AI 코딩 어시스턴트의 부상: 소프트웨어 개발의 변혁

Brief news summary

2022년, GitHub는 OpenAI의 언어 모델을 기반으로 한 Copilot을 도입하였고, 이는 AI 도구가 코드 생성을 혁신하기 시작하면서 개발자들에게 중요한 변화로 자리잡았습니다. Google에서는 AI가 25% 이상의 새로운 코드에 기여하고 있습니다. Zencoder와 Poolside와 같은 스타트업들은 프로토타이핑, 테스트, 디버깅 기능을 추가하여 생성적 코딩 도우미를 강화하고, 이를 통해 개발자들이 AI가 생성한 코드를 관리하는 데 집중할 수 있도록 하고 있습니다. 그러나 구문과 기능의 정확성은 주요 과제로 남아 있습니다. 현재의 AI 모델들은 종종 인간의 코딩 관행을 잘못 해석하기 때문입니다. Cosine과 같은 회사들은 AI가 개발자 작업 흐름에 더 잘 맞도록 복잡한 코딩 프로세스를 포괄하는 데이터셋을 개발하고 있습니다. 그들은 또한 성능 향상을 위해 코드 실행에서 강화 학습 기법(RLCE)을 조사하고 있습니다. 이러한 발전에도 불구하고 대형 언어 모델의 프로그래밍 능력에 대한 회의론은 여전히 존재하며, 논리적 추론을 강조하는 Merly와 같은 대안에 대한 관심이 촉발되고 있습니다. 생성적 코딩 도구가 발전함에 따라, 이들은 인간의 개입을 최소화하고 개발자 역할을 재편성하여 소프트웨어 공학 분야를 변모시킬 잠재력을 가지고 있습니다. 그러나 프로그래밍에서 진정한 인공지능 일반 지능(AGI)에 도달하는 것은 여전히 먼 목표로 남아 있습니다.

코파일럿(Copilot)은 마이크로소프트가 지원하는 깃허브(GitHub)에서 OpenAI의 대형 언어 모델을 사용하여 개발한 코딩 어시스턴트로, 2022년에 출시되어 전 세계 수백만 개발자들이 사용하고 있습니다. 또한 많은 사용자들이 클로드(Claude), 챗GPT(ChatGPT), 제미니(Gemini)와 같은 범용 AI 챗봇에 의존하여 다양한 작업을 수행하고 있습니다. 알파벳의 CEO 순다르 피차이(Sundar Pichai)는 실적 발표에서 AI가 구글의 새로운 코드의 4분의 1 이상을 생성하고 있어 엔지니어들이 더 효율적으로 일할 수 있다고 언급했습니다. 또한 Zencoder, Merly, Cosine, Tessl, Poolside와 같은 새로운 스타트업들이 AI 코딩 분야에 등장하면서 시장 점유율을 놓고 경쟁할 것으로 예상됩니다. 분석가들은 개발자들이 코파일럿 도구에 기꺼이 비용을 지불할 의향이 있음을 언급합니다. 이 새로운 스타트업들은 단순한 자동 완성을 넘어서 생성적 코딩 어시스턴트를 향상시키는 것을 목표로 하고 있습니다. 이들은 이제 프로토타입, 테스트, 코드 디버깅을 수행할 수 있어 개발자들이 실질적인 코딩보다는 감독에 더 집중할 수 있도록 할 잠재력을 가지고 있습니다. 많은 이들은 이러한 발전이 코딩을 통한 인공 일반 지능(AGI)으로 이어질 수 있다고 믿고 있습니다. 소프트웨어 엔지니어링의 정확성은 두 가지 측면을 포함합니다: 구문적 정확성은 코드가 오류 없이 실행되는지를 보장하고, 기능적 정확성은 코드가 의도한 작업을 수행하는지를 보장합니다. 차세대 코딩 어시스턴트는 단순한 코드 생성뿐 아니라 그 코드를 생성하는 이유에도 개선을 목표로 하고 있습니다. 모델을 효과적으로 훈련시키려면 코드 샘플뿐만 아니라 코딩 프로세스를 상세히 이해해야 합니다. Zencoder는 코드베이스를 분석할 때 맥락의 관련성에 중점을 두고, Cosine은 코더의 사고 과정을 데이터로 수집하여 코드를 생성하기 위해 수행되는 일반적인 단계를 매핑합니다.

Poolside는 코드 실행에서의 강화 학습(RLCE) 방법을 활용하여 코드 생성을 최적화합니다. Cosine과 Poolside는 딥마인드(DeepMind)의 알파제로(AlphaZero)에서 영감을 받아 코딩에서 시행착오를 활용하여 모델을 개선하고 있습니다. Cosine은 기존 모델을 조정하는 반면, Poolside는 새로운 전문 모델을 구축하고 있습니다. Cosine은 자신의 모델이 코딩 벤치마크에서 다른 모델보다 성능이 뛰어나다고 주장하며, Poolside는 아직 개발 중이지만 유망한 초기 결과를 보여주고 있습니다. 반대로, Merly의 접근 방식은 대형 언어 모델을 무시하고 코드의 기본 구조를 포착하는 중간 표현을 사용하여 프로그래밍의 논리적 기초에 초점을 맞추고 있습니다. 이 방법은 코드 생성에서 논리적 추론을 향상시키는 것을 목표로 하고 있습니다. 이러한 AI 도구의 출현은 소프트웨어 개발 역할을 변화시킬 수 있으며, 팀이 소프트웨어를 더 효율적으로 생산할 수 있는 기회를 제공합니다. Cosine의 제니(Genie)와 같은 코딩 어시스턴트는 버그 수정 및 기타 작업을 처리할 수 있어 엔지니어들이 여러 프로세스를 동시에 감독할 수 있도록 하여 전통적인 작업 방식을 변화시킵니다. AI 코딩 기술이 발전함에 따라 새로운 소프트웨어 엔지니어의 계층이 나타날 수 있으며, 엘리트 역할은 AI 생성 코드를 감독하고, 더 작은 팀이 전체 작업을 관리하게 될 것입니다. 이러한 변화는 ATM이 은행업에 가져온 변화와 비슷합니다. Merly의 고츠리히(Gottschlich)와 같은 일부 사람들은 고급 소프트웨어 시스템을 구축하기 위해선 AI가 독립적으로 코딩할 수 있어야 한다고 주장합니다. 그는 AI를 지원하는 인간의 개념을 비판하며 그 반대가 되어야 한다고 주장합니다. 전반적으로 생성적 코딩 어시스턴트에 대한 기대는 AI의 더 큰 발전에 대한 열망과 함께하며, 기업들은 이를 AGI를 달성하기 위한 단계로 구상하고 있습니다. 소프트웨어 엔지니어링의 환경이 변화함에 따라 이러한 도구들은 소프트웨어 개발자의 역할과 작업 흐름을 재편성하며, 이 분야에서 흥미롭고도 불확실한 미래를 예고하고 있습니다.