수십 년 동안 소프트웨어 개발은 인간 능력의 한계로 인해 제약을 받아 왔습니다. 컴퓨터는 명령을 실행할 수 있지만, 명령은 여전히 사람이 만들어야 합니다.
하지만 이제는 모든 것이 바뀌고 있습니다. AI는 코드를 생성할 뿐만 아니라 AI 에이전트가 자율적으로 코드베이스를 검사하고, 파일을 수정하고, 테스트를 실행하고, 오류를 수정할 수 있습니다. 이를 통해 개발 속도가 빨라질 뿐만 아니라 소프트웨어가 구축되는 방식이 근본적으로 달라집니다.
역사적으로 여러 DevOps 사례에서 개발자 속도를 개선하기 위해 다양한 접근 방식을 채택하고 다양한 요소를 강조해 왔습니다. 예를 들어,애자일 및 스크럼 방법론은 신속한 반복을 통해 팀 성과를 지원했습니다. 하지만 이러한 시스템은 인간의 워크플로를 중심으로 구축되었습니다.
개발자 속도는 점점 더 인간 개발자 또는 인간 개발자 팀이 AI 에이전트를 얼마나 효율적으로 오케스트레이션하여 비즈니스 가치를 제공할 수 있는지로 측정되는 AI 기반 개발 라이프사이클(AI-DLC)의 처리량으로 이해되고 있습니다. 코드 작성에서 오케스트레이션으로의 이러한 전환은 개발자의 주요 업무가 변화했음을 나타내며, 개발자의 업무 속도를 정의하고, 개선하고 측정하는 방식에 대한 재평가를 요구합니다.
오늘날 개발자 속도를 개선하려면 개발자 자신의 경험에서 시작하여 전체 엔드투엔드 소프트웨어 개발 라이프사이클(SDLC)을 살펴봐야 합니다.
Think 뉴스레터를 통해 AI, 자동화, 데이터 등 가장 중요하고 흥미로운 업계 동향에 대한 최신 소식을 받아보세요. IBM 개인정보 보호정책을 참조하세요.
개발자 경험(DevEx)은 조직 시스템, 워크플로, Developer Tools, 문화 및 작업 환경이 개발자 생산성에 미치는 영향을 모두 포함하는 용어입니다. 여기에는 가치를 창출하지 않는 작업을 최소화하고, 워크플로를 자동화하고, 리소스를 중앙 집중화하고, 통합을 간소화하고, 개발자가 오류를 조기에 자주 발견할 수 있는 기회를 제공하는 긴밀한 피드백 루프를 구현하는 것이 포함됩니다.
인지 부하를 줄이고 중단 없는 집중의 흐름 상태를 장려하는 것은 DevEx의 핵심 요소입니다. 예를 들어, 이러한 목표를 달성하는 한 가지 방법은 셀프 서비스 코드형 인프라 워크플로와 내부 개발 플랫폼을 구현하는 것입니다. 이러한 개발 환경을 통해 개발자는 모든 기본 인프라를 직접 관리할 필요 없이 소프트웨어를 더 쉽게 구축, 배포 및 운영할 수 있습니다.
에이전틱 코딩 어시스턴트가 구축되면 IDP 내에서 작동하여 정적 포털에서 보다 동적인 작업 중심 환경으로 전환할 수 있습니다. 예를 들어, IBM Bob은 플랫폼 구성 요소와 통합되어 다음과 같은 작업을 지원할 수 있습니다.
서비스 템플릿 및 표준 읽기
CI/CD 구성 및 워크플로와의 상호작용
리포지토리 전반에서 코드 생성 및 수정
빌드, 테스트 및 배포 트리거 지원(적절한 승인을 받은 경우)
연결된 도구를 통해 로그 및 관측 가능성 데이터 해석
협업 프로세스의 개선은 개발자의 속도에도 큰 영향을 미칠 수 있습니다. 개발자가 코드 작성에 모든 시간을 할애하는 경우는 거의 없습니다. 개발자는 빌드를 기다리고, 문서를 찾고, 환경을 구성하고, 권한을 요청하고, 익숙하지 않은 코드를 조사하고, 검토를 기다리고, 배포 문제를 해결하고, 회의에 참석하고, 여러 도구 간 전환합니다. 이러한 활동은 종종 다운타임으로 표시되며, 각각의 지연은 사소해 보일 수 있지만 수백 또는 수천 명의 개발자에게 지연이 발생하면 조직에 막대한 비용이 초래될 수 있습니다. 이 마찰은 개발자 속도의 주적 중 하나입니다. 그리고 소위 '속도가 10배인' 엔지니어조차도 자신을 중심으로 구축된 시스템만큼만 효율성을 발휘할 수 있습니다.
효율적인 검토, 명확한 의사소통 프로토콜, 문서에 대한 공동 소유권, 대규모 에픽을 더 작고 관리하기 쉬운 풀 리퀘스트(PR)로 분할하는 등의 노력은 장기적으로 개발자 속도를 향상하는 데 크게 도움이 됩니다.
다행히도 이러한 협업 개선 사항 중 다수는 지식 격차를 해소하고 팀과 기능 간의 조율을 장려하는 공유 인지 협력자 역할을 하는 AI를 통해 강화할 수 있습니다. 예를 들어, AI는 요구 사항을 종합하고, 비정형 피드백을 변환하고, 워크플로를 통합하여 수동 핸드오프를 줄이고, 문서를 자동으로 생성하고, 코드 리포지토리 내에서 직접 지속적인 컨텍스트를 유지할 수 있습니다.
여러 가지 방법으로 반복적인 작업, 특히 개발자가 지루하다고 생각하는 작업에 소요되는 시간을 최소화할 수 있습니다. 스마트 CI/CD 파이프라인은 코드 변경 사항을 자동으로 빌드, 테스트 및 병합하여 버그를 조기에 발견합니다. 자동화된 테스트는 코드 품질을 보장하는 동시에 이전에는 이를 달성하는 데 필요했던 수동 오버헤드를 제거하는 데 도움이 됩니다.
IBM Bob과 같은 AI 코딩 어시스턴트는 조직이 구현할 수 있는 가장 주요한 단일 개발자 속도 향상 조치라고 할 수 있습니다. 이 도구들은 상용구 코드 생성부터 테스트 자동화까지 SDLC의 많은 부분을 처리할 수 있습니다. 예를 들어, 한 조직은 Java 25로 업그레이드하는 동안 Bob을 사용하여 제공 속도를 90% 가속화하고, 더 높은 가치의 작업을 위해 160시간 이상의 엔지니어링 시간을 절약했다고 보고했습니다.
AI 코딩 어시스턴트는 단순히 코드를 생성하는 것 이상의 역할을 합니다. 에이전틱 기능을 갖춘 코딩 도구는 다음과 같은 많은 개발 작업을 자율적으로 수행할 수 있습니다.
AI-DLC는 온전히 AI를 중심으로 구축된 소프트웨어 개발 방법론으로, 소프트웨어 개발의 모든 단계에서 대규모 언어 모델(LLM) 또는 모델 그룹을 적극적인 협력자로 취급하는 SDLC를 증강한 것입니다. AI는 단순한 SDLC의 일부가 아니라, 인간과의 지속적인 협업을 통해 SDLC의 핵심 요소로 취급됩니다. 에이전틱 워크로드는 인간 생산성이 불가능한 정도까지 확장될 수 있으므로, 이 방법론은 개발자 속도를 향상할 수 있는 무한한 잠재력이 있습니다.
소프트웨어 개발은 추상적인 지식 작업이므로, 개발자의 작업 속도를 측정하는 것은 항상 어려웠습니다. 단순히 아웃풋을 계산할 수는 없습니다. 커밋이 많다고 해서 반드시 더 나은 소프트웨어가 만들어지는 것은 아닙니다. 코드가 더 많다고 해서 반드시 더 나은 엔지니어링으로 이어지는 것은 아닙니다. 빠른 풀 리퀘스트는 결함을 늘린다면 더 나은 것이 아닙니다.
조직은 당연히 개발자의 속도를 극대화하기를 원하지만, 잘못된 제품을 출시하거나 결함을 유발하거나 나중에 작업 속도를 지체시키는 기술 부채가 발생한다면 소프트웨어를 빨리 출시하는 것이 무슨 소용이 있을까요? 하루에 100번 배포하는 팀이 하루에 10번 배포하는 팀보다 반드시 생산성이 더 높은 것은 아닙니다. 조직은 코드 품질을 고려해야 합니다.
최종 제품에 대한 고객 만족도나 매일 마감되는 Jira 티켓 수로는 개발자의 속도를 완전히 표현할 수 없습니다. 비즈니스 성과 개선을 측정하려면 이러한 모든 요소 그 이상을 포함해야 합니다.
에이전틱 AI는 측정을 더욱 까다롭게 만듭니다. 생성형 AI 도구가 엄청난 양의 상용구 코드를 즉시 생성할 수 있으므로, 코드 볼륨은 측정 기준으로써 점점 더 무의미해지고 있습니다. AI는 개발자의 속도를 측정하는 방식을 단순한 활동 수에서 벗어나 전체적인 시스템 효율성, 품질 및 비즈니스 성과로 전환합니다.
2015년부터 DevOps 연구 및 평가[x] 프로그램은 소프트웨어 제공 및 운영 성과를 주도하는 능력을 이해하기 위해 노력해 왔습니다. DORA는 의도적으로 개별 생산성보다는 결과에 중점을 둡니다. 조직은 소프트웨어 제공 성능을 측정하기 위한 5가지 DORA 지표를 정의했습니다.
배포 빈도: 코드가 프로덕션에 도달하는 빈도
변경 사항 적용에 소요되는 시간: 코드 커밋부터 프로덕션 환경 배포까지 걸리는 시간
변경 실패율: 장애를 일으키거나 수정이 필요한 배포의 백분율
평균 복구 시간(MTTR):'실패한 배포 복구 시간'이라고도 함. 문제 발생 후 팀이 서비스를 복구하는 속도
배포 재작업률: 계획되지 않았으며 프로덕션 인시던트로 인해 발생한 배포의 백분율
여타 일반적인 지표는 다음과 같습니다.
풀 리퀘스트 주기 시간: 풀 리퀘스트를 열고 코드베이스에 병합할 때까지의 시간
빌드 및 테스트 기간: 코드를 컴파일하고, 빌드하고, 자동화된 테스트를 완료하기까지 걸리는 시간
코드 리뷰 소요 시간: 개발자가 코드 리뷰가 완료될 때까지 기다리는 시간
대기에 소요된 시간과 능동적 코딩에 소요된 시간 비교: 생산적 개발에 소요된 개발자 시간과 다른 종속 소프트웨어 개발 프로세스를 기다리는 데 소요된 시간의 비율
개발자 만족도: 개발자가 전반적인 개발 경험에 얼마나 만족하는지(일반적으로 설문조사를 통해 측정)
개발자 속도 지수(DVI)는 조직이 달성한 개발자 속도 수준을 알리기 위해 고안된 종합 점수입니다. DORA와 달리 이는 보편적으로 표준화된 지표가 아닙니다. 이 용어는 McKinsey & Company의 연구 및 벤치마킹 프레임워크[x]와 연관됩니다. 이 용어는 도구, 문화, 인재 관리뿐 아니라 조직이 개발자가 가치 있는 소프트웨어를 생산할 수 있도록 얼마나 효과적으로 돕는지 파악하기 위해 기존에 논의된 추가 요소도 살펴봅니다.
이러한 정교한 프레임워크는 리더들이 개발자들의 작업 속도를 더 잘 파악하는 데 도움이 될 수 있습니다. AI를 최대한 활용하고자 하는 조직은 단순히 개발자에게 최신 도구를 사용하도록 요청하는 데에서 더 나아가, AI를 중심으로 워크플로를 재설계하고 에이전틱 세계에서 개발자 속도가 실제로 의미하는 바를 폭넓게 포착할 수 있을 만큼 정교한 프레임워크를 통해 성공 여부를 측정합니다.
안전한 의도 인식 개발을 지원하는 AI 파트너인 Bob으로 소프트웨어 제공을 가속화하세요.
코드 작성, 디버깅, 코드 리팩토링 또는 코드 완성에 소요되는 시간을 최소화하고, 더 많은 시간을 혁신에 집중할 수 있도록 지원하는 신뢰할 수 있는 AI 기반 도구로 소프트웨어 개발 노력을 최적화하세요.
AI로 핵심 워크플로와 운영을 새롭게 혁신해 경험과 실시간 의사 결정, 비즈니스 가치를 극대화하세요.