자동차 소프트웨어 개발에서는 ASPICE와 ISO 26262 같은 국제 표준을 충족하는 것이 필수적입니다. 특히 요구사항의 품질, 산출물 간 추적성(Traceability), 변경 이력 관리, 검증 가능성은 개발 전 과정에서 지속적으로 관리되어야 합니다. 이러한 환경에서 AI는 요구사항의 모호성을 분석하고, 테스트케이스 초안을 생성하거나, 요구사항과 설계·코드·테스트 간의 연결 관계를 확인하는 등 개발자의 반복 업무를 지원하는 역할을 수행합니다. 또한 변경 사항이 시스템 전반에 미치는 영향을 빠르게 분석하고, 문서화와 검토 과정을 효율화해 개발 품질 향상에도 기여할 수 있습니다. 

슬렉슨은 Track 2A 오후 세션에서 ‘AI-Driven Engineering and Integrated Solutions for Accelerating R&D and Innovating Quality’라는 주제로 발표를 진행했습니다. 발표에서는 AI를 개발 프로세스 전반을 연결하는 시스템적 지능(Systemic Intelligence)으로 정의하며, 요구사항부터 설계, 개발, 테스트, 품질 검증까지 SDLC 전 과정이 유기적으로 협업하는 AI-SDLC 비전을 소개했습니다. 

CodeCenter, Trace.Space, Dalus, GROU, Exein, AI Keeper 등 각 영역의 전문 플랫폼이 하나의 AI-SDLC 아키텍처로 연결되는 구조를 제시하며, 기업이 AI를 개별 도구가 아닌 통합 개발 플랫폼으로 운영하는 방향을 강조했습니다. 실제 CodeCenter와 Trace.Space 데모를 통해 AI가 요구사항 분석부터 코드 생성, 테스트, 문서화까지 개발 흐름에 어떻게 적용되는지 시연하고, Quality Gate as Code(Self-Healing Pipeline) 개념을 제시하며 코드 스캔 이후 AI가 이슈를 자동으로 분석·분류하고, 수정 가능한 항목은 자동 복구까지 수행하는 자율형 품질 관리 방식을 통해 반복적인 품질 검증 업무를 효율화하는 방향을 제시했습니다.

마지막으로는 AI 활용 방식이 플러그인 기반 AI에서 에이전트 기반 AI로 진화하고 있다는 점을 강조했습니다. 기존에는 AI가 코드 생성이나 문서 작성처럼 개별 작업을 수행하는 수준이었다면, 앞으로는 여러 AI 에이전트가 서로 협업하며 개발 파이프라인을 자율적으로 수행하고, 개발자는 이를 관리·승인하는 역할로 변화할 것이라는 비전을 공유했습니다.