최근 인공지능 기술이 정말 눈부시게 발전하면서, 많은 분들이 '이제 코딩은 AI가 다 해주지 않을까?'라는 기대를 하고 계실 거예요.
실제로 AI 덕분에 코드를 작성하는 속도는 엄청나게 빨라졌고, 개발 과정의 한 부분이 획기적으로 간소화된 것은 맞습니다.
하지만 기술의 발전 속도를 따라가다 보면, 오히려 '어디까지가 진짜 어려운 부분이지?'라는 새로운 의문점에 부딪히게 되는데요.
마치 자동차가 엔진 성능을 극한으로 끌어올리니, 이제는 타이어나 브레이크 시스템이 한계에 도달하는 느낌과 비슷해요.
소프트웨어 개발 분야도 마찬가지입니다.
AI가 코드를 '생성'하는 능력은 뛰어나지만, 그 코드가 실제로 수많은 사용자 환경에서 문제없이 돌아가도록 만드는 과정, 즉 '코드 작성 이후'의 단계에서 예상치 못한 어려움들이 발생하고 있는 것이죠.
이 '코드 작성 이후' 단계에는 테스트, 보안 검사, 그리고 실제 서비스 환경에 배포하는 과정 등이 포함되는데, 놀랍게도 이 복잡하고 오류가 발생하기 쉬운 과정들이 여전히 전체 개발 시간의 상당 부분, 무려 70% 가까이를 차지하고 있다고 합니다.
그래서 최근 주목받고 있는 기술들이 바로 이 '자동화가 어려웠던 영역'을 공략하고 있어요.
실제로 한 소프트웨어 개발 기업이 최근 대규모 투자를 유치하며 시장의 큰 관심을 받고 있는데요.
이 회사가 해결하려는 핵심 과제는 바로, AI가 쏟아내는 엄청난 양의 코드를 안전하고 확실하게 실제 서비스에 심는(배포하는) 과정의 복잡성을 관리하는 것입니다.
그렇다면 이 '코드 작성 이후'의 복잡성을 어떻게 해결할 수 있을까요?
단순히 테스트 케이스를 늘리거나 보안 점검을 강화하는 것만으로는 한계가 있습니다.
왜냐하면 모든 회사의 시스템은 그 구조와 운영 방식이 제각각이기 때문이에요.
마치 각기 다른 모양의 맞춤형 기계를 만드는 것과 같아서, 범용적인 해결책을 적용하기가 매우 어렵습니다.
여기서 핵심적인 역할을 하는 것이 바로 '지식 그래프(Knowledge Graph)'라는 개념입니다.