메타, 자체 AI 코딩 도구 확대해 비용·데이터 통제

메타(Meta·$META)가 자체 AI 코딩 도구 ‘메타코드(MetaCode)’ 사용을 엔지니어 조직으로 확대하고 있다. 외부 AI 도구에 드는 비용을 관리하고 자체 모델 학습에 필요한 개발 데이터를 확보하려는 조치로 풀이된다.

더인포메이션(The Information)은 마허 사바(Maher Saba) 메타 응용 AI 엔지니어링 부문 부사장이 내부 메모에서 새 조직의 업무를 최우선 과제로 규정했다고 보도했다. 새 조직은 고품질 데이터와 피드백을 생성해 모델 성능을 높이는 역할을 맡았다.

메타코드는 메타가 내부에서 개발하는 AI 코딩 보조 도구다. 코드 작성과 디버깅, 테스트 등 실제 개발 과정에서 생성되는 데이터를 자체 코딩 모델 개선에 활용하는 것이 핵심이다.

오픈AI(OpenAI)의 코덱스(Codex)와 앤트로픽(Anthropic)의 클로드 코드(Claude Code)가 개발자 시장에서 입지를 넓히면서 메타도 내부 대응에 나선 것으로 해석된다. 기업들이 AI 코딩 도구를 확대하면서 개발 인력 구조에도 변화가 나타나고 있다.

메타는 기존에도 AI를 활용한 개발 체계를 운영해 왔다. 메타 엔지니어링 블로그는 2025년 코드 변경 내용과 메타데이터를 평가해 운영 사고 가능성을 예측하는 ‘디프 리스크 스코어(Diff Risk Score)’를 소개했다. 이 시스템은 코드 변경의 위험도를 점수화하고 위험한 코드 조각을 표시한다.

비용 통제도 메타코드 확대의 배경으로 꼽힌다. 더인포메이션은 메타가 직원별 AI 토큰 사용량과 지출을 추적하는 ‘AI 게이트웨이(AI Gateway)’를 준비하고 있다고 전했다. 내부 메모에는 메타의 2026년 사내 AI 사용 비용이 수십억 달러 규모에 이를 수 있다는 내용도 담겼다.

AI 서비스는 사용량이 증가할수록 토큰 비용이 늘고 소스코드와 내부 문서 같은 민감한 정보가 외부로 전송될 수 있다. 이에 따라 기업용 AI 운영에서는 비용과 데이터 통제가 주요 과제로 떠오르고 있다.

메타의 공식 실적 자료에서도 AI 인프라 부담이 드러난다. 메타의 2026년 1분기 실적 자료에 따르면, 회사는 올해 자본지출 전망을 1250억~1450억 달러(약 183조5000억~212조9000억원)로 제시했다. 부품 가격 상승과 향후 데이터센터 용량 확보 비용을 전망 상향의 배경으로 들었다.

데이터 거버넌스 문제도 외부 도구 제한에 영향을 미쳤다. 메타는 응용 AI 엔지니어링 조직에서 클로드 코드와 코덱스 사용을 제한했다고 더인포메이션은 보도했다. 외부 모델의 출력물이 자체 학습 데이터에 섞이면 경쟁 모델의 결과물을 이용해 다른 모델을 개선하는 ‘증류(distillation)’ 논란이 불거질 수 있기 때문이다.

증류는 한 AI 모델의 출력이나 학습 결과를 이용해 다른 모델의 성능을 높이는 기법이다. 개발 과정에서 여러 회사의 AI 도구를 함께 사용하면 출력물의 출처와 학습 데이터 이용 범위를 구분하는 작업이 필요해진다.

오픈AI 이용약관은 출력물을 오픈AI와 경쟁하는 모델 개발에 사용하는 행위를 금지한다. 앤트로픽 도움말도 클로드 출력물을 경쟁 AI 모델 학습에 사용하는 것을 허용하지 않는다고 설명한다.

메타코드 확대가 암호화폐나 블록체인 프로젝트에 미칠 직접 영향은 확인되지 않았다. 다만 자체 도구 전환과 AI 인프라 투자는 고성능 반도체와 데이터센터 수요, 빅테크의 비용 부담과 맞물려 있다.