2027년까지 개발자 70%가 AI 도입할 것… 생성형 AI로 진화하는 소프트웨어 엔지니어링

Redefining software engineering: The impact of generative AI

“품질·생산성 향상” 생성형 AI, 기업 61%가 혁신 동력으로 주목

캡제미니(Capgemini)의 보고서에 따르면, 생성형 AI는 소프트웨어 엔지니어링 분야에서 가장 혁신적인 기술 발전으로 평가받고 있다. 포레스터(Forrester) 리서치는 AI 소프트웨어 지출이 2021년 330억 달러에서 2025년 640억 달러로 두 배 증가할 것으로 예측했다. 전체 소프트웨어 시장보다 50% 빠른 연간 18%의 성장률을 보일 것으로 전망된다. 조사 결과 기업의 61%가 새로운 소프트웨어 기능과 서비스 개발과 같은 혁신적인 업무 수행을 생성형 AI의 주요 이점으로 꼽았으며, 소프트웨어 품질 향상(49%)과 생산성 향상(40%)이 그 뒤를 이었다.

코딩 지원 39%, 테스트 생성 26%…SDLC 전반으로 확대되는 생성형 AI 활용

생성형 AI는 소프트웨어 개발 수명주기(SDLC) 전반에서 활용되고 있다. 비즈니스 요구사항 분석, 애자일 사용자 스토리 작성부터 소프트웨어 설계, 코딩, 문서화, 패키징, 배포, 테스트, 모니터링까지 적용 범위가 확대되고 있다. 현재 가장 높은 도입률을 보이는 분야는 코딩 지원(39%)이며, 테스트 케이스 생성은 26% 수준이다. 특히 UI 목업, 엔티티 모델, 마이크로서비스 API 등 설계 산출물 생성에서 품질을 저하시키지 않으면서도 상당한 생산성 향상을 달성하고 있다.

“생성형 AI에 만족” 시니어 69%, 주니어 55%…개발자 경험 크게 개선

생성형 AI는 개발자들의 업무 만족도를 크게 향상시키고 있다. 고급 개발자의 69%와 주니어 개발자의 55%가 소프트웨어 개발에서 생성형 AI 사용에 높은 만족도를 보였다. 또한 소프트웨어 전문가의 78%가 생성형 AI가 비즈니스와 기술팀 간의 협업을 향상시킬 것으로 기대했다. 실제 코딩 단계에서는 20-40%의 생산성 향상이 관찰되었으며, 전체 소프트웨어 개발 수명주기에서는 10-30%의 작업량 감소 효과가 확인되었다.

승인되지 않은 AI 도구 사용 63%…기업의 거버넌스 체계 구축 시급

도입 과정에서의 위험도 드러났다. 현재 생성형 AI를 사용하는 소프트웨어 전문가의 63%가 승인되지 않은 도구와 솔루션을 사용하고 있다. 이는 지적재산권 침해, 기밀 데이터 유출, 비용 통제 실패, 법적·보안적 위험 등으로 이어질 수 있다. 전문가의 1/3이 자가 학습에 의존하고 있으며, 기업의 40%만이 직원들의 생성형 AI 역량 강화를 지원하고 있어 체계적인 교육과 관리가 필요한 상황이다.

플랫폼·도구 보유 27%, 인재 확보 32%…기업의 AI 준비도는 아직 미흡

가트너(Gartner)는 2027년까지 전문 개발자의 70%가 생성형 AI를 사용하게 될 것으로 전망했다. 하지만 현재 기업들의 준비 상태는 미흡하다. 기업의 27%만이 필요한 플랫폼과 도구를 보유하고 있으며, 32%만이 인재 확보를 위한 선결 조건을 갖추고 있다. 특히 연매출 200억 달러 이상 대기업의 75%가 생성형 AI를 도입했거나 시범 운영 중인 반면, 연매출 10-50억 달러 규모 기업은 23%에 그쳐 기업 규모별 격차도 큰 것으로 나타났다.

생성형 AI 도입 성공의 핵심은 ‘단계적 접근과 체계적 측정’

캡제미니는 생성형 AI 도입을 위한 3단계 접근법을 제시했다. 첫째, 조직의 성숙도를 평가하고 명확한 목표를 설정해야 한다. IT 도메인의 소프트웨어 엔지니어링 프로세스 현황을 철저히 분석하고, 산업 모범 사례와의 비교를 통해 개선이 필요한 영역을 파악해야 한다. 특히 병목 현상이나 비효율이 발생하는 지점을 정확히 식별하는 것이 중요하다.

둘째, 파일럿 프로젝트를 실행하고 생성형 AI의 영향을 측정해야 한다. 캡제미니는 최소 6개 스프린트, 가급적 9개 스프린트 동안 진행되는 파일럿을 권장한다. 파일럿은 세 가지 방식으로 구성할 수 있다: 기존 팀의 생성형 AI 전환, 새로운 팀의 단계적 AI 도입, 기존 팀과 병행하는 섀도우 팀 운영이다. 이때 생산성 향상, 소프트웨어 품질, 출시 기간, 개발자 경험 등 다섯 가지 핵심 지표를 체계적으로 측정해야 한다.

셋째, 대규모 확장을 위한 조직적 준비가 필요하다. 수백 또는 수천 명의 개발자가 참여하는 대규모 배포의 경우, 조직과 인사 관련 영향을 신중히 고려해야 한다. 비즈니스 분석가, 소프트웨어 아키텍트, 엔지니어, 테스터 등 다양한 역할의 변화에 대비한 업스킬링 프로그램을 도입하고, 전담 팀을 구성하여 비즈니스 케이스 정의, 진행 상황 측정, 기대 성과 달성 여부를 지속적으로 모니터링해야 한다.

이러한 체계적인 접근은 생성형 AI 도입의 성공 확률을 높이고, 조직의 디지털 전환을 가속화하는 핵심 요소가 될 것으로 전망된다.

AI-인간 협업의 새 모델 ‘증강 소프트웨어 팀’ 등장

캡제미니는 ‘AI-인간 협업’이라는 새로운 패러다임을 제시했다. 이는 AI 어시스턴트와 개발자가 페어 프로그래밍을 수행하고, 반복적인 작업은 자동화하며, 인간 개발자들은 창의적인 문제 해결에 집중하는 방식이다. OpenAI의 컴퓨터 과학자 안드레이 카파시(Andrej Karpathy)는 “가장 핫한 새로운 프로그래밍 언어는 영어”라고 언급하며, 자연어를 통한 소프트웨어 개발의 새로운 패러다임을 강조했다.

해당 기사에 인용된 리포트 원문은 링크에서 확인 가능하다.

기사는 클로드 3.5 Sonnet과 챗GPT를 활용해 작성되었습니다.