AI와 생성적 AI, 소프트웨어 개발에 혁명 일으킬까?

인공지능(AI)과 생성적 AI 기술이 소프트웨어 개발의 공동 노력에 혁명을 일으킬 수 있다는 전망이 나오고 있다.

AI와 생성적 AI 기술은 소프트웨어 개발의 다양한 분야에서 활용될 수 있다. 예를 들어, AI는 프로젝트 계획을 자동화하고 개선하여 사용자 요구 사항이 실행 가능한 작업으로 정확하게 변환되도록 할 수 있다. 또한 프로그램 관리, 리소스 할당 최적화 및 일정 관리에도 도움이 될 수 있다.

생성적 AI 기술은 소프트웨어 코드, 테스트 케이스, 문서 등 소프트웨어 개발에 필요한 다양한 자산을 자동으로 생성할 수 있다. 이를 통해 개발자는 보다 효율적으로 소프트웨어를 개발하고 품질을 향상시킬 수 있다.

이러한 기술들은 이미 일부 기업에서 도입되고 있다. 예를 들어, IBM은 AI를 사용하여 소프트웨어 개발 프로세스를 자동화하고, Microsoft는 생성적 AI를 사용하여 소프트웨어 테스트를 자동화하고 있다. 아직까지 AI와 생성적 AI 기술은 초기 단계에 있지만, 향후 소프트웨어 개발의 패러다임을 바꿀 수 있는 잠재력을 가지고 있다.

AI와 생성적 AI 기술이 소프트웨어 개발에 혁명을 일으킬 수 있는 구체적인 사례

• 프로젝트 계획 자동화

AI는 사용자 요구 사항을 분석하여 실행 가능한 작업으로 변환하는 작업을 자동화할 수 있다. 이를 통해 개발자는 프로젝트 일정을 보다 정확하게 예측하고, 자원을 효율적으로 배분할 수 있다. 예를 들어, IBM은 AI를 사용하여 소프트웨어 개발 프로세스를 자동화하는 플랫폼인 "Watson AIOps"를 제공하고 있다. Watson AIOps는 사용자 요구 사항을 분석하고, 프로젝트 일정을 예측하며, 리소스를 최적화하는 등의 작업을 수행한다.

• 생성적 AI를 활용한 소프트웨어 코드 자동 생성

생성적 AI는 소프트웨어 코드를 자동으로 생성할 수 있다. 이를 통해 개발자는 보다 효율적으로 소프트웨어를 개발하고, 품질을 향상시킬 수 있다. 예를 들어, Google은 생성적 AI를 사용하여 소프트웨어 코드를 자동으로 생성하는 플랫폼인 "DeepMind Code"를 개발하고 있다. DeepMind Code는 사용자 요구 사항을 입력하면, 해당 요구 사항을 충족하는 소프트웨어 코드를 자동으로 생성한다.

• 생성적 AI를 활용한 소프트웨어 테스트 자동화

생성적 AI는 소프트웨어 테스트 케이스를 자동으로 생성할 수 있다. 이를 통해 개발자는 보다 효율적으로 소프트웨어를 테스트하고, 품질을 향상시킬 수 있다. 예를 들어, Microsoft는 생성적 AI를 사용하여 소프트웨어 테스트 케이스를 자동으로 생성하는 플랫폼인 "Azure Test Studio"를 제공하고 있다. Azure Test Studio는 사용자 요구 사항을 입력하면, 해당 요구 사항을 검증하는 소프트웨어 테스트 케이스를 자동으로 생성한다.

AI와 생성적 AI 기술의 한계

AI와 생성적 AI 기술은 아직까지 초기 단계에 있으며, 몇 가지 한계를 가지고 있다.

• 데이터 부족: AI와 생성적 AI 기술은 대규모 데이터를 학습해야 한다. 그러나 소프트웨어 개발 분야는 데이터가 부족한 경우가 많다.

• 신뢰성 문제: AI와 생성적 AI 기술이 생성한 결과물이 항상 정확하지 않을 수 있다. 이를 해결하기 위해서는 AI와 생성적 AI 기술의 정확성을 향상시키는 연구가 필요하다.

• 윤리적 문제: AI와 생성적 AI 기술이 악용될 수 있는 가능성에 대한 우려도 있다. 이를 해결하기 위해서는 AI와 생성적 AI 기술의 윤리적 사용에 대한 논의가 필요하다.

AI와 생성적 AI 기술은 소프트웨어 개발의 패러다임을 바꿀 수 있는 잠재력을 가지고 있다. 그러나 이러한 기술의 한계를 극복하고, 윤리적 사용을 보장하기 위해서는 앞으로도 많은 연구와 논의가 필요하다.

많은 사람들이 일을 필요악 으로 여기 지만 일부 헌신적인 전문가, 특히 소프트웨어 및 기술 분야의 경우 자신을 버리는 것이 어렵다.  " 흐름 상태 " 로 알려진 이러한 업무 접근방식은 시간 가는 줄 모르고 활동에 너무 깊이 몰입하는 것이다. 

이제 인공지능 (AI)은 더 많은 사람들을 이러한 흐름 상태로 만드는 데 도움이 될 수 있다. 우리는 AI가 코드생성 자동화부터 엔터프라이즈 시스템 및 파이프라인 전반에 걸친 향상된 관찰 가능성 지원에 이르기까지 다양한 방식으로 개발자와 기술 전문가를 도울 준비가 되어 있다는 것을 이미 알고 있다. 그러나 AI는 운영 전문가와 함께 작업하는 개발자, 고위 경영진 및 기타 직원과 작업하는 개발자 등 팀을 하나로 모으는 데 도움이 되는 협업 도구 역할도 할 것이다.

또한: 생성적 AI는 로우 코드가 코드 없는 코드로 진화하는 데 도움이 될 수 있다.

사람들을 하나로 모으는 이러한 능력은 팀 구성원이 분산되어 있을 때 특히 중요하다. 주로 원격 기업인 Tempo Software에서 AI는 의사소통 장벽을 허물고 개발자 정신을 강화하는 데 도움이 된다고 이 회사의 최고 전략 책임자인  Shannon Mason은 말한다.

원격 팀워크 환경 에서 "AI를 통해 직원들은 복잡한 문제를 해결하는 새로운 방법을 신속하게 생각하고 탐색할 수 있으며 이를 팀과 다시 공유할 수 있어 잠재적으로 프로젝트 계획 단계의 속도를 높일 수 있습니다."라고 그녀는 말한다. "이는 또한 개발자 팀이 더 즐겁고 유익한 작업을 경험하고 작업에 완전히 몰입할 수 있는 탐나는 흐름 상태에 더 쉽게 진입하는 데 도움이 될 수 있습니다." 

Mason은 "AI는 일상적인 작업을 제거함으로써 팀이 처음부터 복잡한 고객 문제와 같은 보다 영향력 있는 작업을 처리할 수 있도록 하는 역할을 합니다."라고 덧붙인다.

생성적 AI를 소프트웨어 개발 프로세스에 통합하면 또 다른 차원이 창출되고 "DevOps 및 Agile 방법론의 기능이 향상됩니다"라고 EY Americas의 생성적 AI 리더인 David Guarrera 는 말한다 . "AI는 CI/CD 프로세스를 개선하고 코드 검토를 자동화하며 배포 전략에 대한 예측 통찰력을 제공할 수 있습니다. 애자일 방법론은 스프린트 계획을 개선하고 백로그 관리를 개선하며 팀 협업을 강화하는 데 AI의 이점을 누릴 수 있습니다."

생성적 AI는 기술 팀과 비기술 팀 간의 격차를 해소하는 데도 도움이 될 수 있다. Astronomer의 CTO인  Julian LaNeve 는 "예를 들어 기업에서는 대규모 언어 모델을 사용하여 엔지니어링 진행 상황을 요약 또는 설명하고, 피드백을 집계하고, 보다 일반적으로 기술 언어와 비기술 언어 간 번역을 수행할 수 있습니다."라고 말한다.

또한:  ChatGPT를 사용하여 코드를 작성하는 방법

눈에 띄는 초기 생성 AI 사용 사례인 코딩 지원이 이 흐름 상태로 이어진다. Guarrera는 "특히 코딩 지원 도구의 초기 추세는 유망한 징후를 보여주며 팀 효율성이 이미 크게 향상되고 있음을 시사합니다."라고 말한다. "주로 코딩에 초점을 맞춘 이러한 AI 도구는 팀워크의 더 넓은 측면에 간접적으로 영향을 미치기 시작했습니다."

그는 일상적인 코딩 작업을 자동화 함으로써 "AI를 통해 팀 구성원이 보다 복잡하고 전략적인 작업에 집중할 수 있게 되어 잠재적으로 보다 통합되고 협력적인 팀 역학으로 이어질 수 있다"라고 지적한다. "개별 코딩 작업에서 AI의 역할에서 협업 소프트웨어 개발 도구 및 플랫폼의 통합으로의 전환이 점차 펼쳐지고 있습니다."

Guarrera는 코딩에서 생성 AI의 역할이 확대되면서 "낮은 수준의 디자인 생성, 테스트 사례 생성, 심지어 프로젝트 계획까지 개선하는 도구가 형성되기 시작했습니다"라고 말했다. 

기술 시스템과 서비스도 흐름 상태를 구축하는 데 도움이 될 수 있다. LaNeve는 "Zendesk와 같은 특정 프로젝트 계획 도구는 자동화된 LLM 생성 스프린트 검토를 구축하여 프로젝트 및 엔지니어링 관리자에게 진행 상황을 보고합니다."라고 말한다. 

또한:  코드를 더 빠르게 수정하기 위해 ChatGPT를 사용하고 있지만 비용은 얼마인가?

"이렇게 하면 관리자와 팀 전체의 시간이 절약됩니다. 팀원이 개별적으로 진행 상황을 요약하고 업데이트하는 대신 인공 지능이 이러한 요약을 생성할 수 있다. 프로젝트 또는 엔지니어링 관리자는 전체 팀의 진행 상황에 대한 응집력 있는 요약을 한 번에 얻을 수 있습니다." 

그러나 그것이 모두 좋은 소식은 아니다. Guarrera는 협업 방법론 및 프로세스를 위한 생성 AI에 대한 의존도가 높아짐에 따라 새로운 위험과 단점이 나타날 수 있다고 말했다. "GenAI 모델은 매우 효율적이지만 프롬프트 주입 공격이라고도 알려진 부정확하거나 악의적인 입력으로 인해 오도될 수 있다. 이러한 플랫폼은 종종 민감한 데이터에 액세스하여 사이버 위험을 증가시키기 때문에 이 취약점은 특히 우려됩니다." 예를 들어, 생성 AI 출력에서 ​​현재 문제가 되고 있는 환각을 생각해 보자. 이는 인간의 감독이 여전히 필수적이라는 것을 의미한다. 

AI에 대한 많은 이점이 문서화 되어 있지만 "주의해서 진행하십시오"라고 Mason은 동의한다. "예를 들어, 사용자는 환경 보안을 고려해야 하며 영업 비밀을 입력하지 않도록 주의해야 합니다. 이는 현재 개별 AI 앱을 조직에 내장할 수 있는 사람만이 도구의 완전한 협업과 혜택을 누릴 수 있다는 것을 의미한다. 입력 데이터의 보안을 손상시키지 않고는 지금까지 갈 수 없다. 또한 AI는 아직 초기 단계에 있으므로 고유한 편견을 풀기 위해 약간의 지침이 필요하다. 따라서 현재 도구에 완전히 의존하는 것은 실수."  

AI에 대한 신뢰를 확보하는 것은 쉬운 일이 아닐 것이다. LaNeve는 "AI가 생성한 답변을 신뢰하려면 일반적으로 답변을 독립적으로 사실 확인해야 합니다."라고 말한다. "답변에 대한 사실 확인이 필요한 것은 애초에 AI를 사용하여 답변을 생성한다는 목적을 무너뜨리는 것이다. AI가 생성한 답변은 답변에 대한 확신을 제공해야 합니다."

또한:  ChatGPT를 사용하여 앱을 만드는 방법

그러나 이러한 위험을 염두에 두더라도 "AI와 생성적 AI 기술은 소프트웨어 개발의 공동 노력에 혁명을 일으킬 준비가 되어 있습니다"라고 Guarrera는 말한다. "예를 들어 AI는 프로젝트 계획을 자동화하고 개선하여 사용자 요구 사항이 실행 가능한 작업으로 정확하게 변환되도록 할 수 있다. 또한 프로그램 관리, 리소스 할당 최적화 및 일정 관리에도 도움이 될 수 있습니다."

궁극적으로 Guarrera는 "AI 기반 플랫폼은 개발자, 운영 및 비즈니스 이해관계자 간의 보다 명확한 의사소통을 촉진하여 프로젝트 목표에 대한 이해와 구현을 간소화할 수 있습니다."라고 말한다. 그리고 그것은 흐름 상태를 향한 하나의 거대한 발걸음이다.