생성형 AI 코딩 도구는 개발 속도를 높일 수 있지만 대부분 외부 클라우드와 통신하는 방식으로 작동한다. 개발자가 입력한 명령과 내부 소스코드가 외부 서버로 전송되기 때문에 망분리 규정을 적용하는 공공·금융·국방·의료기관은 도입에 제약을 받는다. 이러한 조직에서 AI 코딩 에이전트를 활용하려면 모델부터 코드 분석과 실행 환경까지 내부 인프라에서 운영해야 한다. 팀스파르타가 인터넷 연결 없이 코드 생성과 검토, 빌드·테스트·배포를 수행하는 폐쇄망 코딩 에이전트 ‘AX 포트리스’를 공개했다.
AI 업스킬링 기업 팀스파르타는 지난 19일 서울 코엑스에서 열린 ‘AI 서밋 서울 & 엑스포 2026’에 참가해 폐쇄망 기반 AI 코딩 에이전트 ‘AX 포트리스(AX Fortress)’를 시연했다.
AI 서밋 서울은 디엠케이글로벌과 코엑스, 한국무역협회가 공동 주최하는 AI 행사다. 올해 행사에는 기업의 생성형 AI 도입과 AI 에이전트, 산업별 활용 사례 등을 주제로 한 전시와 콘퍼런스가 마련됐다.
팀스파르타는 행사장에 인터넷 연결을 차단한 워크스테이션을 설치했다. 방문자가 개발 과제를 입력하면 AX 포트리스가 코드를 생성하고 자동완성·검토한 뒤 빌드와 테스트, 배포 과정까지 수행하도록 체험존을 구성했다.
팀스파르타가 ‘AI 서밋 서울 2026’에서 인터넷 연결 없이 작동하는 폐쇄망 AI 코딩 에이전트 ‘AX 포트리스’를 시연했다. (사진 제공: 팀스파르타)
AX 포트리스는 외부 통신을 차단한 온프레미스 패키지 형태로 제공된다. 기업 내부 서버나 워크스테이션에 모델과 코딩 에이전트를 함께 설치해 개발자의 명령과 소스코드가 외부 클라우드로 전송되지 않도록 설계했다.
지원 기능은 코드 자동완성과 함수 생성, 리팩토링, 코드 검토, 레거시 시스템 분석 등이다. 에이전트가 개발 환경과 연결되면 코드 작성 이후 빌드와 테스트 결과를 확인하고 오류를 수정하는 작업도 수행한다. 조직 내부의 코드와 개발 규칙을 활용해 전용 AI 개발 환경을 구성할 수도 있다.
AX 포트리스에는 팀스파르타가 개발한 1220억 파라미터 규모 언어모델 ‘K-AX 스파르탄 122B’가 탑재됐다. 회사에 따르면 최대 100만 개 토큰의 컨텍스트를 지원해 A4 문서 약 1500장에 해당하는 내용을 한 번에 분석할 수 있다. 다만 실제 처리할 수 있는 문서 분량은 코드와 문서의 언어, 토큰 변환 방식에 따라 달라질 수 있다.
응답 속도는 초당 50토큰 수준이며 워크스테이션 한 대를 기준으로 코드 자동완성 응답 시간이 0.3초 미만으로 측정됐다는 것이 회사 측 설명이다. 파이썬 코딩 성능은 함수 호출 능력을 평가하는 BFCL V4에서 95.25%를 기록했다.
팀스파르타는 사용량에 따른 API 비용이 추가되지 않는 점도 강조했다. 조직 내부 인프라에 모델을 설치하기 때문에 개발자가 이용할 때마다 토큰 비용이 발생하는 클라우드 API와는 비용 구조가 다르다. 이용 인원이 많은 조직은 일정한 서버 운영비를 기준으로 예산을 설계할 수 있다.
자체 모델 기술을 검증하기 위해 개발한 초경량 모델 ‘K-AX 스파르탄 체리 1.8B’는 과학기술정보통신부와 한국지능정보사회진흥원(NIA)이 운영하는 AI-Hub K-AI 리더보드의 HLE(Ko) 평가에서 0.123점을 기록했다. 현재 공개된 리더보드에서는 국내 모델 가운데 가장 높은 점수다.
HLE(Ko)는 과학과 수학, 인문학 등 여러 분야의 고난도 문제를 한국어로 제시해 모델의 추론 능력을 평가하는 지표다. 팀스파르타가 공개한 1.8B 모델은 같은 평가에서 0.073점을 기록한 차순위 모델을 앞섰다.
다만 리더보드에 제출된 모델은 AX 포트리스에 탑재된 122B 모델이 아니라 1.8B 초경량 모델이다. 해당 점수는 팀스파르타의 경량 모델 개발 능력을 확인할 수 있는 지표지만 AX 포트리스의 코드 생성과 레거시 분석 성능을 직접 입증하는 수치로 해석하기는 어렵다. 제품 도입 단계에서는 실제 사내 코드와 개발 과제를 활용한 별도의 검증이 필요하다.
성능보다 운영 조건…하드웨어·업데이트·감사체계가 도입 변수
폐쇄망 AI의 장점은 데이터가 조직 밖으로 나가는 경로를 줄일 수 있다는 점이다. 반면 모델을 실행할 GPU 서버와 저장장치, 전력·냉각 설비를 조직이 직접 마련하고 운영해야 한다. 122B 규모 모델의 실제 구동에 필요한 하드웨어 구성과 동시 이용자 수, 응답 속도, 장애 대응 방식은 도입 비용에 직접적인 영향을 준다.
사용량에 따른 토큰 과금이 없더라도 전체 비용을 판단할 때는 서버 구매·임차비와 설치, 유지관리, 모델 업데이트 비용을 함께 계산해야 한다. 이용자가 늘어나면 동시 요청을 처리하기 위한 추가 장비가 필요할 수 있으며 조직별 보안 정책에 맞춘 구축과 검증에도 시간이 들어간다.
모델과 개발도구를 최신 상태로 유지하는 방식도 중요하다. 인터넷에서 분리된 환경에서는 새로운 프로그래밍 언어와 라이브러리, 보안 취약점 정보, 모델 패치를 내부망으로 반입하는 별도 절차가 필요하다. 업데이트 주기가 길어지면 AI가 오래된 코드나 패키지를 제안할 가능성도 커진다.
기존 개발 체계와의 연동도 확인해야 한다. 소스코드 저장소와 IDE, 빌드 서버, CI/CD 파이프라인, 이슈 관리 시스템에 AX 포트리스를 연결할 때 개발자별 접근 권한과 실행 범위를 통제해야 한다. AI가 생성하거나 수정한 코드와 명령, 테스트 결과를 기록해 누가 어떤 작업을 승인했는지 추적할 수 있는 감사 로그도 요구된다.
보안 측면에서는 외부 전송 차단과 함께 내부 권한 관리가 중요하다. 모든 개발자가 조직 전체의 코드를 AI를 통해 검색할 수 있게 되면 기존 접근 권한이 무력화될 수 있다. 프로젝트와 조직별로 AI가 읽고 수정할 수 있는 저장소를 제한하고, 자동 배포나 명령 실행에는 별도 승인 절차를 적용할 필요가 있다.
이범규 팀스파르타 대표는 “생성형 AI를 도입하고 싶어도 보안 규제로 적용하지 못했던 기업과 기관들이 폐쇄망에서도 높은 수준의 AI 성능을 경험할 가능성을 확인한 자리였다”며 “보안이 중요한 산업이 AI 전환을 현실화할 수 있도록 지원하겠다”고 말했다.
팀스파르타는 공공·보안·금융·의료 분야 기업과 AX 포트리스의 기술 검토 및 도입 협의를 추진할 계획이다. 이들 산업은 소스코드와 개발 문서, 고객 데이터의 외부 전송을 엄격하게 관리하는 만큼 폐쇄망 코딩 에이전트의 주요 수요처로 꼽힌다.
실제 도입 성과는 벤치마크 점수보다 개발 현장의 지표로 확인될 전망이다. 기존 프로젝트의 코드를 얼마나 정확하게 이해하는지, AI가 제안한 코드의 채택률과 테스트 통과율이 어느 정도인지, 개발 시간과 오류 수정 시간이 얼마나 줄었는지를 측정해야 한다. AX 포트리스가 보안 요건을 지키면서 업데이트와 권한 통제, 기존 개발 체계 연동까지 안정적으로 해결한다면 폐쇄망 조직도 클라우드 기반 코딩 에이전트와 유사한 개발 경험을 내부에서 구축할 수 있다.
The post 소스코드 외부 전송 없이 AI 코딩…팀스파르타, ‘AI 서밋 서울 2026’서 AX 포트리스 공개 appeared first on 벤처스퀘어.