데브옵스 조직의 AI 의존도, 점점 커진다

IT 환경 운영 관리에서 인공지능(AI)의 역할이 빠르게 커지고 있다. 이어 소프트웨어 개발에서도 AI의 존재감은 날로 뚜렷해지는 모습이다.

최근 미국 지디넷에 따르면, 최근 깃허브가 실시한 설문조사 결과 데브옵스 조직의 31%가 소프트웨어 개발 및 품질 향상에서 AI와 머신러닝 알고리즘을 적극 활용하는 것으로 확인됐다. 이는 작년 같은 설문조사 결과보다 2배 이상 늘어난 것이다.

또 37%는 소프트웨어 테스트에서 AI와 머신러닝을 사용하고(작년 25%),20%는 올해 도입할 계획이라고 답했다.

테크스트롱리서치와 트리센티스의 설문조사 결과도 이와 유사한 추세가 나타났다. 2천600명의 데브옵스 실무자와 조직리더를 대상으로 한 설문조사에서 90%는 데브옵스 흐름의 테스트 단계에서 더 많은 AI를 투입하는 것에 호의적이고, 현재 직면한 기술 부족 문제를 해결하는 방법으로 본다고 답했다.

이 조사는 역설도 드러냈다. 기업은 소프트웨어 개발에 필요한 기술의 부족을 AI란 전문기술 도입으로 해결하려 하고 있다. 그런데 역설적으로 데브옵스 운영을 위한 AI 기술이 부족한 현실이다.

설문조사 응답자의 47%는 AI 기반 데브옵스의 주요 이점으로 '기술 격차를 줄이고, 직원이 더 복잡한 작업을 더 쉽게 수행하게 하는 것'이라고 답했다. 그러면서 응답자의 44%는 AI 기반 소프트웨어 테스트 개발과 실행에 필요한 기술 부족을 AI 기반 데브옵스의 주요 장애물 중 하나로 꼽았다.

조사에 참여한 관리자의 65%는 소프트웨어 기능 테스트가 AI 기반 데브옵스에 매우 적합하고 큰 도움을 줄 것이라고 답했다.

데브옵스는 개발과 운영이 동일선에서 흐르기 때문에 테스트를 제대로 하지 않으면 매우 심각한 피해를 초래한다. 테스트는 필수적이면서 수고스러운 업무다. AI와 머신러닝 알고리즘은 방대한 규모 혹은 빈번히 진행해야 하는 소프트웨어 개발 테스트를 상당 부분 자동화할 수 있다. 데브옵스 흐름에서 소프트웨어 개발 및 테스트에 단순하고 반복적인 작업만 줄여도 개발 생산성을 대폭 향상시킬 수 있다.

보고서 저자는 "성공적인 데브옵스에서 대규모 테스트 자동화는 필요하다"며 "이런 테스트 자동화는 방대한 양의 복잡한 테스트 데이터를 생성하고, 테스트 사례는 자주 변경해야 한다"고 지적했다.

이어 "AI는 대규모 데이터 세트의 패턴을 식별하고, 테스트 프로세스를 개선해 가속하는데 유용한 통찰력을 제공한다"고 덧붙였다.

이 설문조사는 테스트 자동화 이외의 AI 기반 데브옵스의 장점을 더 보여준다.

고객경험개선(48%), 비용절감(45%), 개발자팀 효율성 향상(43%), 코드품질향상(35%), 문제진단(25%), 출시 속도 증가(22%), 지식의 형식화(22%), 결함방지(19%) 등이다.

AI 기반 데브옵스는 대규모 조직에서 일찍 채택됐다. AI 기반 데브옵스의 이점에 대한 이같은 조사 결과는 AI 기반 데브옵스를 많이 활용해본 만큼 새로운 솔루션으로 더 적극 활용하려는 경향을 보인다는 것을 보여준다.

테크스트롱과 트리센티스의 보고서 저자는 "데브옵스 측면에서 이처럼 성숙한 회사는 지난 5~7년 동안 소프트웨어 개발 기능을 간소화하고, 성숙하고 세련된 파이프라인 및 프로세스에서 진전을 이뤘다"며 "이런 데브옵스 조직은 클라우드 네이티브이며, 데브옵스 워크플로우 파이프라인과 툴체인, 자동화 및 클라우드 기술을 사용한다"고 설명했다.