AI-Defined Vehicle (AIDV) — SDV 다음 단계로 보쉬 부사장이자 digital.auto 의장 디르크 슬래마(Dirk Slama)가 제안한 개념. AI가 단순 코딩 보조를 넘어 요구사항 분석 → 구현 → 인증(homologation)까지 V 모델 전 과정을 오케스트레이션한다. 핵심 도구는 ELC Capsule과 Agentic AI이며, 운영 원칙은 “한 번에 한 입씩(Bite by bite)“.
배경 — 자동차 산업의 복잡성
- 신규 차량 플랫폼 요구사항 수십만~수백만 개. V 모델 전반 추적이 사실상 불가능.
- 파생 모델(variant) 조합 수가 기하급수적 증가.
- 레거시 DevOps 툴체인, 부서별 데이터 사일로, 일관성 부족.
- 인증(homologation) 프로세스가 여전히 과거 방식.
슬래마에 따르면 “또 다른 5년짜리 엔터프라이즈 지식 그래프”를 만드는 것은 답이 아니다.
핵심 개념 1 — Vibing
Andrej Karpathy가 대중화한 개념. 프롬프트만으로 코드를 진흙 덩어리처럼 빚는 방식. 슬래마의 Replit 사례 — 30년 써온 물고기-상어 생태 시뮬레이션을 코드 한 줄 없이 20분 만에 구현, 자동 생성된 컨트롤러로 상어 굶주림 한계 등 파라미터 조정.
핵심 개념 2 — Agentic AI
Andrew Ng이 정리한 패턴:
| 에이전트 | 역할 |
|---|---|
| Planning Agent | 문제를 더 작은 단위로 분해·계획 |
| Retrieval-Augmented (RAG) Agent | 요구사항 관리(DOORS·Rhapsody·Polarion), DevOps DB, 내부 시스템 등에서 관련 데이터 확보 |
| Tool-Using Agent | 수집 데이터로 실제 작업 수행 |
여러 에이전트가 협업해 일을 완수하도록 오케스트레이션.
슬래마의 Replit 사례 — UI 결함 수정 요청 시 AI가 직접 스크린샷을 찍고 분석해 수정 검증.
핵심 개념 3 — Context Engineering
Prompt engineering을 넘어 현재 과업에 필요한 메모리·히스토리·관련 문맥을 통합 다루는 분야. AIDV의 ELC Capsule이 이 원칙의 자동차 산업 구현체.
ELC Capsule (Engineering Lifecycle Capsule)
ELC = 현재 문제에 가장 적합한 지식·상황을 담은 작은 패키지. 거대 엔터프라이즈 지식 그래프 대신 시스템 엔지니어링·제품군 엔지니어링 영역에 즉시 적용 가능한 단위로 구성.
구성 절차
- 요구사항 레이다(Requirements Radar) — 중심에 작업 기능에 가장 중요한 요구사항, 외곽으로 갈수록 중요도 ↓. AI가 DOORS·Rhapsody·Polarion 등 분산 시스템에서 자동으로 관련 요구사항(규제·기능·비기능) 선별.
- 구현 단계 — Vehicle API와 매핑. 인터페이스의 계획 상태(planning status) 추적 — ‘committed’ 상태 API는 양산 시점 작동 보장, 미커밋은 추가 분석 필요.
- 테스트 데이터·테스트 케이스·테스트 실행 결과를 캡슐에 누적, 글로벌 마스터 테스트 플랜과 연결.
- Homologation 데이터 — 적용 글로벌 규제, 사전 형식 승인(homologation pre-assessment) 결과 포함.
도구 연계 사례
- digital.auto Vehicle API Explorer — COVESA API 카탈로그 기반, 1,200개+ 차량 신호 정의, AI 에이전트 네이티브 내장.
- ETAS Embedded AI Coder — 안전 관련 기능 구현 가속.
- Certivity — AI로 전 세계 규제 PDF를 스캔·분석, 각 규제가 어떤 시스템·기능에 적용되는지 판정해 homologation pre-assessment 자동화.
Multi-Speed Value Stream (다중 속도 밸류 스트림)
자동차 산업에는 속도가 다른 가치 흐름이 공존:
| 트랙 | 영역 | 개발 방식 |
|---|---|---|
| 빠른 트랙 | AI·SW (예: Passenger Welcome Sequence 오케스트레이션) | Agile·점진적·Vibing |
| 느린 트랙 | 메카트로닉스·하드웨어 의존 기능 (예: 도어 모터 ↔ 문 열기 API) | First-time-right·보수적 안전 검증 |
핵심 원칙:
- 계층적 아키텍처(Architectural layering) + 결합도 낮은 구조(loose coupling) + 다중 속도 모델(Multi-speed delivery model).
- “두 영역 중 어느 것도 사라지지 않는다 — AI가 도울 뿐.”
- Shift-North — 가능한 많은 코드를 HAL 위 상위 계층으로 끌어올려 vibing 방식 적용 가능 영역 확대.
사례 — Passenger Welcome Sequence
차량이 운전자 근접을 인식하고 자동으로:
- 도어 열기.
- 클라우드에서 운전자 선호 설정 로드 → 언어·시트 위치·HVAC 자동 조정.
| 모듈 | 트랙 | 이유 |
|---|---|---|
| 시퀀스 오케스트레이션 | 빠른 트랙 | 1만 번 중 1번 실패해도 큰 피해 없음, Agile 적합 |
| 시트 이동 API | 빠른 트랙 | committed, 양산 시점 작동 보장 |
| 문 열기 API | 느린 트랙 | 도어 모터 메카트로닉스 의존성, ECU 구현 가능 여부가 메카트로닉스 결정에 종속 |
AI가 의존성을 생성·추적해 “잠깐, 문 열기와 관련된 중요한 의존성이 미해결”이라고 알림.
사전 형식 승인 (Homologation Pre-Assessment)
V 모델 우측 끝이 아니라 왼쪽 시작점부터 homologation을 다룸. ELC 캡슐에 글로벌 규제 정보 추가 → AI가 PDF 규제를 분석해 적용 시스템·기능 판정 → 가벼운/엄격한 형식 승인 절차로 분리해 계획.
- 승객 환영 오케스트레이션 → 가벼운 절차 (안전 핵심 아님).
- 문 열기 → 엄격한 절차 (안전 핵심).
- 사람 전문가가 AI 제안을 점검·보완.
SDV vs AIDV
| 구분 | SDV | AIDV |
|---|---|---|
| 개발 주체 | 사람 + 도구 | 사람 + Agentic AI |
| 요구사항 관리 | 수동 추적, V 모델 | 요구사항 레이다 + RAG |
| 컨텍스트 | 거대 엔터프라이즈 지식 그래프 시도 | ELC Capsule — 문제 단위 작은 패키지 |
| 개발 속도 | 단일 트랙 | Multi-Speed Value Stream |
| 인증 | V 모델 우측 끝 | 사전 형식 승인 (V 모델 왼쪽 시작점) |