Qovery의 AI DevOps Copilot은 소프트웨어 인프라에 자연어 인텔리전스를 제공합니다.

모든 클라우드 환경에서 소프트웨어 배포를 쉽게 만드는 DevOps 자동화 플랫폼인 Qovery는 답변을 제공하고 복잡한 작업을 실행하며 다음 단계를 예측하는 AI 에이전트인 AI DevOps Copilot의 출시를 오늘 발표했습니다.

현재까지 전체 DevOps 라이프사이클을 포괄하는 유일한 자동화 플랫폼입니다.

나는 Qovery의 CEO이자 공동 창업자인 Romaric Philogène에게 이에 대해 자세히 알아보았습니다.

자동화에서 인텔리전스까지

간단히 말해서 DevOps는 문화적 원칙, 관행 및 도구를 결합하여 소프트웨어 개발 팀과 IT 운영 팀 간의 프로세스를 자동화하고 합리화하는 협업 접근 방식입니다.

Qovery의 DevOps 자동화 플랫폼을 사용하면 개발자가 클라우드에서 애플리케이션을 배포하고 확장하여 인프라를 단순화하고 자동화하여 기술 팀이 가장 중요한 일, 즉 훌륭한 제품 구축에 집중할 수 있습니다.

Philogène에 따르면 Qovery는 이미 프로비저닝, 애플리케이션 배포, 서버 보안과 같은 주요 단계를 자동화하고 있지만 아무리 자동화하더라도 항상 엣지 케이스, 즉 개발자가 애플리케이션이나 인프라를 설정하는 방식에서 발생하는 구성 문제가 있습니다.

“이것이 바로 AI가 강력해지는 곳입니다”라고 그는 주장합니다.

“저희 Copilot을 사용하면 소프트웨어 엔지니어가 인터페이스를 전환하지 않고도 익숙한 언어로 계속 작업할 수 있습니다. 수동으로 문제를 해결하는 대신 ‘Copilot, 이 문제를 해결할 수 있나요?’라고 간단히 말할 수 있습니다.

Copilot은 문제를 진단하고, 구성 데이터에 액세스하고, 문제를 자율적으로 해결합니다.

새로운 DevOps 인터페이스: 작업자의 비효율성을 줄이기 위한 자연스러운 대화

Atlassian의 2025 DevEx는 개발자의 50%가 소프트웨어 파이프라인의 비코딩 작업으로 인해 일주일에 10시간 이상을 낭비한다고 보고합니다.

Qovery의 Copilot은 이러한 변화를 목표로 합니다. 엔지니어가 간단한 언어로 지침을 제공하면 시스템이 실행되어 리소스 소모를 경쟁 우위로 전환합니다.

Philogène에 따르면 Copilot은 새로운 유형의 인터페이스, 즉 자연어를 대표합니다. 사용자는 UI, CLI 또는 API를 통해 작업하는 대신 시스템과 간단히 대화할 수 있습니다.

“우리의 목표는 고객이 이미 Qovery를 사용하는 방식을 최적화하여 디버깅, 문제 해결 또는 구성 최적화에 소요되는 시간을 줄이는 것입니다.”

예를 들어, 팀은 하루가 끝날 때 사용하지 않는 환경을 종료하거나 특정 시간에 새로운 서비스를 배포하거나 더 복잡한 지침을 요청할 수 있습니다. 예를 들어 “월요일 오전 8시부터 금요일 오후 6시까지만 개발 환경을 실행하고, 밤에 사용되지 않는 환경을 자동으로 해체하고, 지난 48시간 동안 플랫폼이 불안정한 경우에만 일일 통합 테스트를 시작”하고 Qovery DevOps Copilot이 프로세스를 자동으로 처리합니다.

개발자들은 코드 작성뿐만 아니라 모델이 생성하는 내용을 다시 확인하기 위해 AI를 점점 더 많이 사용하고 있습니다. 이로 인해 Qovery는 Copilot이 안전하게 수행할 수 있는 작업 목록인 호환성 매트릭스를 구축하게 되었습니다.

“물론 무엇이든 물어볼 수 있지만 공식적으로 지원되는 기능은 사람의 과도한 감독 없이 안정적으로 작동하도록 보장합니다.”라고 Philogène은 설명했습니다.

DevOps의 미래를 뒷받침하는 5가지 AI 에이전트

이 회사를 차별화하는 점은 전체 DevOps 수명주기를 간소화하는 Qovery의 5년 경험(2,500만 개 이상의 애플리케이션과 3,000만 개 이상의 인프라 운영)이 DevOps Copilot의 5개 AI 에이전트에 내장되어 있다는 것입니다.

AI 프로비저닝 에이전트: 자연어 요청을 해석하여 필요에 따라 리소스를 할당하고 할당량을 적용하며 인프라 사용을 최적화함으로써 환경 생성 및 확장을 자동화합니다.
AI FinOps 에이전트: 유휴 환경을 감지하고, 종료를 예약하고, 지출을 줄일 수 있는 기회를 식별하여 효율성을 향상합니다.
AI 관찰 에이전트: 문제가 확대되기 전에 로그를 검색하고, 이상 현상을 식별하고, 솔루션을 제안하여 사고 대응을 강화합니다.
AI DevSecOps 에이전트: 규정 준수를 시행하고 민감한 작업에 대한 확인을 요구하며 전체 감사 추적을 유지함으로써 거버넌스를 강화합니다.
AI CI/CD 에이전트: 릴리스 예약 및 테스트 대기열 관리를 위한 자연어 프롬프트를 통해 배포 및 파이프라인 관리를 단순화합니다.

데이터 보안을 위한 강력한 가드레일

프롬프트는 Claude AI(Anthropic의 모델)를 통해 처리되지만 개인 데이터와 자격 증명은 전송되지 않습니다. Qovery는 이미 고객의 인프라를 운영하고 있으므로 회사는 개인 정보 보호에 매우 주의하고 있습니다. 필로겐은 이렇게 설명했습니다.

“우리는 사용자가 Copilot이 환경과 상호 작용하는 방식을 구성할 수 있도록 가드레일을 설계했습니다.

예를 들어 구성을 검토하고 권장 사항을 제공하는 읽기 전용 모드로 제한하거나 직접 작업에 대한 쓰기 액세스 권한을 부여할 수 있습니다.

그럼에도 불구하고 Copilot은 변경을 실행하기 전에 항상 확인을 요청합니다. 우리는 민감하지 않은 정보만 AI 시스템에 수집되도록 보장하며, 데이터 처리 및 익명화 방법을 지속적으로 개선하고 있습니다. 데이터 안전은 이 제품의 절대적 핵심입니다.”

또한 모든 작업은 역할 기반 권한으로 제한되므로 데이터베이스나 애플리케이션 삭제와 같은 중요한 결정에 대해서는 내부적으로 명시적인 승인이 필요합니다.

앞으로 고객은 완전한 제어 및 규정 준수를 위해 자체 모델을 가져올 수 있게 될 것입니다.

그러나 현재로서는 Qovery가 입력 및 출력 데이터 흐름을 모두 제어하므로 Copilot은 조직 전체의 사용자 행동을 통해 학습할 수 있습니다. 워크플로우와 인프라 패턴에 적응하여 점점 더 개인화된 권장 사항을 제공할 수 있습니다.

“우리는 잘 구조화된 데이터와 일관된 사용자 행동 패턴에 액세스할 수 있다는 큰 이점이 있습니다. 이를 통해 AI는 개인 정보를 침해하지 않고 의미 있는 결정을 내릴 수 있는 올바른 컨텍스트를 제공합니다.”라고 Philogène은 말했습니다.

소프트웨어 파이프라인에 도구가 너무 많으면 개발자 효율성에 영향을 주지만 엔지니어는 최소한의 도구를 원하지 않고 작업에 가장 적합한 도구를 원합니다. 따라서 Copilot은 완전히 불가지론적입니다. 현재 개발 팀에서 사용하는 모든 도구와 원활하게 작동합니다.

또한 프로덕션 DevOps에서는 안정성과 대기 시간이 가장 중요합니다. Philogène은 회사의 새로운 AI Copilot이 제3자 중개자에 의존하지 않고 Qovery 플랫폼 내에서 직접 작동하여 실시간 응답성을 유지한다고 설명했습니다.

“이것이 Qovery AI Copilot의 장점입니다. 플랫폼의 모든 기능을 활용하고 API와 직접 통합됩니다.”라고 그는 말했습니다.

자동화에서 에이전트 자율성까지

DevOps 공간의 다음 단계와 관련하여 Philogène은 업계가 완전 자율 에이전트로 전환하고 있다고 주장합니다.

“Copilot은 결국 엔지니어가 개입하기 전에 문제를 식별하고 해결할 것입니다. 우리는 아직 거기에 도달하지 못했습니다. 환각, 데이터 수집 제한, 컨텍스트 창 크기와 같은 문제를 해결해야 합니다.

Qovery에서는 모델에 고도로 구조화된 운영 데이터를 제공하고 사용자 행동을 모니터링하여 환각을 제한함으로써 이러한 문제를 완화합니다.