를 중심으로 운영된다.

‘테로 프레임워크(Tero Framework)’는 실제 엔터프라이즈 도구 및 데이터에 연결된 AI 에이전트 개발용 오픈소스 기반이다. ‘AI 익스피리언스(AIX)’는 팀이 AI를 책임감 있게 도입할 수 있도록 지원하는 프로그램이다. ‘임팩트 대시보드(Impact Dashboard)’는 절약된 시간, 방지된 결함, 개선된 속도 등 품질 효과를 실시간으로 가시화한다.

이 세 요소를 통합해 AI 품질 운영의 투명성·추적성·ROI를 측정할 수 있으며, AI를 딜리버리 파이프라인에 안전하게 내재화한다.

앱스트랙타는 금융권·핀테크·엔터프라이즈 부문에서 파일럿 테스트를 통해 성과를 입증했다.금융팀은 오류를 조기에 감지해 디버깅 속도 50% 단축, 인시던트 해결 속도를 2배로 향상했다. 핀테크 기업은 검증 프로세스 자동화를 통해 규제 준수와 기능 출시 30% 가속화했다. 엔터프라이즈팀은 테스트 생성·시스템 문서화 등 반복 작업을 줄여 생산성 30% 개선하고, 엔지니어가 고부가가치 개발에 집중할 수 있었다.

앱스트랙타 공동대표 소피아 팔라마르추크(Sofía Palamarchuk)는 “CIO와 CTO의 가장 큰 고민은 AI를 안전하게 확장하면서 ROI를 증명하는 것”이라며 “앱스트랙타 인텔리전스는 재현이 어려운 버그나 불안정한 환경 등 90%의 반복 품질 문제를 AI 에이전트가 해결해, 팀의 시간을 70~80% 절감할 수 있을 것”이라고 강조했다.