<생성형 AI로 개발자 생산성 향상된다?>

당연한 제목이지요. 나온지 1년도 지난 아티클이구요. 하지만 여전히 중요한 핵심 "생성형 AI가 개발자의 생산성을 얼마나, 어디에서, 어떤 경우에 향상이 되고 그들이 어떻게 느끼는지"을 다룬다는 점에서 현재도 통하는 글입니다.

그리고 이런 요소는 프로젝트나 프로덕트 매니지먼트에선 꽤나 중요한 요소입니다. 글의 내용에 제 의견을 함께 담았습니다. 본문은 아래에 링크를 적어놓았습니만, 제 요약을 보시는 것만으로도 이해는 충분하실 겁니다.

1. 생산성 향상 효과

- 단순 작업에서 두드러진 성과를 나타내고, 그 효과는 문서화, 코드 생성, 코드 리팩토링의 순서로 동작합니다. 최대 50%의 시간 단축 효과를 보여줍니다. : 엔지니어들의 다큐멘테이션 작업을 도와주는 것만으로도 엄청난 일을 해 낸다는 생각입니다. 참조해야할 디펜던시가 많고 업데이트 된 여러 프로젝트를 오가야 하는 경우 꽤 많이 걸리는게 이런 다큐멘테이션 작업이거든요.

- 복잡한 작업의 제한: 복잡한 작업에서는 시간 절약 효과가 미미하거나, 경험이 적은 개발자들에게는 오히려 시간이 더 소요될 수 있습니다. : 복잡함이라는 것이 기술의 복잡함도 있지만, 고객 요청이나 사용자 저니가 복잡한 경우도 있기 때문입니다. 이런 경우엔 경험 많은 엔지니어의 참여가 훨씬 더 효과적이겠죠?

2. 적용 영역

- 자동화된 반복 작업: 코드 기능 문서화, 자동 완성, 표준화된 형식으로의 코드 변환 등에 유용.

- 새로운 코드 생성: 새롭게 시작하는 작업에 빠르게 착수 가능. (새로운 작업이라고는 하지만, 기존의 자원을 경험하고 학습한 것을 기반으로 유사한 작업을 행하는 경우를 말합니다.)

기존 코드 업데이트나, 신 기술 학습 지원에선 상대적으로 덜 효율적이었습니다. (업데이트는 버그나 새로운 요청에 의해 변경되었기에, 매우 신중한 접근이 필요한 부분입니다. 또한 신기술 지원은 그 신기술에 해당하는 베스트 프랙티스를 학습하기 까지 효율적일 수 없습니다.)

3. 제약 사항 및 리스크

- 복잡한 작업에서는 잘못된 코드를 제안하거나 오류를 제안할 수 있음

- 조직 및 프로젝트 특유의 맥락은 여전히 인간 개발자가 제공해야 함. (가장 중요한 부분으로 SI 업무와 업무 특수성이 강조되는 경우에서는 AI가 가장 취약한 부분임)

- 데이터 개인정보보호 및 AI가 생성한 코드의 소유권 문제 등 법적, 윤리적 리스크 존재 (소프트웨어 기업에서 저작권이 있는 제품을 생산하는 경우 매우 큰 문제점이 있습니다. 단순하게 오픈소스를 사용하는 것과는 차원이 다른 문제이지요.)

4. 개발자 경험

본문의 차트에서 나오는 대로 높은 퍼센티지의 개발자가 "I was in a 'flow' state'라고 이야기했는데요. 이 'flow'라는 것은 심리학자 미하이 칙센트미하이(Mihaly Csikszentmihalyi)가 정의한 '몰입(flow)' 상태를 의미합니다. 즉 개발자가 AI 도구의 도움으로 작업에 깊이 몰입하고, 생산적이며 의미 있는 작업에 집중할 수 있었다는 긍정적인 경험을 설명하면서, 특히 반복적이거나 번거로운 작업이 줄어들어, 더 창의적이고 중요한 문제를 해결하는 데 몰두할 수 있었음을 시사합니다.

시장에는 GIthub Copilot를 비롯하여, Cursor나 Tabnine과 같은 보다 혁신적인 서비스들이 늘어나고 있습니다. 이런 서비스 홍수 속에서 여러분의 팀은 어떤 서비스를 어떻게 사용하고 계신가요?