대규모 기업에서 암묵적인 지식은 종종 개발자 생산성을 저해하고 운영 민첩성을 늦춥니다. 비즈니스 로직과 구성 결정이 레거시 코드베이스나 소수의 베테랑 개발자들의 머릿속에만 존재할 때, 해당 분야의 전문가(SME)는 병목 현상을 일으킵니다. 이 글은 GraphCodeBERT 임베딩, FAISS 벡터 검색, 그리고 Sonnet 또는 Claude와 같은 대규모 언어 모델(LLM)을 활용하여 복잡한 기업 로직을 대화형 설명으로 변환하는 아키텍처를 제시합니다. 자산 수명 주기 처리 및 내부 플랫폼 운영의 실제 사용 사례를 바탕으로, SME 병목 현상을 극복하고 엔지니어링 속도를 높이는 확장 가능한 GenAI 기반 접근 방식을 설명합니다.