2024년, AI가 소프트웨어 개발을 혁신하는 스타트업의 비결

2024년, AI가 소프트웨어 개발을 혁신하는 스타트업의 비결

 

 

오늘날 빠르게 발전하는 디지털 환경에서 인공지능(AI)은 다양한 산업 전반에 걸쳐 수많은 혁신을 이끄는 원동력이 되었다.

 

자율주행차와 가상 비서부터 예측 분석과 맞춤형 추천에 이르기까지 AI는 기업이 운영하고 고객과 상호 작용하는 방식을 혁신하고 있다. 2024년을 시작하며 스타트업은 AI 지원 소프트웨어 개발을 수용하는 것이 더 이상 선택이 아닌 생존을 위한 필수가 되는 중요한 시점에 직면해 있다.

 

스타트업은 항상 혁신의 선두에 서서 최첨단 기술을 활용하여 기존 산업을 파괴하거나 완전히 새로운 산업을 창출해 왔다.

 

AI가 혁신적인 기술로 추진력을 얻으면서 스타트업은 오늘날의 혼잡한 시장에서 경쟁력을 유지하기 위해 비즈니스 성장에 AI가 미치는 잠재적 영향을 인식해야 한다. AI를 소프트웨어 개발 프로세스에 통합함으로써 스타트업은 방대한 양의 데이터에서 귀중한 통찰력을 얻고, 일상적인 작업을 자동화하고, 의사 결정 프로세스를 최적화하고, 탁월한 사용자 경험을 제공할 수 있다.

 

그러나 신중한 계획이나 예산 책정 없이 단순히 AI를 채택하는 것은 스타트업에게 위험할 수 있다. 기술적인 측면뿐만 아니라 확장성, 장기적인 지속 가능성 등의 요소도 고려하는 전략적 사고와 종합적인 접근 방식이 필요하다.

 

이 기사에서는 스타트업 창업자와 의사결정자가 2024년에 AI 지원 소프트웨어 개발을 수용해야 하는 이유에 대해 자세히 알아볼 것이다.

 

[본문]

 

모든 기업 부서 중 제품 및 엔지니어링 부서가 AI 기술에 가장 많은 비용을 지출하고 있다. 맥킨지에 따르면 개발자는 제너레이티브 AI를 통해 특정 작업을 최대 50% 더 빠르게 완료할 수 있으며, 이를 효과적으로 활용하면 엄청난 가치를 창출할 수 있다.

 

하지만 AI에 돈을 쏟아붓고 좋은 결과를 기대하는 것만큼 쉬운 일은 아니다. 기업은 AI 도구에 얼마만큼의 예산을 투자해야 하는지, AI와 신입사원의 이점을 어떻게 비교해야 하는지, 교육이 제대로 이루어질 수 있도록 보장하는 방법을 이해해야 한다. 최근 연구에 따르면 경험이 적은 개발자가 숙련된 개발자보다 AI를 통해 훨씬 더 많은 이점을 얻을 수 있기 때문에 누가 AI 도구를 사용할 것인지가 중요한 비즈니스 결정 사항이라고 한다.

 

이러한 계산을 하지 않으면 이니셔티브의 부진, 예산 낭비, 심지어 직원 손실로 이어질 수 있다.

 

Waydev(미콕회사)는 지난 1년 동안 자체 소프트웨어 개발 프로세스에서 제너레이티브 AI를 사용하는 가장 좋은 방법을 실험하고, AI 제품을 개발하고, 소프트웨어 팀에서 AI 도구의 성공 여부를 측정해왔다. 이를 통해 기업이 소프트웨어 개발에 AI를 본격적으로 투자하기 위해 어떻게 준비해야 하는지 알게 되었다.

 

개념 증명 수행

 

CIO(최고정보책임자)가 예산을 더 많은 인력을 채용하는 데 사용할지, 아니면 AI 개발 도구에 사용할지 결정할 때는 먼저 개념 증명을 수행해야 한다. 엔지니어링 팀에 AI 도구를 추가하는 기업 고객은 개념 증명을 통해 AI가 실질적인 가치를 창출하는지 여부와 그 규모를 파악해야 한다. 이 단계는 예산 배분을 정당화할 뿐만 아니라 팀 전체의 수용을 촉진하는 데에도 중요하다.

 

첫 번째 단계는 엔지니어링 팀 내에서 개선하고자 하는 사항을 구체화하는 것이다. 코드 보안, 속도, 개발자 복지 중 무엇을 개선하고 싶은가? 그런 다음 엔지니어링 관리 플랫폼(EMP) 또는 소프트웨어 엔지니어링 인텔리전스 플랫폼(SEIP)을 사용하여 AI 도입이 이러한 변수에 영향을 미치고 있는지 추적하여 사이클 시간, 스프린트 시간 또는 계획 대비 완료 비율을 사용하여 속도를 추적할 수 있다. 실패 또는 인시던트 수가 감소했는가? 개발자 경험이 개선되었는가? 항상 가치 추적 지표를 포함시켜 표준이 떨어지지 않도록 해야 한다.

 

다양한 작업에서 결과를 평가해야 하고 개념 증명을 특정 코딩 단계나 프로젝트에 국한하지 말고 다양한 기능에 걸쳐 사용하여 다양한 시나리오와 다양한 기술 및 직무 역할을 가진 코더와 함께 AI 도구가 더 나은 성능을 발휘하는지 확인해야 한다.

 

하드웨어 기능은 개념 증명에서 필수적으로 고려해야 할 사항이다. 컴퓨팅 성능이 AI를 실험적으로 통합하는 정도만 처리할 수 있을 뿐, 프로젝트의 전체 구현 부하를 감당할 수 없는 경우도 있다. 이 경우 가상의 AI 예산에 추가 CPU 및 기타 하드웨어를 고려해야 한다.

 

이제 직원 급여 절감, 시간 회수, 추가 생산성 등 이득과 소프트웨어 및 하드웨어에 대한 지출과 관련된 AI 프로젝트의 가치를 계산할 수 있다. 금전적 절감 및/또는 생산성 향상이 AI 투자의 가치를 얼마나 높이는지에 대한 벤치마크를 설정해서 이러한 기준이 충족되지 않는다면 다른 AI 전략을 모색하거나 추가 인력을 충원하여 요구 사항을 충족하는 것이 더 효율적일 수 있다.

 

팀을 위한 교육 및 지식 공유 프레임워크 구축하기

 

핵심 팀을 유지하든 AI 도구를 통합하면서 팀을 확장하든, AI를 온보딩 및 스킬업 프로세스의 한 축으로 삼아야 한다. 오늘날 엔지니어링 팀을 위해 새롭게 등장하는 많은 AI 도구는 완전히 새로운 기술을 기반으로 하기 때문에 통합, 온보딩 및 교육 작업의 상당 부분을 사내에서 수행해야 한다. 이 프레임워크에 얼마나 많은 노력이 필요한지 과소평가하면 안 된다.

 

통합하거나 사내에서 개발할 도구를 결정한 후에는 AI를 가장 잘 활용하는 방법에 대한 내부 문서와 가이드라인을 구축하고. 여기에는 도구를 사용할 수 있는 시기와 장소, 플랫폼에 업로드할 수 있는 데이터와 업로드할 수 없는 데이터의 종류(예: 민감하거나 익명화 되지 않은 고객 데이터의 처리 방법), 주의해야 할 위험 등이 포함되어야 한다.

 

새로운 도구를 온보딩할 때는 모든 신입사원이 워크플로에 영향을 주지 않고 실험을 시작할 수 있도록 자체 샌드박스 내에서 AI 도구에 즉시 액세스할 수 있는 권한을 부여하고 이렇게 하면 교육이 더 빨라지고 직원들이 질문하고 문제를 표시할 수 있는 기회도 생긴다.

 

팀 전체의 지식 공유에도 투자하여 AI와 관련된 내부 개발 사항 뿐만 아니라 다양한 AI 도구에 대해 사람들이 배우고 있는 내용, 관련 AI 기술에 대한 맥락을 제공하는 뉴스를 공유할 수 있는 메커니즘과 플랫폼을 만들고 한 가지 메커니즘은 팀별 프레젠테이션 회의를 정기적으로 개최하는 것이다. 회사 전체가 참여해야 한다는 점을 기억해야 한다. 예를 들어, GitHub에는 소프트웨어 개발의 미래를 탐구하는 특정 연구팀이 있지만 사일로화되어 있지 않다. 이들은 제품팀부터 엔지니어링팀까지 모든 팀원들과 소통하며 모든 사람들로부터 아이디어와 피드백을 받는다.

 

다른 기업의 사례에서 영감 얻기

 

특히 생성형(또는 예측형) AI의 경우, 기업에게는 완전히 새로운 세계이므로 다른 비즈니스의 성공 사례를 살펴보는 것이 도움이 된다. 통합 개발자 환경(IDE) 도구부터 일반 챗봇에 이르기까지 소프트웨어 개발에서 AI를 어떻게 활용하고 있는지 공개적으로 이야기하고 있는 유사 기업을 팔로우하면 이들을 예로 들 수 있을까?

 

Launch Consulting의 대표이자 기술 리더인 Joe Welch는 소프트웨어 개발에서 AI를 활용하는 방법에 대한 실제 사례를 제시했는데, 예를 들어 AI를 사용하여 하위 시스템과 모듈의 요약을 작성하여 신규 개발자의 온보딩을 용이하게 하고 개발자가 코드에 대해 AI에게 구체적인 질문을 할 수 있도록 하는 것이 그 예이다. 또는 개발자가 두 가지 언어에 모두 능통해야 하기 때문에 어려운 코드베이스를 이전 언어에서 최신 언어로 쉽게 마이그레이션할 수도 있다.

 

GitHub에는 사용자가 어떤 언어로든 코드를 작성하고 이해할 수 있는 챗봇이 있으며, 모바일에서도 사용할 수 있다. Backstage는 오픈 소스 챗봇을 개발자 포털의 로컬 버전에 구축했다.

 

AI를 소프트웨어 개발에 통합하는 경로가 무엇이든 간에 0에서 1까지의 과정이 아니다. 모든 단계에서 시간과 비용이 낭비되지 않고 전반적인 개발자 경험과 성능을 개선하는 데 쓰일 수 있도록 신중한 계획이 필요하다.