I. 서론

최근 인공지능(Artificial Intelligence: AI) 기술이 급속히 발달함에 따라 대규모 언어 모델(Large Language Models: LLM) 기반의

생성형 AI(ChatGPT, Gemini, Copilot 등)의 등장으로 소프트웨어 공학 분야에 패러다임의 변화가 일어나고 있다.
소프트웨어 개발 생명 주기(Software Development Life Cycle: SDLC)1) 전 단계에 걸친 생성형 AI의 활용 증가는 현업에 종사하는

기존 코딩 중심의 개발자 역할에 상당한 변화를 초래하고 있다. 그러나, 생성형 AI는 자율적 의사결정과 맥락적 이해에 제한이 존재하며, SW 개발 프로세스 전체를 자동화하는 데는 명백한 한계가 존재한다. 

생성형 AI의 기능과 능력을 최적화하기 위해 업무 상황에 적절한 SW 개발자의 전문적 지시와 업무 해석 능력이 필수적이다.
본 고는 AI시대에 적합한 소프트웨어 개발 생명 주기 별 생성형 AI 활용 전략을 분석하고, SW 개발자와 생성형 AI 간의 상호보완적

협업 모델을 제안하고자 한다.

II. 생성형 AI의 SW 개발 생태계 통합
 

1. 생성형 AI 모델의 기술적 특성과 SW 개발 적용성
 

생성형 AI(Generative AI)는 트랜스포머 아키텍처(transformer architecture)[1]2) 기반의 딥러닝(deep learning)[2]3) 모델로

텍스트, 오디오, 이미지, 동영상 형태의 새로운 콘텐츠를 생성하도록 설계된 인공지능 시스템이다[3][4]. 가트너는 생성형 AI를

콘텐츠 및 사물에 대한 데이터를 통해 학습하고, 그것을 사용하여 창조적이며 현실적인 완전히 새로운 결과물을 만들어내는

기계학습 방법으로 정의하고 있다[5].

현재, SW 개발 생태계에서 가장 많이 활용되는 생성형 AI 도구는 GitHub Copilot과 ChatGPT라 할 수 있다.

그 외에도 Amazon의 CodeWhisperer, Google의 Gemini, VS Code 기반의 Cursor, 테스트 자동화 특화 도구인 CodiumAI 등이 엔터프라이즈 환경에서 점진적으로 도입되어 활용도를 넓혀 가고 있다. [표 1]은 이러한 주요 생성형 AI의 도구별 기술 특징을

정리한 것이다. 2)

2. SW 개발자들이 SW 개발 업무 시 생성용 AI를 주로 사용하는 분야

생성형 AI의 도입 이후, SW 개발자들은 실제 개발 업무에서 생성형 AI를 많이 사용하고 있으며, 그 사용 빈도는 더욱 증가할 것으로

예상된다. SW 개발 업무에서 생성형 AI가 많이 활용되는 분야에 대해 [표 2]와 같이 정리하였다.

---------------------------------------------------------------------------------------------------------------------------------------------------------