AI가 소프트웨어 개발을 빠르게 만들고 있다. 산업용 소프트웨어는 여전히 엔지니어링 전문성이 필요하다.

AI가 소프트웨어 개발을 혁신하고 있다

몇 주 전, 나는 생성형 AI 도구에 아버지가 가지고 계시던 일본 카드 게임의 온라인 버전을 만들도록 요청했습니다. 약 10분 후에 작동하는 웹 애플리케이션이 준비되었습니다.

그 결과는 인상적이면서도 눈을 뜨게 했습니다. 몇 개의 프롬프트만으로 기능적인 코드와 사용자 인터페이스를 구축하고 작동하는 애플리케이션을 만들었습니다. 얼마 전만 해도 같은 애플리케이션을 만들려면 훨씬 더 많은 엔지니어링 노력이 필요했을 것입니다.

이러한 경험은 AI가 소프트웨어 개발을 얼마나 깊이 변화시키고 있는지를 보여줍니다. 개발자는 이제 코드를 생성하고, 애플리케이션을 구축하며, 워크플로를 자동화하고, 몇 년 전만 해도 상상할 수 없었던 방식으로 개발 속도를 가속화할 수 있습니다. AI는 단순한 코드 생성에서 벗어나 변경을 제안하고, 테스트를 실행하며, 엔지니어링 프로세스의 더 큰 부분을 자동화하는 에이전시 워크플로로 점점 이동하고 있습니다.

Mitsubishi Electric Iconics Digital Solutions의 GENESIS 제품 관리 이사로서, 나는 단순한 웹 애플리케이션에서 산업 자동화 소프트웨어로 생각이 즉시 전환되었습니다. AI가 10분 만에 작동하는 애플리케이션을 만들 수 있다면, 같은 기능이 인간-기계 인터페이스(HMI), 감독 제어 및 데이터 수집(SCADA), 시각화, 보고 및 기타 산업용 애플리케이션에 적용될 때는 어떨까요?

그 질문에 대한 답은 중요한 구분을 드러냈습니다. AI는 소프트웨어 개발을 극적으로 빠르게 만들고 있습니다. 산업용 소프트웨어는 애플리케이션 생성 그 이상으로 확장되는 엔지니어링 과제를 제시합니다.

예, AI가 산업용 소프트웨어 구축 방식을 변화시키고 있지만, 엔지니어링 전문성은 산업용 소프트웨어가 운영 수명 동안 안정적으로 작동하도록 보장하는 데 여전히 필수적입니다.

산업용 소프트웨어는 작동 코드 그 이상을 요구한다

오늘날 AI 도구에 접근할 수 있는 누구든지 몇 분 안에 작동하는 애플리케이션을 생성할 수 있습니다. 웹사이트, 대시보드 또는 간단한 시각화를 구축하는 데 더 이상 방대한 프로그래밍 경험이 필요하지 않습니다.

산업용 소프트웨어는 기능적인 코드 그 이상을 필요로 합니다.

예를 들어, Kepware와 같은 산업 연결 플랫폼을 사용해 공장 현장의 운영 데이터를 수집하고 있는 제조 시설을 생각해 보십시오. AI는 해당 데이터를 표시하기 위한 웹 애플리케이션, 대시보드, 보고서 또는 구성 워크플로를 빠르게 생성할 수 있습니다. 대시보드는 작동하고, 정보가 표시되며, 애플리케이션은 개념을 시연합니다.

하지만 운영 성공은 성공적인 시연 그 이상에 달려 있습니다. 산업용 소프트웨어는 기존 자동화 시스템과 통합되고, 실제 환경에서 신뢰성 있게 작동하며, 배포 후에도 오랫동안 핵심 업무를 지속적으로 지원해야 합니다.

애플리케이션의 첫 번째 버전을 생성하는 일은 점점 더 간단해지고 있습니다. 조직이 자신 있게 배포할 수 있는 산업용 소프트웨어를 제공하는 일은 근본적으로 다른 엔지니어링 과제로, 산업 아키텍처, 사이버 보안, 신뢰성, 검증, 가시성 및 장기 운영 성능에 대한 전문 지식이 필요합니다.

전문 분야 전문성이 차이를 만든다

경험 많은 엔지니어는 산업용 애플리케이션 뒤에 숨은 운영 요구사항, 반드시 물어야 할 질문들, 그리고 소프트웨어가 배포 준비가 되기 전에 해결해야 할 위험들을 이해합니다.

Cybersecurity vulnerabilities, 소프트웨어 구성 요소, 산업 아키텍처, 규제 고려 사항 및 장기 유지 관리가 모두 엔지니어링 프로세스의 일부가 됩니다. AI가 생성한 애플리케이션은 또한 종속성, API, 자격 증명, 데이터 흐름 또는 구성 가정을 도입할 수 있으며, 이는 배포 전에 검토되어야 합니다. 작동 코드는 애플리케이션이 무엇을 할 수 있는지를 보여줍니다. 엔지니어링 전문성은 조직이 해당 애플리케이션을 자신 있게 배포할 수 있는지를 결정합니다.

검증된 플랫폼 위에 산업용 애플리케이션 구축

엔지니어링 전문성은 필수이지만, 경험 많은 엔지니어는 산업용 소프트웨어를 처음부터 직접 만드는 경우는 드뭅니다. 현대의 산업용 애플리케이션은 수년간 실제 배포를 통해 개발, 테스트 및 정제된 검증된 소프트웨어 플랫폼 위에 구축됩니다.

AI는 산업 연결 플랫폼 위에 웹 애플리케이션을 빠르게 생성하여 개발 시간을 크게 단축할 수 있습니다. 그러나 그 애플리케이션은 솔루션의 한 층에 불과합니다.

AI가 산업 자동화에 더 깊이 들어가도 이 원칙은 여전히 유효합니다. 목적에 맞게 구축된 엔지니어링 에이전트는 이제 프로그래머블 로직 컨트롤러(PLC) 로직, HMI 화면 및 기타 산업 애플리케이션 구성 요소를 생성할 수 있으며, 주요 소프트웨어 공급업체는 산업 플랫폼에 생성형 AI를 직접 삽입하고 있습니다.

이러한 기능은 인상적이지만, 중요한 질문을 다시 강조합니다: 누가 결과물을 검증하고, 누가 라이프사이클을 소유하며, 소프트웨어가 실제 산업 프로세스를 제어할 때 누가 책임을 질 것인가? 빠른 생성이 조직이 자신 있게 배포하고 수년간 지원할 수 있는 소프트웨어와 동일한 것은 아닙니다.

검증된 산업용 소프트웨어 플랫폼은 이미 검증된 아키텍처, 중복성, 사이버 보안 보호 및 라이프사이클 서비스를 제공하여 엔지니어가 검증된 기능을 재구축하는 대신 산업 문제 해결에 집중할 수 있게 합니다.

검증된 소프트웨어 플랫폼은 또한 기존에 확립된 보안 모델, 업데이트 경로, 거버넌스 및 장기 지원을 제공하는데, 이는 즉석에서 생성된 애플리케이션이 초기에 거의 갖추지 못하는 요소입니다.

라이프사이클 관리가 배포를 넘어 확장된다

산업용 소프트웨어를 배포하는 것은 엔지니어링 프로세스의 시작을 의미할 뿐, 끝이 아닙니다. 공장 관리자가 운영 보고서를 요청한다고 가정해 보십시오. AI가 몇 분 안에 보고서를 생성하고, 애플리케이션이 기대대로 작동하며, 모두가 결과에 만족합니다. 그때 공장 관리자가 “그 보고서를 매일 받고 싶다”고 말합니다.

한 번의 보고서는 이제 사람들이 업무에 의존하는 운영 소프트웨어가 되었습니다. 소프트웨어 플랫폼은 진화하고, 운영 요구사항은 변하며, 새로운 사이버 보안 취약점이 등장합니다. 지속적인 엔지니어링은 업데이트를 검증하고, 호환성을 유지하며, 보안 패치를 적용하고, 시간이 지나도 신뢰할 수 있는 운영을 보장하는 데 필수적입니다.

애플리케이션의 첫 번째 버전을 만드는 데 이제는 몇 분밖에 걸리지 않을 수 있습니다. 그러나 그 애플리케이션을 운영 수명 동안 유지하는 것은 지속적인 엔지니어링 책임입니다. 장기 신뢰성은 단순히 코드를 생성하는 것이 아니라 거버넌스, 라이프사이클 관리 및 지속적인 지원에 달려 있습니다.

올바른 산업용 소프트웨어 선택이 중요한 이유

경험 풍부한 산업용 소프트웨어 기업은 애플리케이션 기능 그 이상을 제공합니다. 엔지니어링 전문성, 제품 검증, 사이버 보안 지식, 지속적인 소프트웨어 업데이트 및 장기 라이프사이클 지원이 모두 조직이 핵심 환경에서 신뢰할 수 있는 소프트웨어를 만드는 데 기여합니다.

산업용 소프트웨어를 평가하는 조직은 데모와 현재 기능을 넘어선 것을 살펴야 합니다. 장기 운영 성공은 소프트웨어 배포 전에 올바른 질문을 하는 데 달려 있습니다. 누가 소프트웨어를 유지·보안·검증하고 운영 수명 동안 지속적으로 개발할 것인가? 결정은 기능 속도만이 아니라 소프트웨어가 시간에 따라 보안·거버넌스·업데이트·감사·지원될 수 있는지 여부와도 관련됩니다.

최종 생각

10분 만에 아버지의 일본 카드 게임 온라인 버전을 만든 경험은 소프트웨어 개발에 대한 나의 기대를 바꾸었습니다. AI는 소프트웨어 제작에 필요한 시간을 크게 단축하고 있으며, 이러한 역량은 산업 자동화를 계속 재구성할 것입니다.

속도만으로는 산업용 소프트웨어가 핵심 운영에 적합한지 판단할 수 없습니다. 조직은 소프트웨어가 얼마나 빨리 만들어지는지를 넘어 누가 구축하고, 어떻게 엔지니어링되며, 운영 수명 동안 누가 지원할지를 고려해야 합니다.

산업 자동화에서 이러한 질문이 소프트웨어가 유용한 시연에 그치는지, 신뢰할 수 있는 운영 시스템이 되는지를 결정합니다.