혁신을 주도할 수 있는 잠재력 측면에서 인공지능(AI)을 측정하는 기술은 거의 없다. 그것은 은행 부문, 엔터테인먼트, 전자 상거래, 건강 관리, 피트니스 및 더 많은 산업을 변화시키고 있으며 이러한 분야에서 새롭고 매력적인 발전이 다가오고 있다.
AI는 또한 소프트웨어 개발의 다양한 측면에서 뛰어나다. 또한 이 특정 영역은 방대한 양의 데이터에서 의미 있는 정보를 신속하게 분석하고 추출할 수 있는 독보적인 기능과 결합된 자가 학습 능력으로 인해 기술의 가장 큰 수혜자가 될 수 있다. 이미 코더 작업의 생산성, 속도 및 품질을 높이고 있다.
프로그래밍 세계에 대한 AI의 추가 침투가 소프트웨어가 존재하는 방식과 개발자가 된다는 것이 무엇을 의미하는지 계속해서 재정의할 것이라는 데는 의심의 여지가 없다. 인간과 기계의 협력에 의해 추진되는 소프트웨어 엔지니어링의 획기적인 변화를 살펴본다.
개발자는 창의적이고 복잡한 작업에 더 집중할 수 있다.
현재 AI는 완전한 개발 주기를 자체적으로 마무리하기는 어렵지만 수동으로 수행할 때 많은 시간과 노력이 필요한 반복적이고 지루한 워크플로를 수행하는 데 이미 필수 불가결한 요소가 되었다. Tabnine, OpenAI Codex와 같은 AI 기반 코딩 도우미가 이 분야에서 탄력을 받고 있다. 프로그래밍 프로세스에 대한 입력은 대부분 GitHub 및 유사한 리소스에서 사용할 수 있는 수천 개의 오픈 소스 프로젝트를 기반으로 하는 자동 코드 완성으로 귀결된다.
이 기여는 소프트웨어 엔지니어가 타이핑하는 시간을 절약하고 코딩 루틴의 정확성을 향상시킬 뿐만 아니라 디자인 개선, 사용자 경험 개선, 문제 해결 및 프로젝트의 창의적인 측면에 집중할 수 있는 여유 공간을 확보한다.
점점 더 가까워지는 인간과 인공지능의 "파트너십"은 그들의 역할이 직접적으로 겹치지 않고 서로를 보완하는 패러다임 전환을 불러올 것이다. 다음 주요 이정표는 개발자가 더 많은 감독 기능을 갖게 된다는 것이다. 그러면 인공지능이 지루한 작업의 대부분을 수행하므로 사람들의 기여는 프로세스를 마무리하는 데만 국한된다.
새로운 개발자를 위한 멘토링은 기계가 미래에 존재감을 유지하고 증가시킬 또 다른 영역이다. Mendix Assist와 같은 이 범주의 AI 기반 도구는 스스로 프로젝트를 완료할 수 있는 전문 지식이 부족한 IT 애호가가 액세스할 수 있는 최고의 코딩 방법을 제공한다. 이것은 이 산업의 민주화를 위한 길을 열 것이다.
AI를 사용하면 소프트웨어 결함을 조기에 더 쉽게 발견할 수 있다.
품질 보증 테스트는 많은 함정이 있는 길고 리소스 집약적인 프로세스라는 것은 상식이다. 소프트웨어 공급업체는 제품의 결함을 찾기 위해 제한된 수의 작업 시간을 할당할 수 있기 때문에 일부 조잡한 코드 라인이 감지되지 않고 솔루션이 고객 환경에 배포된 후에야 발견될 수 있다.
인공지능은 이미 이 영역에 혁명을 일으키고 있다. 실제로 소프트웨어 테스팅은 스펙트럼 전반에 걸쳐 이 기술의 가장 유망한 애플리케이션 중 하나이다. 방대한 코드베이스를 통과하여 인간 분석가의 능력을 뛰어넘는 속도와 매우 높은 정확도로 구문 오류, 논리 불일치, 컴파일 오류 및 기타 버그를 찾아낼 수 있다.
품질 보증 루틴을 향상시키는 AI의 흥미로운 예는 나란히 비교를 통해 프로그램의 그래픽 사용자 인터페이스를 테스트하기 위해 이미지 기반 머신러닝을 사용하는 것이다. Differential fuzzing이라는 또 다른 기술은 동일한 코드를 다른 소프트웨어 환경에 도입하여 런타임 불일치를 관찰하여 미묘한 의미 체계 및 논리 결함을 식별하는 데 도움이 된다. 사전 정의된 시나리오를 기반으로 테스트를 실행하는 것 외에도 AI 기반 도구는 과거 프로젝트에서 학습하고 새로운 테스트 사례를 생성할 수 있다. 이렇게 하면 개발 시간이 크게 단축되고 최종 사용자가 적절한 품질의 제품을 얻을 수 있다.
실시간 자동화 오류 관리는 계속 호황을 누릴 것이다.
소프트웨어에서 해결되지 않은 오류가 시간이 지남에 따라 누적되면 기술 부채가 발생한다. 이는 품질보다 제품 제공을 우선시하는 성급한 개발 생태계에서 흔히 볼 수 있는 상황이다. 오늘 이러한 문제를 해결하는 것을 소홀히 함으로써 공급업체는 미래의 소프트웨어 다운타임 및 결함을 처리할 위험을 무릅쓰게 된다. 또 하나의 심각한 걸림돌은 제품에 쉽게 손상될 수 있는 보안 허점이 있을 수 있다는 것이다. SaaS(software-as-a-service)를 제공하는 조직의 경우 평판에 영향을 미치고 짧은 기간 동안 액세스할 수 없으면 재정적 손실을 수반하기 때문에 이는 특히 불리한 시나리오이다.
인공지능과 머신러닝 알고리즘이 공백을 채울 수 있다. 오류를 자동으로 찾아 미리 설정된 심각도 척도에 따라 분류하고 사람의 개입이 거의 또는 전혀 없이 오류를 수정한다. 이 기능은 버그를 해결하는 비용이 소프트웨어 수명 주기에 따라 크게 증가하기 때문에 소중하다.
이와 같은 접근 방식의 효율성은 소프트웨어 엔지니어가 이를 수정하는 데 도움이 되는 단계를 제안하면서 단 몇 분 만에 매우 큰 데이터베이스를 검색하고 조잡한 코드 또는 표준에서 다른 편차를 공개하는 이러한 최첨단 기술의 능력에서 비롯된다. 높은 정확도는 이 전술의 장점이기도 하다. 또한 AI는 이전에 분석한 데이터에서 결론을 도출하여 오류 감지 및 관리 능력을 미세 조정할 수 있다. 모든 이점을 감안할 때 이러한 추세는 개발 분야에서 계속해서 견인력을 얻을 것이다.
AI는 지속적인 사용자 피드백으로 프로젝트를 강화한다.
대상 고객의 요구 사항을 완전히 충족하는 제품을 제공하려면 IT 전문가는 피드백을 전면 및 중심에 두어야 한다. 이 고객 중심 접근 방식은 어떤 조정이 사용자 경험을 향상시킬 수 있는지에 대한 실행 가능한 통찰력을 제공하여 애플리케이션이 도달 범위를 극적으로 확장하는 데 도움이 된다.
머신러닝 알고리즘은 사용자가 소프트웨어 조각과 실시간으로 상호 작용하는 다양한 측면을 모니터링하도록 학습될 수 있으므로 일관된 피드백 루프를 유지하고 개발자가 이러한 작은 퍼즐 조각을 수집하고 구성하는 번거로움을 덜어준다. 끊임없는 사용자 행동 데이터 스트림은 다양한 사용 시나리오를 기반으로 동적인 경험을 만드는 데 도움이 된다. 예를 들어, 이러한 소프트웨어는 요소의 크기와 위치를 포함하여 이동 중에 UI 표현을 유연하게 조정할 수 있다.
요구사항 관리는 최종 사용자가 애플리케이션에서 기대하는 것을 수집, 검증 및 기록으로 유지하기 위한 인접 프로세스이다. 제대로 수행하지 않는 한 이 활동은 마감일을 늦추고 비용을 부풀리거나 심지어 프로젝트를 완전히 방해할 수도 있다. AI 기반 솔루션은 한 단계 더 발전할 수 있다. 이 프로젝트 관리 영역의 모범 사례 지침에 대해 교육을 받은 이들은 자연어 처리를 활용하여 요구 사항을 분석하고 불일치를 식별하며 개선 사항을 제안한다.
이러한 도구는 탈출 조항, 불완전하거나 복합적인 요구 사항 및 다양한 모호성을 쉽게 찾아내어 검토 시간을 최소화할 수 있다. IBM Watson 및 Visure 요구 사항 ALM은 이 틈새 시장에서 가장 잘 알려진 도구의 예이다.
계획 및 비용 추정이 덜 어려워진다.
소프트웨어 프로젝트의 이러한 예비 단계의 뉘앙스에 익숙하다면 개발 팀에 어떤 부담이 되는지 알 것이다. IT 담당자가 제대로 풀지 못하는 경우가 많은 변수가 있는 방정식과 같다. 고맙게도 인공지능은 일정과 필요한 예산을 예측하는 데 매우 능숙한 것으로 입증되었다.
정확한 예측은 고객의 요구 사항, 특정 유형의 소프트웨어를 개발할 때 발생하는 경향이 있는 장애물 및 이를 해결하는 데 걸리는 시간을 포함하여 프로젝트의 전체 컨텍스트를 파악하는 문제이다. 기계는 과거 프로젝트 및 검증된 타사 소스의 정보를 기반으로 이 메타데이터를 이해하도록 훈련될 수 있다.
이러한 모든 내부 작업에 대한 세부 정보는 프로젝트 수락 여부를 결정하는 데 중요할 수 있다. 변명할 수 없을 정도로 오래 지속될 직업을 맡는 것보다 "아니오"라고 말하는 것이 더 현명한 경우도 있다. 마감일을 지키지 못하는 것은 고객 불만의 촉매제가 되므로 정확한 견적을 제공하는 것이 최선의 이익이다. 툴킷의 예측 분석을 통해 AI는 이와 관련하여 묘책이 될 수 있으며 정보에 입각한 비즈니스 결정을 내리는 데 계속해서 초석이 될 것이다.
AI로 코드 보안 강화
초기 개발 단계부터 제품 출시 및 고객 인프라 내 배포에 이르기까지 개발자는 보안을 최우선으로 생각해야 한다. 많은 양의 데이터 유출 및 랜섬웨어 공격이 소프트웨어에서 악용할 수 있는 격차를 낳는 코딩 실수로 인해 발생한다. 이러한 재난을 피하는 유일한 방법은 이러한 실수를 사전에 찾아 수정하는 것이다. 이 매우 중요한 전략은 SecDevOps로 알려져 있다.
AI는 이와 관련하여 프로그래머의 최고의 동맹이다. 머신러닝 알고리즘은 MITRE의 CVE 데이터베이스와 같이 공개적으로 사용 가능한 소스의 정보를 사용하여 애플리케이션을 쉬운 결과로 바꾸는 알려진 취약성에 대한 모든 코드 라인을 확인할 수 있다. 보호는 소프트웨어 수명 주기의 모든 단계로 확장된다. 배포 후 이러한 지능형 도구는 의심스러운 네트워크 활동을 기반으로 내부자 위협 및 제로 데이 공격을 탐지할 수 있다.
AI의 사용은 가능한 한 개발 프로세스 초기에 결함을 발견하고 수정하는 것을 목표로 하는 "시프트 레프트(Shift Left)"라는 점점 인기를 얻고 있는 원칙의 맥락에 맞는다. 이 관행은 비용을 절감하고 소프트웨어 공급업체가 위에서 언급한 기술 부채로 인한 함정을 피하는 데 도움이 된다.
참고로 사이버 범죄자들은 이미 이 기술을 무기화하고 있다. 맬웨어를 생성하기 위해 ChatGPT를 악용하는 사기꾼에 대한 최근 보고서는 불안한 추세를 잘 보여준다. 즉, CI/CD 파이프라인에 보안을 추가하기 위한 추가 AI 구현은 추를 흰색 모자에 유리하게 만들 수 있다.
전망
인공지능은 이미 소프트웨어 개발 구조에 통합되어 있으며 이러한 관계는 점점 더 가까워질 것이다. 일부 분석가는 이 기술이 코더를 불필요하게 만들 것이라고 주장하지만 그러한 예측은 터무니없는 것으로 보인다. 앞으로 몇 년 동안 이 산업의 발전은 인적 오류의 여지가 높은 반복 작업 및 프로세스의 자동화 경로를 따를 가능성이 높다. 사람들은 계속해서 소프트웨어를 작성하고 AI는 그들에게 친절한 도움의 손길을 빌려줄 것이다.
