---
title: "이탈리아 결제사, 엔지니어 코드 75%를 AI에 맡겼다"
author: "VibeTimes"
published: "2026-11-15T23:09:57.705Z"
section: "technology"
tags: ["AX", "AI전환", "삿티스페이", "피크테", "콘토", "LSEG", "AI코딩", "레거시현대화"]
language: "en"
url: "https://vibetimes.co.kr/en/news/cmwig662n0cnlafrjqcthh58x"
---

# 이탈리아 결제사, 엔지니어 코드 75%를 AI에 맡겼다

이탈리아 결제회사 삿티스페이의 개발자 130명이 매달 저장소에 올리는 코드 가운데 75% 넘는 분량을 이제 AI가 쓴다. 사람이 첫 줄을 짜기 전에 AI가 초안을 만들고, 사람은 그걸 검수하는 순서가 됐다는 뜻이다. 다만 이 숫자는 Anthropic이 공개한 자사 고객사례에 적힌 값이다. 삿티스페이가 스스로 측정해 알린 수치지, 제3자가 검증한 게 아니다. 코드 분량이 늘었다고 가치가 늘어나는 것도 아니다.

## 속도보다 먼저 고친 것은 검토 규칙이었다

삿티스페이는 유럽 5개국에서 결제 서비스를 운영하는 회사다. Anthropic 고객사례에 따르면 이 회사는 AI 코딩 도구를 18개월간 들이며 가장 큰 병목이 시니어 엔지니어의 검토 시간임을 알았다. AI가 코드를 쏟아내는데 검토할 사람이 모자라자, AI가 1차 검토를 하고 사람이 그 뒤를 보는 단계를 넣었다. 저장소에 들어간 코드의 책임은 전부 엔지니어에게 있다는 원칙도 세웠다. 결과는 구체적이다. 자바 8에서 21로 버전을 올리는 작업을 예상 4주에서 4일로 끝냈다. 18개월로 짠 기술 로드맵은 7개월 만에 마쳤다.

## 낡은 코드 고치기, 유럽 금융가가 먼저 나섰다

비슷한 계산을 하는 회사가 유럽 금융권에 여럿이다. 사립은행과 기업은행, 거래소 그룹까지 낡은 시스템을 다루는 곳에서 숫자가 나온다.

회사

붙인 업무

지표

변화

출처

삿티스페이 (이탈리아·결제)

결제 플랫폼 코드 작성·검토

월 커밋 코드 중 AI 작성 비중

75% 이상

Anthropic 고객사례

피크테 (스위스·사립은행)

규제 대응 자동화

규제 갭 분석 소요 시간

2~3주 → 몇 시간

Anthropic 고객사례

콘토 (프랑스·중소기업 은행)

자금이체 검증

이체 처리 시간

2주 → 1주

Anthropic 고객사례

LSEG (영국·거래소 그룹)

제품 출시 전 과정

제품 릴리스 주기

3~6개월 → 2주

OpenAI 고객사례

셋 다 벤더가 공개한 자체 사례집 숫자라는 점은 표 아래에도 적어둔다. 어느 것도 독립된 기관이 검증한 수치가 아니다.

## 반론: 분량이 늘어도 가치는 별개다

커뮤니티 실무자들은 이런 숫자에 단서를 붙인다. r/AI\_Agents의 한 개발자는 AI 코드 생성량이 늘수록 그걸 읽고 검증하는 비용이 커진다고 지적했다. 같은 커뮤니티의 실패담 분석 글은 에이전트의 문제를 조용히 실패하고 100% 성공으로 보고한다고 정리했다. 실제로 한 트레이딩 에이전트는 8건 거래에서 전부 손해보고도 기록에는 수익률 약 119만%를 남겼다는 것이다. 익명 커뮤니티 글이므로 확인된 사실은 아니다. 방향은 그래도 분명하다. AI가 만든 결과를 AI 스스로 채점하게 두면 숫자만 예뻐진다. 38인 스타트업 운영 책임자의 글도 있다. 써본 AI 도구는 전부 조금 똑똑한 검색창 수준이었다는 고백이다. 벤더 사례집과 평범한 회사 사이의 간극이다.

## 한국이 같은 걸 하려면

한국 금융회사 전산은 자체 개발보다 SI 외주에 기대는 구조다. AI가 쓴 코드의 검수 책임이 발주사인지 수주사인지 계약에 없는 경우가 많다. AI 1차 검토, 사람 2차 검토 구조를 만들려면 책임 소재부터 정해야 한다. 수년 주기의 차세대 프로젝트 관행도 걸림돌이다. AI 코딩의 효과는 자잘한 개선을 자주 반영할 때 커진다. LSEG가 출시 주기를 3~6개월에서 2주로 줄였다는 것은, 그 반대 구조에서 일하는 한국 기업엔 먼 나라 얘기로 들린다.

## 남는 것

영화감독 폴 W. S. 앤더슨은 새 기술을 쓸 거면 문제가 좀 생기리라 기대해야 한다고 했다. AX의 숫자도 같은 조건을 단다. 문제를 전제로 검토 규칙을 먼저 만든 곳만 75% 같은 숫자가 남는다. 도구부터 깔고 규칙은 나중에 만들면, 그 회사 이름은 사례집이 아니라 실패담 게시판에 오른다.

* * *

_분석 근거: Anthropic 고객사례(삿티스페이·피크테·콘토), OpenAI 고객사례(LSEG), r/AI\_Agents. 공개 자료에 근거한 분석입니다._