이미지: METAL LAB 생성
요약
- Factory가 컨설팅·SI 파트너 지원을 위한 Factory Partner Network(FPN)을 발표하고 교육·배포·솔루션·마케팅 전반에 1억 달러를 투입한다고 밝혔다
- 전략 수립을 돕는 FPS와 실제 구축·운영을 맡는 FPE 두 트랙으로 나뉘며, FPE는 준비-학습-배포-고도화-현대화-확장 6단계로 파트너를 훈련시킨다
- 미국·EMEA·APJ에서 초청 방식으로 선정하는 첫 파트너 코호트가 이번 분기 안에 출범할 예정이다
- 발표일
- 2026년 8월 19일
- 프로그램명
- Factory Partner Network (FPN)
- 투자 규모
- 1억 달러 (교육·배포·솔루션·마케팅 전반)
- 트랙 구성
- FPS(전략가)·FPE(엔지니어) 2개 트랙
- 코드 작성 비중 주장
- 전체 SW 개발 생애주기의 약 20% (Factory 측 설명)
- 생산성 향상 근거
- Gartner, 생애주기 전반 AI 적용 시 25~30% 향상
- 비용 절감 주장
- 모델 라우팅으로 토큰 비용 50% 이상 절감 가능
- 첫 코호트
- 미국·EMEA·APJ, 초청제, 이번 분기 출범
코드는 20%, 나머지 80%가 진짜 문제
개발툴 스타트업 Factory가 8월 19일 컨설팅·SI사, 클라우드 서비스 제공사(CSP), 독립 소프트웨어 벤더(ISV), AI 랩을 아우르는 파트너 프로그램 'Factory Partner Network(FPN)'을 공개했다. 회사는 교육·배포·솔루션·마케팅 영역에 걸쳐 1억 달러를 투입하겠다고 밝혔다. Factory는 지난 8월 11일 NVIDIA DGX Spark서 코드가 밖으로 나가지 않는 로컬 개발 환경을 공개하며 보안이 중요한 조직을 겨냥한 행보를 이어온 바 있다.
이번 발표의 출발점은 회사가 내세운 통계 하나다. 아무리 최신 모델을 쓰더라도 코드를 실제로 작성하는 작업은 전체 소프트웨어 개발 생애주기의 약 20%에 불과하다는 것이다. 나머지 80%는 무엇을 만들지 정하고, 설계하고, 테스트하고, 보안을 점검하고, 배포한 뒤 모니터링하는 일이다. Factory는 시장조사업체 Gartner를 인용해 AI 도구를 코드 작성에만 쓰는 대신 생애주기 전체에 적용한 팀이 25~30%의 생산성 향상을 봤다고 설명했다.
왜 파트너가 필요한가
"지능이 배포될 때 비로소 가치가 만들어진다." Factory가 이번 발표에서 내건 문구다. 회사는 앤스로픽·오픈AI·구글·마이크로소프트가 모델 자체뿐 아니라 서비스 역량에도 막대한 투자를 하고 있는 점을 근거로 들며, 모델은 시작점일 뿐 실제 배포가 기업 가치를 만든다고 주장했다. 다만 이들 AI 랩이 서비스 기업에 쓰는 돈보다 AI 인프라에 쓰는 돈이 수백 배 많다는 점을 지적하며, 그 간극이 컨설팅·SI 파트너가 파고들 자리라고 봤다.
Factory는 컨설팅·SI 파트너가 모델이 줄 수 없는 네 가지를 갖고 있다고 정리했다. 오랜 기간 쌓은 신뢰, 공감·창의성·추진력을 갖춘 사람, 고객사에 지식재산이 남는 용역 구조, 토큰 소비가 아닌 결과에 대한 책임이다. 동시에 이들 파트너도 변화가 필요한데, 예전엔 대규모 팀이 분기·수년 걸려 진행하던 프로젝트를 소규모 소프트웨어 기반 팀이 몇 주~몇 달 안에 끝낼 수 있게 된 만큼, 과금 방식이 인건비 시간제에서 결과 기반으로 옮겨가고 있다는 것이다.
두 개의 트랙: 전략가와 엔지니어
FPN은 두 축으로 시작한다. 첫째는 Factory Partner Strategists(FPS)로, 파트너가 기업의 소프트웨어 팩토리 도입을 기획·운영하도록 돕는다. 경영진 브리핑과 행사, 비즈니스 가치 컨설팅, 사용 사례 진단과 로드맵, 개념 검증(PoV)과 프로덕션 파일럿, 인증 교육까지 포함된다. 자격을 갖춘 고객에 한해 이 활동 비용을 Factory가 부담한다고 회사는 밝혔다.
둘째는 Factory Partner Engineers(FPE)로, 고객사 팀에 직접 결합해 소프트웨어 팩토리를 설계·배포·운영하는 역할이다. Factory는 이 여정을 여섯 단계로 나눴다.
| 단계 | 내용 |
|---|---|
| 준비 | 도입 준비도 평가, 보안 계획, 가치 기준선, 배포 로드맵 |
| 학습 | 팩토리를 운영할 팀을 위한 직무별 실습 교육·인증 |
| 배포 | 인프라·소프트웨어·데이터·보안·거버넌스를 비용·가치에 맞춰 프로덕션 적용 |
| 고도화 | 통합·스킬·드로이드·정책으로 워크플로와 데이터를 보강 |
| 현대화 | 레거시 시스템·메인프레임·데이터 플랫폼의 기술 부채 정리 |
| 확장 | 여러 기능·애플리케이션·팀·역할로 전환 범위를 넓힘 |
Factory는 라우팅 방식으로 여러 모델에 작업을 분산하면 같은 품질을 유지하면서 토큰 비용을 50% 이상 줄일 수 있다고도 설명했다.
선정 방식과 시작 시점
첫 파트너 코호트는 미국·EMEA·APJ에서 모집한다. 선정은 초청 방식이며 기업 접근력, 엔지니어링 역량, 리더십의 의지, 성장 의욕을 기준으로 삼는다고 회사는 밝혔다. Factory는 코호트를 의도적으로 작게 유지해 각 파트너에게 실질적인 관심을 쏟겠다고 설명했으며, 첫 코호트는 이번 분기 안에 모인다. 회사는 이 과정에서 배운 것을 더 넓은 생태계와 공유하겠다고 덧붙였다.
에디터의 시선
이번 발표는 코드 생성 경쟁이 한 단계 넘어갔다는 신호로 읽는 게 맞다. 지난 1~2년 AI 코딩 도구들은 얼마나 빨리, 얼마나 정확하게 코드를 뽑아내느냐로 경쟁했다. 그런데 Factory가 스스로 밝힌 대로 코드 작성이 전체 개발 과정의 20%뿐이라면, 나머지 80%를 못 채우는 도구는 파일럿 단계에서 멈춘다. 실제로 국내외 기업 현장에서 AI 코딩 도구를 붙여 본 사례들을 보면 항상 같은 벽에 부딪힌다 — 프로토타입은 하루 만에 나오는데, 그걸 보안 심사·레거시 연동·운영 체계에 태우는 데는 몇 달이 걸린다는 것이다. Factory의 승부수는 그 간극을 자기 인력이 아니라 컨설팅·SI 파트너의 손을 빌려 메우겠다는 데 있다.
국내 기업 입장에서 이 발표가 주는 실무 교훈은 명확하다. AI 코딩 도구 도입을 검토 중인 조직이라면, 모델의 벤치마크 점수보다 그 도구가 배포·보안·거버넌스까지 묶어서 파는지를 먼저 따져야 한다. 특히 금융·제조처럼 소스코드를 외부로 내보내기 어려운 업종은 Factory가 지난 8월 DGX Spark로 로컬 구동 환경을 내놓은 것과 이번 파트너망 발표가 같은 방향, 즉 '기업 안에서 끝나는 소프트웨어 공장'을 겨냥하고 있다는 점을 눈여겨볼 만하다. 다만 파트너망이 초청제로 소규모로 출발하는 만큼, 국내 SI사가 실제로 이 프로그램에 접근할 수 있을지는 이번 분기 첫 코호트 구성을 지켜봐야 가늠할 수 있다.
앞으로 몇 달 안에 벌어질 일은 두 가지로 좁혀진다. 앤스로픽·오픈AI·구글 같은 모델 개발사들이 자체 서비스 조직을 키우는 것과, Factory 같은 배포 전문 스타트업이 컨설팅·SI사와 손잡는 것 사이의 경쟁이다. 모델 성능 격차가 좁혀질수록 승부는 결국 누가 기업 내부까지 더 빨리, 더 싸게 밀어 넣느냐로 갈릴 가능성이 크다.
댓글