메타, 코파일럿 대항마 '코드컴포즈' 사내 도입

메타가 사내 개발자를 위해 깃허브 코파일럿과 유사한 자체 코드 생성 AI 도구를 구축했습니다.

메타는 자사 AI 인프라 관련 행사에서 자체 개발한 코딩 도구인 '코드컴포즈(CodeCompose)'를 공개했습니다. 이 도구는 현재 외부에 공개되지 않으며, 메타 사내 엔지니어들이 VS Code 같은 개발 환경에서 파이썬 등의 코드를 작성할 때 실시간 제안을 받는 용도로 사용되고 있습니다.

67억 개 매개변수, 자체 언어 'Hack'에 특화

코드컴포즈 모델 중 가장 큰 버전의 매개변수는 67억 개입니다. 이는 깃허브 코파일럿의 기반이 된 모델 크기의 절반을 조금 넘는 수준입니다.

하지만 메타는 매개변수 경쟁 대신 사내 맞춤화에 집중했습니다. 메타의 소프트웨어 엔지니어 마이클 볼린에 따르면, 코드컴포즈는 메타 AI 연구진이 공개한 연구 모델 InCoder를 기반으로 구축되었으며, 메타 사내 코드베이스를 집중적으로 미세 조정했습니다.

특히 메타가 자체 개발한 프로그래밍 언어인 Hack으로 작성된 사내 라이브러리와 프레임워크를 학습해, 사내 시스템에 꼭 맞는 제안을 제공합니다. 더불어 사용이 중단된 API나 잘못된 코딩 습관 같은 불량 데이터를 학습 과정에서 걸러내 불량 코드 추천 확률을 낮췄습니다.

단순한 한 줄 완성뿐 아니라 주석 작성, import 구문 자동 삽입, 주변 코드 문맥을 고려한 대규모 코드 블록 생성을 지원합니다. 메타는 매주 수천 명의 직원이 이 도구의 제안을 채택하고 있으며, 채택률이 20%를 넘는다고 밝혔습니다.

저작권 문제에도 선을 그었습니다. 깃허브 코파일럿이 저작권 침해 집단소송에 직면한 것과 관련해, 메타 대변인은 베이스 모델 학습에 제한이 적은 오픈소스 라이선스 코드와 스택오버플로 데이터만 활용했으며 추가 학습은 메타 사내 코드로만 진행했다고 설명했습니다.

왜 중요한가

빅테크 기업 입장에서 핵심 코드를 외부 AI 서비스로 전송하는 것은 보안상 큰 부담입니다. 메타의 선택은 67억 개 수준의 경량 모델을 사내 데이터로 정밀하게 미세 조정하는 것만으로도 충분히 실용적인 생산성 도구를 만들 수 있음을 보여줍니다.

특히 Hack 언어처럼 사내에서만 쓰는 독자 기술 스택을 다룰 때는 외부 상용 모델이 힘을 쓰지 못하기 때문에, 이 같은 자체 구축 방식이 매우 현명해 보입니다. 사내 채택률 20%라는 수치 역시 이 도구가 요식 행위가 아니라 실무에서 실제로 쓰이고 있음을 입증합니다.

하지만 보안 문제는 여전히 숙제로 남습니다. 스탠퍼드 대학교 연구에 따르면 코드 생성 AI를 사용하는 엔지니어들이 개발한 앱에서 보안 취약점이 발생할 확률이 더 높다는 분석이 있습니다. 사내 레거시 코드에 잠재된 결함 패턴을 AI가 학습해 반복 추천할 위험이 있는 만큼, 코드 검증 장치가 함께 뒷받침되어야 할 것입니다.