---
title: "LG CNS, 20년 코드를 7개월에 절반값으로"
author: "VibeTimes"
published: "2026-08-06T23:04:42.222Z"
section: "technology"
tags: ["AX", "AI전환", "LG", "CNS", "Claude", "Code", "레거시시스템전환", "Notability", "Figma", "CarMax"]
language: "en"
url: "https://vibetimes.co.kr/en/news/cmsi4idaw0t4t5dznxtl8vafg"
---

# LG CNS, 20년 코드를 7개월에 절반값으로

LG CNS가 최근 공개한 사례에 따르면, 20년 된 레거시 시스템의 API 2,913개 중 2,888개를 Claude Code로 전환해 99.1%라는 완료율을 찍었다. 기간은 7개월, 비용은 기존 방식 대비 약 절반이라고 밝혔다. 숫자만 보면 매력적이지만, 이 수치를 발표한 건 LG CNS 자신과 이를 고객사례로 소개한 Anthropic이다. 전환되지 못한 나머지 25개 API에서 무슨 일이 있었는지, 전환된 코드의 품질을 누가 얼마나 검수했는지는 이 사례집에 나오지 않는다.

## 20년 묵은 코드가 7개월 만에 넘어간 과정

LG CNS는 이 프로젝트를 'Build Factory'라는 이름으로 운영했다. 대상은 한 건설사의 20년 된 프로젝트관리 시스템으로, 수주부터 정산까지 전 과정을 담당하는 시스템이었다. 스토어드 프로시저가 1만 줄을 넘고 문서화가 얕은 코드베이스를, 200명 규모의 Build Center 조직이 5~7명 단위 팀(솔루션 오너·아키텍트·엔지니어·데브옵스)으로 쪼개 맡았다. 화면 1,340개는 프런트엔드를 React로, 백엔드와 동시에 24시간 병렬 트랙으로 옮겼다는 게 회사 측 설명이다. Claude Code는 Amazon Bedrock을 통해 AWS 보안 경계 안에서 돌아갔고, 이 점이 금융권 등 규제 산업 고객을 설득하는 데 유효했다고 LG CNS는 밝혔다.

## 벤더 사례집을 나란히 놓으면

회사

붙인 업무

지표

변화

출처

LG CNS

20년 레거시 시스템 API·화면 전환

API 전환 완료율

2,913개 중 2,888개(99.1%), 7개월, 기존 대비 약 50% 비용

Anthropic 고객사례(LG CNS)

Notability

학습 앱 퀴즈·요약 생성(Notability Learn)

사용자 신고율

1만 문항당 33건→18건, 약 45% 감소

Anthropic 고객사례(Notability)

Figma

디자인→코드 프로토타입 생성(Figma Make)

제작 시간

담당 PM 개인 사례: React 독학 30시간 대비 기존 코드 리팩터링 하루

Anthropic 고객사례(Figma)

CarMax

자동차 리뷰 요약 콘텐츠 생성

제작 기간

5천개 페이지 분량, 수작업 기준 11년치를 수개월에, 편집 승인율 80%

마이크로소프트 Azure OpenAI 고객사례(CarMax)

네 사례 모두 벤더나 고객사가 직접 공개한 숫자이고, 독립된 제3자가 검증한 자료는 아니다. Figma 사례는 회사 전체 지표가 아니라 담당 PM 한 명의 경험담이라는 점도 짚어둘 필요가 있다. Notability의 45% 감소는 그나마 시계열로 추적된 지표라 상대적으로 구체적이다.

## "검수를 안 줄이면 자동화가 아니라 일이 옮겨간 것"

Reddit r/AI\_Agents에는 견적서를 자동 초안하는 시스템을 만들었다가 테스트에서 95% 정확도를 찍고 박수까지 받았는데, 실제 현장에서는 사무직원이 모니터 두 대를 켜놓고 AI 산출물과 원본 이메일을 한 줄씩 손으로 대조하고 있더라는 익명 글이 올라왔다. 글쓴이는 "사람이 AI가 한 일을 전부 검수해야 한다면, 그건 자동화가 아니라 일이 옮겨간 것일 뿐"이라고 썼다. Hacker News에서도 비슷한 지적이 나온다. AI 에이전트에 실행 권한을 줄지 승인하는 게임을 4만 회 플레이한 결과, 플레이어들이 위협의 3분의 1을 놓쳤다는 글에 달린 댓글들은 "사람이 매번 확인하도록 만드는 보안 모델은 이전에도 계속 실패했다"고 못박는다. 실제 예약을 받는 음성 에이전트를 5주 운영한 익명 커뮤니티 글에서는 시스템 프롬프트에 적어둔 규칙을 모델이 계속 우회해, 결국 서버단 강제 규칙으로 옮긴 뒤에야 문제가 멈췄다고 한다. LG CNS 사례의 99.1%도 남은 0.9%와 검수 공수를 얼마나 계산에 넣었는지는 공개되지 않았다.

## 한국 기업이 걸리는 지점

LG CNS 사례가 눈에 띄는 이유는 국내 기업이 스스로 실행한 흔치 않은 대규모 도입이기 때문이다. 다만 이 회사는 200명 규모 전담 조직과 자체 오케스트레이션 레이어를 따로 구축했다. 스토어드 프로시저와 MiPlatform 같은 국내 특유의 레거시 스택을 다루는 검증·품질관리 체계를 자체적으로 짜지 못하면, 같은 Claude Code를 붙여도 결과는 달라질 가능성이 크다. 결과가 좋았던 것도 도구보다 이 조직 설계 쪽 공이 더 클 수 있다.

## 남는 숫자, 남지 않는 숫자

99.1%든 45%든 이 지면에 쏟아지는 숫자는 전부 발표자 자신의 성공 지표다. 실패했거나 중단된 프로젝트는 애초에 사례집에 오르지 않는다. 검수 인건비, 유지보수 비용, 실패한 파일럿까지 포함한 전체 그림은 회사 재무제표나 몇 년 뒤 후속 보도에서나 확인될 것이다. 지금 확인할 수 있는 건 어떤 업무에, 어떤 조직이, 어떤 검증 체계를 붙였을 때 숫자가 크게 나왔는지 정도다.

* * *

_분석 근거: Anthropic 고객사례(LG CNS, Notability, Figma), 마이크로소프트 Azure OpenAI 고객사례(CarMax), Hacker News 토론, r/AI\_Agents. 공개 자료에 근거한 분석입니다._