개요

47개국, 3,000개가 넘는 교통수단 제공자를 하나로 묶는 멀티모달 여행 플랫폼 Omio가 자사 엔지니어링 전 과정에 OpenAI Codex를 박아 넣었습니다. 결과는 단순한 생산성 향상이 아니라 상품을 만들 때 드는 공수 자체가 약 5분의 1로 줄어든 구조 변화입니다. 여러 명의 개발자가 한 분기를 들이던 작업이 이제는 엔지니어 한 명이 한 달이면 끝납니다.

이 기사는 단순한 AI 도입기가 아니라, ‘도구를 어디까지 깊게 박으면 조직이 바뀌는가’에 대한 사례입니다. 정리해 보겠습니다.

핵심 요약

  • Omio는 47개국, 3,000개 이상의 교통수단을 묶는 멀티모달 여행 플랫폼입니다.
  • CTO 토마스 보체트카(Tomas Vocetka)는 ‘기존 프로세스에 AI를 덧붙이지 말고, AI 네이티브 기업으로 다시 설계하라’는 원칙을 내걸었습니다.
  • 도입은 2단계입니다. 먼저 전 직원에게 ChatGPT를 풀어 기반 친숙도를 만든 뒤, 엔지니어링에는 OpenAI Codex를 SDLC 전 과정에 결합했습니다.
  • 사내 분석 기준으로 상품을 만드는 데 드는 기술적 공수가 이전의 약 20% 수준으로 떨어졌고, 여러 개발자가 한 분기 들이던 프로젝트가 한 명이 한 달에 끝나는 수준으로 압축됐습니다.
  • 2023년에 출시한 대화형 여행 예약 인터페이스는 OpenAI 모델 + 자사 실시간 운송 인벤토리를 연결해 환각 없이 바로 예약 가능한 일정을 돌려줍니다.
  • 거버넌스 원칙은 명확합니다. 책임은 사람에게, AI는 가속기에. 코드와 사업 결과에 대한 최종 책임은 직원에게 남깁니다.

ChatGPT로 워밍업하고, Codex로 본 게임에 들어가다

Omio의 접근 방식이 흥미로운 건 도입 순서입니다. CTO 보체트카는 처음부터 코딩 도구를 던지지 않았습니다. 전 직원에게 일반 ChatGPT 접근 권한부터 열어 줬습니다. 생성 모델이 어떤 식으로 동작하는지, 어떤 질문에 잘 답하고 어떤 질문에 헛소리를 하는지를 조직 전체가 먼저 체감하게 한 것입니다.

그 다음이 본 게임입니다. 엔지니어링 조직에는 OpenAI Codex를 박았고, 적용 범위는 한 영역이 아니라 소프트웨어 개발 라이프사이클 전체였습니다. 사전 리서치, 아키텍처 설계, 실제 코딩, 자동화된 테스트, 코드 리뷰, 시스템 유지보수까지 — 엔지니어가 키보드를 두드리는 모든 지점에 Codex가 들어갔습니다.

여기서 핵심은 도구를 그냥 깐 게 아니라, 사내 데이터 환경과 Codex 사이를 잇는 자체 커넥터를 따로 만들었다는 점입니다. 덕분에 개발자는 IDE 안에서 ‘필요한 정보를 어디서 찾지?’ 같은 단계를 건너뛰고 바로 본 작업에 들어갈 수 있습니다. AI가 그냥 옆에 있는 게 아니라, 자사 데이터에 발을 디딘 채로 옆에 있는 셈입니다.

공수 80% 절감, 한 분기 → 한 달이라는 숫자

보체트카가 말하는 효과는 추상적인 ‘효율 향상’이 아니라 구체적인 숫자입니다. 사내 분석 기준으로 특정 상품을 만드는 데 드는 기술적 공수가 이전의 약 20% 수준으로 떨어졌습니다. 일정도 같이 압축됐습니다. 예전에는 여러 개발자가 한 분기를 통째로 쓰던 프로젝트가, 이제는 엔지니어 한 명이 약 한 달이면 끝납니다.

이 숫자가 단순한 비용 절감으로만 들리면 절반만 본 겁니다. 더 중요한 건 의사결정의 호흡이 바뀐다는 점입니다. 사이클 타임이 짧아지면, 일단 만들어보고 시장 반응을 보는 실험형 개발이 가능해집니다. 작게 만들어 빠르게 검증하고, 안 먹히면 빠르게 죽이고, 자본과 엔지니어 시간은 살아남은 가설에만 몰아주는 식입니다.

Omio는 이 변화를 ‘엔지니어 한 명이 더 빨라졌다’가 아니라 ‘회사가 의사결정하는 속도가 다른 단계로 넘어갔다’로 해석합니다.

2023년의 대화형 예약 — 환각이 없는 이유

Omio가 2023년에 내놓은 대화형 여행 예약 인터페이스는 지금 다시 보면 매우 일찍 들어간 베팅입니다. OpenAI 모델을 자사 운송 인벤토리에 직접 붙였습니다. 사용자는 ‘로마에서 피렌체까지 가장 빠른 경로’나 ‘파리와 바르셀로나를 잇는 항공편 vs 기차편 비교’ 같은 자연어 질의를 그대로 던집니다.

핵심은 응답의 출처입니다. 모델이 학습 시점에 외운 정적 데이터로 답을 만드는 게 아니라, 호출 시점에 자사 예약 시스템을 핑(ping)해 실제 가격과 좌석 상황을 끌어오고 거기에 기반해 일정을 제안합니다. 그래서 응답은 즉시 예약 가능한 실제 일정이지, ‘예시’가 아닙니다.

이 구조 위에 Omio는 전용 ChatGPT 경험까지 확장했습니다. 회사는 이걸 단순한 챗봇이 아니라, AI가 소비자와 글로벌 운송 네트워크 사이에서 1차 인터페이스 역할을 하는 새로운 형태의 커머스로 정의합니다. 기존의 검색 기반 비교 사이트가 하던 일을 모델이 흡수하는 셈입니다.

거버넌스 — 책임은 사람에게, AI는 가속기

Omio의 사례에서 한 가지 더 짚어야 할 부분은 거버넌스 원칙입니다. 회사 정책은 명확합니다. 배포되는 코드와 사업 결과에 대한 최종 책임은 사람에게 남깁니다. 생성형 도구는 어디까지나 개발, 분석, 의사결정의 가속기 역할입니다.

보체트카는 이렇게 정리합니다.

“책임과 책무는 사람에게 남는다. AI는 우리가 더 빠르게 개발하고, 더 빠르게 분석하고, 더 빠르게 의사결정 하도록 돕는다. 그러나 결정권은 사람에게 있다.”

이 구조 덕분에 자동화 시스템이 예약 인프라나 멀티모달 라우팅 알고리즘 같은 핵심 영역에 비가역적인 변경을 독자적으로 가하지 못합니다. 직원 전체에게 AI 도구를 활짝 열어주는 한편, 그 도구가 만든 변경에 대한 검토와 책임은 사람 쪽에 묶어 둔 것입니다. 속도와 안정성을 동시에 끌어올리려는 설계라고 볼 수 있습니다.

실무자가 볼 핵심 포인트

  • 도입 순서가 중요합니다. Codex 같은 코딩 도구부터 들이밀지 말고, 전사에 ChatGPT를 먼저 풀어 생성 모델의 한계와 강점을 조직 전체가 체감하게 한 뒤 본 도구로 넘어가는 2단 구조가 효과적이었습니다.
  • AI 도구는 사내 데이터에 발을 디딘 상태로 옆에 두세요. Omio는 자사 데이터와 Codex를 잇는 사내 커넥터를 따로 만들었습니다. ‘AI가 IDE 옆에 있다’가 아니라 ‘AI가 우리 데이터를 본 상태로 IDE 옆에 있다’로 만드는 게 5분의 1 공수의 진짜 원인입니다.
  • SDLC 전체에 적용해야 효과가 누적됩니다. 코딩 단계에만 쓰면 효과가 일부만 살아납니다. 사전 리서치, 아키텍처, 테스트, 코드 리뷰, 유지보수까지 전 구간에서 호출해야 분기 단위 작업이 월 단위로 압축됩니다.
  • 사용자 응대에 모델을 붙일 땐 반드시 사내 데이터로 그라운딩하세요. 환각을 잡는 가장 단순한 길은 ‘훈련 데이터’가 아니라 ‘호출 시점 라이브 데이터’로 답을 만들게 강제하는 것입니다. Omio의 대화형 예약이 정상 동작하는 이유가 여기에 있습니다.
  • 속도가 빨라질수록 거버넌스 원칙을 더 명확하게 못 박으세요. AI에게 가속을 맡기되, 비가역적 결정과 최종 책임은 사람에 묶어 둬야 합니다. ‘책임은 사람에게, AI는 가속기’라는 한 줄을 사내 원칙으로 박아 두면 도입 속도를 더 과감하게 가져갈 수 있습니다.

원문 출처

원문 보기 — Ryan Daws, AI News, 2026-06-23