디지털 전환이 가속화되면서 품질 엔지니어링(QE)은 기존의 테스트 자동화에서 벗어나 생성AI 기반의 예측·분석 중심 구조로 이동하고 있다. 소프트웨어가 복잡해지고 배포 속도가 빨라지면서, 테스트 단계만으로 품질을 확보하는 방식은 더 이상 지속 가능하지 않다. 이에 따라 기업들은 대규모 언어 모델과 자동화된 품질 운영 체계를 활용해 개발·테스트·운영 전반에서 품질을 관리하는 통합 접근을 시도하고 있다.

그러나 생성AI의 확산 속도에 비해 조직의 데이터 관리 체계, 거버넌스, 기술 전문성 확보는 속도를 따라가지 못하고 있다. 특히 엔터프라이즈 환경은 복잡한 시스템 구조와 높은 보안·컴플라이언스 요구를 갖고 있어 AI 품질 엔지니어링의 대규모 확장에는 기술적·운영상 제약이 동시에 발생한다.

오픈텍스트가 발표한 ‘세계 품질 보고서 2025’는 이러한 AI 전환 흐름 속에서 실제 도입 수준, 장벽, 운영 성과, 변화하는 QE 전략을 정량적으로 보여주고 있다.

생성AI 도입 확대...그러나 대규모 확장은 15%에 불과하다

응답 기업의 89%는 생성AI 기반 품질 엔지니어링을 시범 운영 또는 배포 중이라고 답했다. 37%는 이미 생산 단계에 있으며, 52%는 시범 운영 단계에서 활용 중이다. 이는 품질 엔지니어링에서 생성AI가 실험 영역을 넘어 운영 프로세스에 본격적으로 편입되고 있음을 의미한다.

보고서에 따르면 2023년 69%가량이 도입을 시도하지 않았던 상황과 비교하면 도입 기반은 크게 확대됐다. 그러나 2024년 4%였던 ‘미도입 기업’ 비율이 2025년 11%로 증가한 점은 초기 과열 이후 보다 신중한 접근이 확산되고 있음을 보여준다.

확장이 가장 어려운 구간은 엔터프라이즈 전체 수준의 통합이다. 응답자의 15%만이 기업 전체 적용을 달성했으며, 43%는 실험 단계에 머물러 있다. 30%는 제한된 일부 프로젝트에만 활용하는 등 적용 범위가 제한적이다. 기술 도입 의지는 높지만 실제 운영 환경에 통합하는 과정이 복잡하다는 점이 결과로 나타났다.

생성AI의 역할도 발전하고 있다. 기존에는 결함 분석 및 보고 등 출력 분석 중심으로 활용됐지만, 최근에는 테스트 케이스 설계, 요구사항 개선 등 입력 형성 단계에서의 활용이 증가해 품질 프로세스 전반에 AI를 확장하려는 흐름이 강해지고 있다.

통합 복잡성·데이터 프라이버시·기술 격차가 최대 장벽

2025년 품질 엔지니어링 확대의 가장 큰 장애물은 통합 복잡성(64%), 데이터 프라이버시 위험(67%), 환각과 신뢰성 문제(60%)로 조사됐다. 이는 2024년 주요 장애 요인이 ‘검증 전략 부족’이나 ‘조직 구조 미정’ 등 전략적 요인이었던 것과 달리, 실제 운영 단계에서 직면하는 기술적 문제가 크게 부각된 결과다.

AI·ML 전문성 부족은 50% 수준으로 2024년과 동일해 여전히 해결되지 않은 기술 격차로 남아 있다. 또한 많은 기업이 생성AI를 전사적 혁신 수단이 아닌 전술적 도구로만 활용해 이니셔티브가 단편적으로 운영되고 예산이 충분히 배정되지 않는 문제가 지속되고 있다.

생성AI 도입 기업이 보고한 평균 생산성 향상은 약 19%로 나타났으나, 3분의 1은 극히 제한적인 성과만 경험했다고 답했다. 이는 기술 도입만으로 효과를 기대하기 어렵고, 데이터 품질·거버넌스·프로세스 정비 등 뒷받침 구조가 필요함을 보여준다.

오픈텍스트의 탈 레비-조셉(Tal Levi-Joseph)은 “AI는 소프트웨어 제공 라이프사이클 전반을 변화시키고 있으며 더 이상 도입을 미룰 수 없다”고 강조했다. 그는 “AI는 역량을 증폭시키는 기술이지 대체 기술이 아니며, 설계·개발·테스트 기반을 강화하는 기업이 성공한다”고 말했다.

캡제미니의 마크 부에넨(Mark Buenen)은 “생성AI는 초기 실험 단계를 넘어 전략적 통합 단계로 진입했으며, 2025년 조직들은 ROI와 거버넌스 중심으로 재조정할 것”이라고 밝혔다.

또한 보고서는 인간 전문성과 AI 알고리듬의 협력 구조가 향후 품질 엔지니어링의 핵심이라고 분석했다. 시프트 레프트가 여전히 중심 전략이지만, 운영 단계에서 품질을 측정·검증하는 시프트 라이트 전략도 점차 주목도가 높아지고 있다.

세계 품질 보고서 2025는 생성AI가 품질 엔지니어링 전반에서 핵심 역할을 확장하고 있음을 보여준다. 그러나 엔터프라이즈급 확장은 통합 복잡성, 데이터 프라이버시, AI 신뢰성 등 기술적 장벽으로 인해 제한적이다. 보고서는 AI의 잠재력을 실질적 성과로 전환하기 위해 거버넌스와 데이터 기반 품질 체계 강화가 필수적임을 강조하고 있다.