RSS VentureBeat
팔로우
Agentic AI가 코딩 문제를 해결하고 소프트웨어 엔지니어링의 다른 모든 문제를 드러내다
에이전트 AI는 코드 생성을 가속화하고 있지만, 코드 작성은 결코 주요 병목 현상이 아니었기 때문에 제품 개선은 그 속도를 따라가지 못하고 있습니다. 실제 과제는 요구사항 정의, 시스템 통합, 소프트웨어 유지보수에 있으며, AI의 코드 출력 증가는 이러한 과제를 악화시킵니다. 통제되지 않은 AI 생성 코드는 인간 검토에 새로운 병목 현상을 일으키고, 맥락 상실과 실수 누락으로 이어집니다. 기업은 즉시 인력 감축에 나서기보다는 이를 헤쳐나가기 위한 의도적인 플레이북을 구축해야 합니다.
첫 번째 단계인 재무 및 위험 거버넌스는 하방 위험으로부터 보호하는 데 중점을 둡니다. 이는 거버넌스를 최상위 위험으로 취급하고, 에이전트 구성에 대한 공유 표준을 수립하며, 책임 공백을 방지하기 위해 비인간 행위자에 대한 최소 권한을 시행하는 것을 포함합니다. 또한, 조직은 예산 초과를 방지하기 위해 할당량과 속도 제한을 설정하여 AI 예산을 관리해야 합니다.
두 번째 단계인 기술 전략은 효과적인 AI 엔진 구축을 강조합니다. 이는 각 시스템의 강점을 활용하고 단일 실패 지점을 피하기 위해 다중 모델 및 다중 공급업체 접근 방식을 채택하는 것을 포함합니다. 또한, AI를 단순한 비용이 아닌 엔지니어링 레버리지로 간주하여 더 높은 품질의 출력과 더 큰 효율성을 제공하는 최첨단 모델에 비용을 지불하는 것을 의미합니다. 결정적으로, 성공은 단순히 코드 라인이나 토큰 수뿐만 아니라 비즈니스 결과와 엔지니어링 내구성으로 측정되어야 합니다.
세 번째 단계는 인재 및 조직을 다루며, 새로운 환경에 맞게 인적 자본을 재정렬합니다. 엔지니어는 구문 작성자에서 시스템 사고자 및 에이전트 관리자로 전환하여 아키텍처 비전과 시스템 간 통합에 집중해야 합니다. 성능 및 인센티브는 전통적인 볼륨 기반 지표를 넘어서, 더 넓은 비즈니스 영향과 효과적인 에이전트 오케스트레이션을 보상하도록 재정의해야 합니다. 진정한 요구사항과 역량을 이해하기 위해 통합된 에이전트 워크플로우와 측정된 증강된 출력의 기준선이 필요하므로, 성급하게 인력을 감축하지 않는 것이 중요합니다.
궁극적으로 AI는 엔지니어링 판단을 위한 포스 멀티플라이어로서, 잘 구조화된 시스템에서는 전달 속도를 가속화하지만, 제대로 이해되지 않은 시스템에서는 실패를 가속화합니다. 현재의 문제는 AI 채택이 느린 것이 아니라, AI의 한계와 위험을 이해하지 못한 채 채택하는 것입니다. 리더십에게는 이러한 역학 관계를 이해하는 것이 필수적입니다. 왜냐하면 실행 속도가 현재 업계가 그 결과를 관리할 수 있는 능력을 앞지르고 있으며, 부적절하게 관리된 채택으로 인한 운영 실패로 이어지고 있기 때문입니다.
