Generative AI에 대한 과대평가: SDLC를 실제로 변화시킬 수 있을까요?

스폰서 콘텐츠

귀하의 팀은 코드 품질을 향상시키고, 전달을 가속화하며, 스프린트당 소요되는 시간을 줄이기 위해 생성 AI를 사용하고 있습니까? 아니면 아직 실험과 탐색 단계에 있나요? 이 여정의 어느 곳에 있든 Gen AI가 오늘날 우리의 현실을 점점 더 변화시키고 있다는 사실을 부인할 수 없습니다. 코드를 작성하고 테스트 및 QA와 같은 관련 작업을 수행하는 데 매우 효과적입니다. GitHub Copilot, ChatGPT, Tabnine과 같은 도구는 지루한 작업을 자동화하고 작업을 간소화하여 프로그래머를 돕습니다.

그리고 이것은 일시적인 과대광고처럼 보이지 않습니다. Market Research Future 보고서에 따르면 소프트웨어 개발 라이프사이클(SDLC) 시장의 생성 AI는 2025년 2억 5천만 달러에서 2035년 753억 달러로 확대될 것으로 예상됩니다.

생성 AI 이전에는 엔지니어가 긴 기술 문서와 회의에서 요구 사항을 수동으로 추출해야 했습니다. UI/UX 모형을 처음부터 준비하세요. 코드를 수동으로 작성하고 디버그하세요. 사후 문제 해결 및 로그 분석.

하지만 Gen AI의 등장으로 이 대본이 뒤집어졌습니다. 생산성이 급상승했습니다. 반복적인 수작업이 줄어들었습니다. 그러나 이 아래에는 진짜 질문이 남아 있습니다. AI가 SDLC에 어떻게 혁명을 일으켰습니까? 이 기사에서 우리는 그 이상을 탐구합니다.

Gen AI가 효과적일 수 있는 곳

LLM은 SDLC에서 연중무휴 훌륭한 조수임이 입증되었습니다. 반복적이고 시간이 많이 걸리는 작업을 자동화합니다. 엔지니어가 아키텍처, 비즈니스 논리 및 혁신에 집중할 수 있도록 해줍니다. Gen AI가 어떻게 SDLC에 가치를 추가하는지 자세히 살펴보겠습니다.

소프트웨어 개발에서 Gen AI의 가능성은 바람직하면서도 압도적입니다. 생산성을 높이고 일정을 단축하는 데 도움이 될 수 있습니다.

동전의 다른 면

이점을 놓치기 어렵지만 두 가지 질문이 제기됩니다.

첫째, 우리의 정보는 얼마나 안전한가? 기밀 클라이언트 정보를 사용하여 출력을 더 빠르게 가져올 수 있습니까? 위험하지 않나요? ChatGPT 채팅이 비공개일 가능성은 얼마나 됩니까? 최근 조사에 따르면 Meta AI의 앱은 비공개 채팅을 공개로 표시하여 개인 정보 보호 문제를 야기하는 것으로 나타났습니다. 이것을 분석해야합니다.

둘째, 가장 중요한 것은 자동화 시대에 개발자의 미래 역할은 무엇인가? AI의 출현은 여러 서비스 부문 프로필에 영향을 미쳤습니다. 글쓰기부터 디자이너, 디지털 마케팅, 데이터 입력 등에 이르기까지 다양합니다. 그리고 일부 보고서는 5년 전에 우리가 상상했던 것과는 다른 미래를 설명합니다. 미국 에너지부 산하 오크리지 국립연구소(Oak Ridge National Laboratory) 연구원들은 2040년까지 인간이 아닌 기계가 대부분의 코드를 작성할 것이라고 언급했습니다.

그러나 이것이 사실이 될지는 오늘 우리의 논의 범위에 포함되지 않습니다. 현재로서는 다른 프로필과 마찬가지로 프로그래머가 필요합니다. 그러나 업무의 성격과 필요한 기술은 다소 바뀔 것입니다. 이를 위해 Gen AI 과대평가를 살펴보겠습니다.

과대광고가 현실을 만나는 곳

• 생성된 출력은 건전하지만 혁신적이지는 않습니다(적어도 아직은 아님). Gen AI의 도움으로 개발자는 특히 상용구 또는 표준 패턴을 작성할 때 더 빠른 반복을 보고합니다. 잘 정의된 문제나 맥락이 명확한 경우에는 효과가 있을 수 있습니다. 그러나 혁신적인 도메인별 논리 및 성능이 중요한 코드의 경우 인간의 감독은 여전히 ​​협상 불가능합니다. 이러한 프로젝트에서는 Generative AI/LLM 도구에 의존할 수 없습니다. 예를 들어 레거시 현대화를 고려해 보겠습니다. IBM AS400 및 COBOL과 같은 시스템은 수년 동안 기업을 지원해 왔습니다. 그러나 시간이 지나면서 오늘날의 디지털 역량을 갖춘 사용자 기반과 일치하지 않기 때문에 효율성이 감소했습니다. 이를 유지하거나 기능을 개선하려면 해당 시스템을 해결하는 방법을 알고 있을 뿐만 아니라 새로운 기술로 업데이트되는 소프트웨어 개발자가 필요합니다.

  조직은 해당 데이터를 잃을 위험을 감수할 수 없습니다. 이러한 기존 시스템과 원활하게 통합되는 고급 애플리케이션을 구축하기 위해 Gen AI 도구에 의존하는 것은 너무 많은 일이 될 것입니다. 프로그래머의 전문성이 가장 중요한 부분이 바로 여기입니다. AI 에이전트를 사용하여 중단 없이 레거시 시스템을 현대화하는 방법을 읽어보세요. 이는 중요한 사용 사례 중 하나일 뿐입니다. 더 많은 것들이 있습니다. 그렇습니다. LLM은 SDLC를 가속화할 수 있지만 중요한 톱니바퀴, 즉 인간을 대체할 수는 없습니다.

• 테스트 자동화는 조용히 승리하지만 인간의 감독 없이는 성공할 수 없습니다. LLM은 다양한 테스트 사례 생성, 격차 발견 및 오류 수정에 탁월합니다. 하지만 그렇다고 해서 인간 프로그래머를 배제할 수 있다는 의미는 아닙니다. Gen AI는 무엇을 테스트할지, 실패를 해석할지 결정할 수 없습니다. 예를 들어 사람들은 예측할 수 없기 때문에 전자 상거래 주문은 여러 가지 이유로 지연될 수 있습니다. 그리고 에베레스트 베이스캠프 트레킹을 떠나기 전에 중요한 물품을 주문한 고객은 주문한 물품이 떠나기 전에 도착할 것으로 기대할 수도 있습니다. 그러나 챗봇이 긴급성, 전달 의존성 또는 사용자 의도의 예외와 같은 상황적 요인에 대해 훈련되지 않은 경우 공감적이거나 정확한 응답을 제공하지 못할 수 있습니다. Gen AI 테스트 도구는 이러한 변형을 테스트하지 못할 수도 있습니다. 인간의 추론, 다년간의 전문 지식, 직관이 우뚝 솟아 있는 곳입니다.
• 문서화가 그 어느 때보다 쉬워졌습니다. 그러나 문제가 있습니다. Gen AI는 문서를 자동 생성하고 회의록을 요약하는 등 단일 프롬프트로 더 많은 작업을 수행할 수 있습니다. 수동적이고 반복적인 작업에 소요되는 시간을 줄이고 대규모 프로젝트 전반에 걸쳐 일관성을 제공할 수 있습니다. 그러나 귀하를 대신하여 결정을 내릴 수는 없습니다. 상황에 맞는 판단력과 정서적 성숙함이 부족합니다. 예를 들어 특정 논리가 작성된 이유 또는 특정 선택이 향후 확장성에 어떤 영향을 미칠 수 있는지 이해합니다. 그렇기 때문에 복잡한 동작을 해석하는 방법은 여전히 ​​프로그래머에게서 나옵니다. 그들은 기계가 복제하기 어려운 인식과 직관을 구축하면서 수년 동안 이 작업을 수행해 왔습니다.
• AI는 여전히 현실 세계의 복잡성, 즉 상황적 제한으로 인해 어려움을 겪고 있습니다. 신뢰, 과도한 의존, 일관성에 대한 우려. 그리고 통합 마찰이 지속됩니다. 그렇기 때문에 CTO, CIO, 심지어 프로그래머조차도 가드레일 없이 독점 코드에 AI를 사용하는 것에 회의적입니다. 인간은 맥락을 제공하고, 결과를 검증하고, AI를 점검하는 데 필수적입니다. AI는 과거 패턴과 데이터를 통해 학습하기 때문입니다. 때로는 그 데이터가 세상의 불완전성을 반영할 수도 있습니다. 마지막으로 AI 솔루션은 윤리적이고 책임감 있고 안전하게 사용할 수 있어야 합니다.

최종 생각

4,000명 이상의 개발자를 대상으로 한 최근 설문 조사에 따르면 응답자의 76%가 AI 생성 코드를 사용하기 전에 적어도 절반을 리팩터링했다고 인정했습니다. 이는 기술이 편의성과 편안함을 향상시키기는 하지만 전적으로 의존할 수는 없음을 보여줍니다. 다른 기술과 마찬가지로 Gen AI에도 한계가 있습니다. 그러나 단순한 과대광고라고 일축하는 것은 완전히 정확하지는 않습니다. 왜냐하면 우리는 그것이 얼마나 믿을 수 없을 만큼 유용한 장치인지 살펴봤기 때문입니다. 요구 사항 수집 및 계획을 간소화하고, 코드를 더 빠르게 작성하고, 여러 사례를 몇 초 안에 테스트하고, 실시간으로 이상 현상을 사전에 식별할 수도 있습니다. 따라서 LLM을 전략적으로 채택하는 것이 핵심입니다. 위험을 증가시키지 않고 수고를 줄이는 데 사용하십시오. 가장 중요한 것은 그를 보조자, 즉 “전략적 부조종사”로 대하는 것입니다. 인간의 전문지식을 대체할 수 없습니다.

결국 기업은 인간이 인간을 위해 만들어지는 것이기 때문이다. 그리고 Gen AI는 이전과는 전혀 다른 방식으로 효율성을 높이는 데 도움이 될 수 있지만, 뛰어난 결과를 얻기 위해 Gen AI에만 의존하는 것은 장기적으로 긍정적인 결과를 가져오지 못할 수도 있습니다. 당신의 생각은 무엇입니까?