우버 AI 스킬 3600개, 업무 절차로 옮겼다

우버(Uber·$UBER)가 사내 소프트웨어 개발 과정에 인공지능(AI) 에이전트를 깊숙이 넣고, 3600개가 넘는 에이전트 스킬을 업무 절차로 운용하고 있다. AI 에이전트가 단순 코딩 보조 도구를 넘어 기업 내부 업무 실행 인프라로 들어가는 사례다.

우버 엔지니어링은 27일(현지시간) 기술 블로그에서 사내 풀리퀘스트(PR)의 70% 이상이 로컬 또는 클라우드 에이전트에 귀속되고, 직원들이 소프트웨어 개발 생명주기 전반에 걸쳐 3600개 이상의 에이전트 스킬을 만들었다고 밝혔다. 에이전트 스킬 실행은 하루 3만건을 넘는다.

핵심은 개발자가 챗봇을 열어 코드를 요청하는 단계에서 벗어났다는 점이다. 우버는 이 구조를 '소프트웨어 팩토리'라고 부른다. 코드 리뷰, CI 실패 복구, 시각 검증을 포함한 PR 처리, 온콜 알림 분류, 버그 디버깅, 코드 유지보수 일부가 관리형 에이전트로 넘어가고 있다.

관리형 에이전트는 사람이 문제를 발견하고 명령을 넣은 뒤 결과를 기다리는 방식과 다르다. CI 파이프라인에서 오류가 나면 에이전트가 실패 이벤트를 받고 관련 맥락을 가져와 원인을 분석한 뒤 수정안을 만든다. 사람은 최종 검토와 에이전트가 처리하지 못한 사안의 상위 대응을 맡는다.

우버는 uReview라는 AI 코드 리뷰 시스템도 운영하고 있다. 이 시스템은 실제 버그가 있었던 PR을 쉬움, 보통, 어려움으로 나눠 벤치마크를 만들고, 정밀도와 재현율, F1, 리뷰당 비용, 지연 시간, 오류율을 함께 본다. 우버는 모델을 바꾸면서 F1을 높이고 PR당 비용을 낮췄다고 설명했다.

비용 통제도 별도 과제로 다뤘다. 우버는 2026년 2월부터 8월 중순까지 사내 에이전트 도구의 주간 활성 사용자가 7배, 주간 에이전트 요청이 9.4배 늘었다고 밝혔다. 같은 기간 전체 AI 지출은 4월 이후 비교적 안정됐고, 동일 모델 기준 1000개 모델 요청당 비용은 고점 대비 약 34%, 세션당 비용은 6월 고점 대비 52% 낮아졌다.

이 대목은 본지가 앞서 전한 우버의 AI 요청 증가와 비용 안정 흐름의 후속 맥락에 놓인다. 당시 초점이 사용량 증가와 비용 통제였다면, 이번 공개 내용은 그 비용 구조를 가능하게 한 내부 운영 방식과 업무 절차화를 보여준다.

에이전트가 실제 기업 업무에 들어가면서 드러난 병목은 코드 작성보다 맥락 찾기였다. 우버는 수억 줄의 코드와 수천 개 데이터 테이블을 다루는 환경에서 에이전트가 서비스, PR, 장애 기록, 설계 문서, 배포 기록, 데이터셋을 찾아다니는 데 많은 턴을 쓴다고 설명했다.

이를 줄이기 위해 만든 것이 AI 컨텍스트 그래프다. 이 그래프는 30개가 넘는 내부 시스템을 연결하고, 2400만개 노드와 8000만개 엣지를 담았다. 서비스, 엔지니어링팀, 사고 기록, PR, 설계 문서, 배포, 데이터셋, 과거 테이블 사용 기록이 포함된다.

우버가 같은 질문을 같은 모델에 넣어 비교한 결과도 제시됐다. 컨텍스트 그래프를 쓴 에이전트는 과거 사용 기록을 찾아 50명이 넘는 분석가가 실제 사용한 테이블을 확인하고 38초 만에 답을 냈다. 그래프가 없는 에이전트는 20분 동안 서비스 코드를 살피고 하위 에이전트 2개를 만들었으며, 오류 3회를 겪은 뒤 해당 데이터셋을 조회할 수 없다고 잘못 판단했다.

도구 연결 방식도 바뀌었다. 우버는 내부와 외부 서비스형 소프트웨어를 잇는 1000개 이상의 MCP 서버를 단일 게이트웨이로 묶었다. 다만 모든 도구 설명을 세션 초기에 모델에 넣으면 100개 도구만 설치해도 5만~7만 토큰의 스키마 부담이 생긴다.

우버는 에이전트가 필요한 때 CLI와 도구 검색으로 적절한 도구를 찾고, 그때 필요한 도구만 불러오도록 했다. 기업 내부 도구가 많아질수록 모든 권한과 설명을 한 번에 모델에 넣는 방식은 비용과 정확도 측면에서 부담이 커진다는 판단이다.

코드 모드도 비용 절감 수단으로 쓰였다. 일반 MCP 흐름에서는 SQL 요청, 상태 확인, 대기, 결과 수령이 모델 턴을 여러 번 소모한다. 코드 모드에서는 에이전트가 파이썬 루프를 만들어 대기와 폴링을 처리하고, 요약된 결과만 모델에 돌려준다.

우버는 같은 세션에서 5개 SQL 쿼리를 비교한 결과, 작은 결과셋에서도 토큰 사용량이 50% 이상 줄었다고 밝혔다. 대량 작업에서는 절감 폭이 90%를 넘을 수 있다고 덧붙였다. 우버는 가장 많이 쓰는 MCP 서버를 대상으로 25개가 넘는 코드 모드 스킬을 이미 만들었다.

스킬은 기업 지식을 실행 가능한 절차로 옮기는 장치다. 문서와 SOP, 숙련자 머릿속에 있던 '이 일을 어떻게 처리해야 하는가'를 에이전트가 반복 실행할 수 있는 단위로 포장하는 방식이다. 이는 본지가 앞서 보도한 엔비디아의 AI 에이전트 스킬 실행 평가와도 이어진다.

다만 우버가 제시한 수치는 사내 개발 환경과 자체 인프라를 전제로 한다. 코드베이스 규모, 보안 정책, 내부 도구 체계, 모델 사용 방식이 다른 기업에 같은 수치로 적용된다고 보기는 어렵다. 우버는 앞으로 관리형 에이전트 확대, 동적 모델 라우팅, 컨텍스트 그래프 통합 확대, 세션 분석의 실시간 개발자 안내 전환, 에이전트 스킬 실행 기록을 활용한 지속 개선을 추진하고 있다.