AI-native 애플리케이션의 핵심은 코드 생성이 아니라 메타데이터 생성이다
코드 생성은 프로토타입을 빠르게 만들 수 있지만, 엔터프라이즈 애플리케이션에는 객체, 필드, 관계, 뷰, 권한, 워크플로, 액션, Agent 도구를 함께 통제하는 메타데이터 런타임이 필요합니다.
결론부터 말하면: AI-native 애플리케이션은 생성된 코드 더미가 아니라 생성된 메타데이터, 즉 하나의 통제된 런타임 아래 놓인 객체, 권한, 워크플로, Agent 도구다. 코드는 실행될 뿐이고, 변경 가능하고 통제 가능한 상태로 남는 것은 메타데이터다.
Low-code 플랫폼은 오랫동안 명확한 문제를 해결해 왔습니다. 내부 시스템을 만들 때마다 페이지, 폼, 워크플로, 관리 화면을 처음부터 다시 개발하지 않아도 되게 한 것입니다.
AI는 이 질문을 한 단계 앞당깁니다. Low-code가 애플리케이션을 조립할 수 있다면, 비즈니스 사용자는 한 문장으로 애플리케이션을 만들 수 있을까요?
가능합니다. 하지만 함정이 있습니다. “AI가 애플리케이션을 생성한다”가 “AI가 코드를 많이 써 준다”는 뜻이 되면, 엔터프라이즈 애플리케이션의 오래된 문제가 다시 나타납니다. 첫 버전은 빠릅니다. 두 번째 버전부터 느려집니다. 화면은 동작하지만 권한은 약합니다. 폼은 저장되지만 프로세스는 추적하기 어렵습니다. AI는 답하지만 Agent는 어떤 액션이 허용되고 어디서 사람의 확인이 필요한지 모릅니다.
AI-native 애플리케이션 플랫폼의 핵심은 코드 생성이 아니라 메타데이터 생성입니다.
독자가 보는 핵심은 변경 가능성이다
비즈니스 책임자와 IT 책임자에게 중요한 질문은 첫 버전 생성 여부가 아닙니다.
- 비즈니스가 바뀌면 애플리케이션도 바뀔 수 있는가?
- 필드가 바뀌면 폼, 목록, 권한, 워크플로도 함께 바뀌는가?
- 새 승인 규칙이 추가되어도 기존 데이터와 진행 중인 프로세스를 설명할 수 있는가?
- AI Agent가 사용자 권한을 상속하는가?
- 누가 무엇을 보고, 바꾸고, 확인하고, 승인했는지 감사할 수 있는가?
- 6개월 후에도 유지보수할 수 있는가?
코드 생성은 처음 만드는 속도를 해결합니다. 메타데이터는 계속 진화할 수 있는 구조를 해결합니다.
Low-code가 얻은 중요한 교훈은 이것입니다. 엔터프라이즈 애플리케이션은 화면의 묶음이 아니라, 설정 가능하고 거버넌스가 가능하며 업그레이드 가능한 비즈니스 모델입니다.
코드 생성이 통제를 잃기 쉬운 이유
코드 생성은 프로토타입, 작은 도구, 일회성 페이지에 유용합니다. 컴포넌트, API, 데이터베이스 스키마, 검증 로직을 빠르게 만들 수 있습니다.
하지만 엔터프라이즈 복잡성은 보통 여러 계층의 일관성에 있습니다.
사용자가 이렇게 말한다고 해 보겠습니다.
고객에 “갱신 위험” 필드를 추가하고, 고위험 고객은 매주 고객 성공 매니저에게 알림을 보내줘.
코드 생성 작업이라면 데이터베이스, 폼, 목록, 스케줄 작업을 수정하고 끝낼 수 있습니다. 겉보기에는 완성입니다.
실제 시스템에서는 이 필드가 다음에도 영향을 줍니다.
- 고객 상세 화면에 표시할지;
- 누가 위험 등급을 수정할 수 있는지;
- 매니저가 팀 전체 위험을 볼 수 있는지;
- 내보내기에 포함할지;
- Agent가 고객 요약에 인용할 수 있는지;
- 고위험 규칙을 감사에 남길지;
- 위험 등급 변경 시 알림을 보낼지;
- 나중에 필드명을 바꾸면 어떻게 마이그레이션할지.
이 규칙들이 코드 곳곳에 흩어지면 모든 변경이 작은 리팩터링이 됩니다. 시스템은 점점 무거워지고 결국 전통적인 맞춤 개발처럼 됩니다.
메타데이터는 런타임의 비즈니스 언어다
여기서 메타데이터는 단순한 설정값이 아닙니다. 런타임이 비즈니스를 이해하는 언어입니다.
| 메타데이터 계층 | 답하는 질문 |
|---|---|
| 객체 | 고객, 계약, 티켓, 작업 같은 핵심 엔터티 |
| 필드 | 타입, 필수 여부, 수식, 민감도 등을 포함한 속성 |
| 관계 | 객체들이 참조와 역참조로 연결되는 방식 |
| 뷰 | 역할별 목록, 보드, 폼, 상세, 대시보드 |
| 권한 | 누가 어떤 레코드와 필드를 보고 수정할 수 있는지 |
| 워크플로 | 상태 전환과 승인, 알림, 자동화 조건 |
| 액션 | 작업 생성, 승인 시작, 보고서 생성, 알림 전송 |
| Agent 도구 | AI가 조회, 제안, 실행할 수 있는 범위와 중단 조건 |
| 감사 | AI가 제안한 것, 사람이 확인한 것, 시스템이 실행한 것 |
이 메타데이터가 UI, API, 권한, 자동화, Agent를 함께 구동합니다.
AI Builder는 애플리케이션 명세를 생성해야 한다
성숙한 AI Builder는 바로 코드를 쓰지 않습니다. Low-code를 이해하는 비즈니스 아키텍트처럼 먼저 애플리케이션 명세를 만듭니다.
예를 들어 애프터서비스 티켓 앱을 요청받으면, 고객, 티켓, 메시지, 지식베이스, SLA, 에스컬레이션 같은 객체를 식별해야 합니다. 문제 유형, 우선순위, 감정, 영향 범위, 마감 시간 같은 필드도 필요합니다. 지원 큐와 매니저 대시보드 같은 뷰, 권한, 상태 흐름, 요약·분류·지식 매칭·답변 초안 Agent 도구, 감사 지점도 포함되어야 합니다.
이 명세를 확인한 뒤 플랫폼이 화면, 데이터 구조, 자동화, 도구 호출을 생성합니다.
직접 코드를 생성하는 것보다 크게 느리지 않지만 이후 안정성은 훨씬 높습니다.
AI가 기존 Low-code에 더하는 것
기존 Low-code는 객체 디자이너, 필드 패널, 워크플로 캔버스, 권한 매트릭스, 표현식 편집기를 이해해야 했습니다.
AI Builder는 이런 기능을 없애는 것이 아니라, 의도를 표현하는 비용을 낮춰야 합니다.
사용자는 이렇게 말할 수 있습니다.
고위험 계약을 법무 보드에 넣고, 금액이 50만을 넘으면 재무 검토 단계를 추가해.
플랫폼은 이 문장을 필터, 뷰, 워크플로 조건, 승인 노드, 권한 변경으로 나누고 확인할 변경 계획을 보여줍니다.
AI가 Low-code를 강화하는 진짜 방식은 플랫폼을 블랙박스로 만드는 것이 아니라, 비즈니스 언어가 플랫폼 구조로 직접 들어가게 하는 것입니다.
AI Builder를 평가하는 여섯 가지 질문
보기 좋은 페이지를 생성하는지만 보면 부족합니다.
- 코드가 아니라 설명 가능한 객체, 필드, 뷰, 권한, 워크플로를 생성하는가?
- 비즈니스 사용자가 이후 자연어로 구조를 수정할 수 있는가?
- 권한이 페이지 내부 임시 판단이 아니라 통합 런타임 기능인가?
- Agent가 통제된 도구를 통해서만 데이터에 접근하는가?
- AI 제안, 사람의 확인, 시스템 실행이 감사되는가?
- 규칙이 바뀔 때 메타데이터를 수정하는가, 코드를 다시 생성하는가?
이 답이 데모 도구와 엔터프라이즈 플랫폼을 가릅니다.
ObjectStack의 차이
ObjectStack은 자연어를 메타데이터로 바꾸고, 그 메타데이터가 런타임을 구동하게 하는 방향입니다.
요구사항은 객체, 필드, 관계, 뷰, 권한, 워크플로, 액션, Agent 도구를 생성합니다. 애플리케이션이 실행된 뒤에도 비즈니스 사용자는 자연어로 계속 수정할 수 있습니다. Agent도 같은 객체, 권한, 액션 경계 안에서 동작합니다.
코드는 여전히 존재하지만 비즈니스 변경을 모두 담는 장소가 되어서는 안 됩니다. 비즈니스 구조는 생성, 이해, 수정, 거버넌스, 감사를 위해 메타데이터 계층에 들어가야 합니다.