← WORK 목록으로
KOREA위시켓AI/ML

금융사 SDLC 전 단계 AI 자동화 및 Multi-Agent 구축 (서울 상주) 전문가

금융사 계열사를 대상으로 요구사항 정의부터 개발·테스트·사업관리까지 SDLC 전 단계를 AI로 자동화하는 프로젝트로, AI BA·Coder·QA·PM 에이전트가 유기적으로 동작하는 E2E Multi-Agent 파이프라인을 구축합니다. 망분리 금융 환경에서 내부 sLLM(QWEN·Llama)과 외부 AWS Bedrock(Claude)을 라우팅하는 하이브리드 아키텍처, RAG 파이프라인, MCP/Airflow 기반 오케스트레이션, Chat/Admin UI를 개발합니다. 금융권 망분리 AI 프로젝트 경험과 RAG·Multi-Agent 오케스트레이션 역량을 갖춘 고급 LLM 엔지니어 및 풀스택 개발자로 구성된 팀에 적합합니다.

2026.09.23VIEW 34위시켓에서 수집
Budget54,000,000원
Difficulty전문가
Duration5개월
Work style외주
Required stack

필요 기술

AWS BedrockLLM/sLLM(Llama,QWEN)RAGAirflowMCPVector DBReactPython
Project brief

프로젝트 내용

[프로젝트 개요]
- 저희는 금융사 계열사를 대상으로 요구사항 정의부터 개발, 테스트, 사업관리까지 SDLC(소프트웨어 개발 생명주기) 전 단계를 AI로 자동화하는 프로젝트를 진행하려고 합니다. 리드타임 단축과 생산성 향상을 목표로 하며, 향후 그룹 AX 확산의 기반을 마련하고자 합니다.

[클라이언트 소개]
- 금융 그룹 계열사 대상 IT 시스템 및 인프라를 구축하고 운영하는 기업입니다.
- 프로젝트 의사결정 구조: 내부 프로젝트 총괄 책임자 및 기획 파트와 직접 소통하며 확정합니다.
- 개발 지식: 내부적으로 AI 아키텍처 및 SDLC 프로세스에 대한 높은 이해도를 보유하고 있으며, 명확한 인력 구성 요건을 가지고 있습니다.

[왜 이 프로젝트를 하는가]
- 지금 상황: 기존 소프트웨어 개발 생명주기 전반에 걸쳐 수작업 비중이 높아 리드타임 단축에 한계가 있는 상황입니다.
- 끝나면 이렇게 되기를 바랍니다: AI BA, Coder, QA, PM 에이전트가 유기적으로 동작하는 E2E 파이프라인이 구축되어 개발 생산성이 혁신적으로 향상되기를 바랍니다.
- 다만 이런 점이 우려됩니다: 업무망과 전산망이 분리된 금융권 특수 환경에서 내부 sLLM과 외부 AWS Bedrock을 라우팅하는 하이브리드 아키텍처를 안정적으로 구현하고, Multi-Agent 오케스트레이션을 매끄럽게 조율하는 것이 가장 중요합니다.

[필수 과업 범위와 결과물]
1. 수행 범위
- SW 개발: 온프레미스 AI Agent Platform(HNAF) 기반 에이전트 구현, RAG 파이프라인 구축, Chat 및 Admin UI 개발
- 외부 연동: 내부 sLLM(QWEN, Llama 등) 및 외부 AWS Bedrock(Claude) 라우팅 연동, SRMS, 형상관리, 소스코드 저장소 연동
- 인프라 구축·배포: 망분리 환경 내 LLM Gateway 구성 및 Multi-Agent Orchestrator(MCP/Airflow) 세팅

2. 상세 기능 요구 사항
2-1. AI BA (요구사항 분석)
- 자연어 요건 파싱 및 유형 분류 처리
- Vector DB 기반 유사 SR Top-5 검색 구현
- 6하원칙 갭 검출 대화형 인터뷰 기능 개발
- 요건정의서 Draft 자동 생성 처리
- 원클릭 SR 등록 및 SRMS 동기화 연계
2-2. AI Coder (개발)
- SR 기반 소스코드, DB, 거래전문 탐색 및 영향도 분석
- IDE 인라인 코드 생성 및 수정 기능 구현
- 사내 프레임워크 패턴 참조 컨텍스트 코딩 적용
- 코드 품질 및 결함 자동 점검 처리
2-3. AI QA (테스트)
- 요구사항 기반 정상, 예외, 경계 TC 자동 생성, 추천, 재사용 처리
- PII 비식별 및 암호화 포함 조건 기반 합성 테스트 데이터 생성
- 비대면 단말 및 계정계 전문 테스트 자동 실행 및 증적 처리
2-4. AI PM (사업관리)
- 기술검토보고서 챌린지 및 감독 기능 구현
- 협의서, RFP, 계약서, 품의 문서 등 RAG 기반 자동 생성
- WBS 진척 시각화 및 사업 지식베이스 구축
2-5. LLM Engineer 과제
- 과제별 질의 이해, 검색, 답변 생성 로직 및 프롬프트 설계, 최적화
- 연계 시스템 데이터 파싱, 청킹, 임베딩, 벡터 인덱싱 및 리랭커 포함 검색 정확도 튜닝
- MCP/Airflow 기반 BA, Coder, QA 워크플로우 연계 오케스트레이션 구현
- 소스코드, 전문, 프레임워크 패턴 기반 코드 특화 RAG 구성 및 IDE 연동 컨텍스트 엔지니어링
- TC 생성 로직 및 합성 데이터 생성, PII 비식별 처리
- 내부 sLLM 및 Bedrock 라우팅 대응 및 민감정보 필터 요건 적용
2-6. Developer 과제
- 과제별 챗봇 대화 화면 프론트엔드 개발
- 지식베이스, 이력, 설정 관리용 백오피스 관리자 화면 개발
- BO/FO 개발, 퍼블리싱 및 BA/QA Client UI 구현
- SRMS 등록 동기화, 형상관리, 소스저장소 연동 인터페이스 및 수집 허브 연계 API 개발
- 표준 명세서, 품의 문서 등 산출물 템플릿 화면 및 출력 기능 구현

3. 결과물
- 소스코드 일체
- 시스템 아키텍처 설계서 및 API 연동 명세서

[아직 정하지 않은 범위]
- 일부 솔루션 도입 혼합 방식에 대한 구체적인 솔루션 제품군은 파트너의 제안을 받아 결정하고자 합니다.

[클라이언트 준비 사항]
- 준비된 것: SDLC AI 구축 4대 과제 요구사항, 타겟 시스템(SRMS, 형상관리 등) 연동 정보, 내부 sLLM 및 AWS Bedrock 환경
- 준비 중인 것: 상세 화면 와이어프레임
- 이 프로젝트 담당: 내부 프로젝트 총괄 매니저

[오픈 시점과 예산]
- 목표 시점: 계약 후 5개월 이내 완료 희망
- 희망 착수: 파트너 선정 후 즉시 착수
- 예산: 200,000,000원 ~ 270,000,000원 (부가세 별도, 투입 인력 기준 산정)

[제안 포함 필수 사항]
- 지원 내용은 아래 기준으로 검토합니다.
- LLM Engineer 고급 2명, Developer 고급 1명, 중급 1명, 초급 2명 투입 가능 여부를 반드시 명시해 주세요.
- 금융권 망분리 환경에서의 AI/LLM 프로젝트 수행 경험을 적어 주세요.
- RAG 파이프라인 구축 및 Multi-Agent Orchestrator(MCP/Airflow) 활용 경험을 적어 주세요.
지원 기회 분석

지원 전에 볼 것

핵심 요구사항

  • AI BA/Coder/QA/PM 4대 에이전트 및 Multi-Agent 오케스트레이션(MCP/Airflow) 구현
  • 망분리 환경 내 sLLM ↔ AWS Bedrock 하이브리드 LLM Gateway 라우팅 구성
  • RAG 파이프라인(파싱·청킹·임베딩·리랭커·검색 정확도 튜닝) 구축
  • SRMS·형상관리·소스저장소 연동 및 Chat/Admin/BO·FO UI 개발
  • PII 비식별·암호화 기반 합성 테스트 데이터 생성 및 TC 자동화
  • LLM 고급 2명·Developer 고급 1·중급 1·초급 2명 팀 투입

예상 산출물

  • 소스코드 일체
  • 시스템 아키텍처 설계서
  • API 연동 명세서

매력 포인트

  • 투입 인력 기준 고단가(2억~2.7억) 및 명확한 인력 구성 요건
  • 금융권 첨단 AI/Multi-Agent 레퍼런스 확보 기회
  • 그룹 AX 확산 기반 마련으로 장기 후속 물량 가능성

확인할 점

  • 헤더 예산(5,400만원)과 본문 예산(2억~2.7억)이 크게 불일치하여 확인 필요
  • 6명 상주 인력을 5개월간 투입하기엔 SDLC 전 단계 자동화 범위가 매우 방대하고 공격적인 일정
  • 일부 솔루션·와이어프레임 미확정으로 요구사항 변동 및 스코프 크립 우려
Client signal

클라이언트 정보

회사 · 위시켓 / 지역 · 서울특별시 강남구 / 고용형태 · CONTRACTOR
START THE LOOP · CHOOSE

시장과 사람의 답을 봤다면,
다음 결과물의 구조를 고릅니다.

한 번의 결과에 기대지 않고 다시 만들 수 있도록, 문제 발견부터 제작·배포·수익화까지 이어지는 전체 흐름을 익혀보세요.

TTJ CLASS에서 다음 구조 고르기 →
처리 중...