제레미 프리먼, Allstacks의 공동 창립자이자 CTO – 인터뷰 시리즈

제레미 프리먼, Allstacks의 공동 창립자이자 CTO는 소프트웨어 엔지니어, 기술 아키텍트, 그리고 기업가로서 소프트웨어 개발, 하드웨어 엔지니어링, 기계 학습, 제품 혁신 등 다양한 분야에서 경력을 쌓아왔다. 2017년 Allstacks를 공동 창립한 이후, 그는 회사의 핵심 플랫폼 개발을 주도하며 예측 분석과 AI 기반 예측을 통해 소프트웨어 전달 관리를 혁신적으로 개선해왔다. Allstacks 이전에는 Ravioli Labs와 CertiRx에서 리더십 역할을 맡아 소프트웨어 엔지니어링, 연구, 반대조 기술, 제품 개발 등을 담당했다. 그의 초기 경력에서는 스타트업, 엔터프라이즈 기술 회사, 학계를 거치며 임베디드 시스템, 하드웨어 디자인, 대규모 소프트웨어 플랫폼, 기계 학습, 엔지니어링 리더십 등 다양한 기술 분야에서 경험을积累했다. 이러한 배경은 데이터 기반 제품을 구축하여 조직이 소프트웨어 전달 결과를 개선하는 데 도움이 되는 고유한 관점을 제공한다.

Allstacks는 소프트웨어 엔지니어링 인텔리전스와 가치 흐름 관리 플랫폼으로, 조직이 소프트웨어 개발의 예측 가능성과 효율성을 개선하는 데 도움을 준다. 이 플랫폼은 프로젝트 관리, 소스 제어, 배포 시스템 등 소프트웨어 개발 생명주기 전반에 걸친 도구에서 데이터를 통합하고, 이후 AI와 기계 학습을 적용하여 위험을 식별하고 전달 결과를 예측하며 실행 가능한 통찰력을 제공한다. 엔지니어링과 제품 리더들에게 프로젝트 상태, 팀 성과, 개발 동향에 대한 가시성을 제공함으로써, Allstacks는 조직이 더 информ된 의사 결정을 내리고, 전달 불확실성을 줄이고, 엔지니어링 노력을 비즈니스 목표와 더 잘 일치시키는 데 도움을 준다. 이 기술은 회사가 직관에 의존하는 계획을 넘어서서 실시간 운영 데이터를 활용하여 소프트웨어 전달 성능과 전략적 실행을 개선하는 데 도움을 주기 위해 설계되었다.

소프트웨어 개발 데이터에 기계 학습을 적용한 연구 및 엔지니어링 팀을 이끈 경험과 Allstacks를 2017년 공동 창립한 배경을 고려할 때, 어떤 구체적인 격차나 반복되는 문제를 관찰하여 회사를 설립하게 되었나요?

Allstacks를 시작할 때, 우리는 고객 발견을 위해 많은 시간을 투자했다. 그리고 나타난 패턴은 일관적이었다: 회사마다 엄청난 양의 데이터가 있었지만, 실제로 무슨 일이 일어나고 있는지에 대한 아이디어가 없었다. 소프트웨어를 전달하는 것은 예측할 수 없었음에도 불구하고, 방에 가장 똑똑한 사람들이 있었다. 그 문제는 해결되지 않았다.

빠르게 명백해진 것은, 이것이 보고 문제나 통합 문제가 아니라는 것이었다. 이것은 관계 문제였다. 무언가가 위험에 처해 있는지 여부를 알기 위해서는, 작업 항목이 지支에 연결되고, 지支가 PR에 연결되고, PR이 스프린트 목표에 연결되고, 스프린트 목표가 비즈니스 이니셔티브에 연결되는 방법을 알아야 한다. 그런 그래프는 표준 도구 체인 어디에도 기본적으로 존재하지 않는다. 그것을 잘 구축해야 한다. 그리고 그것을 잘 구축하는 것은 근본적으로 추론 문제이다. 이는 바로 ML 배경이 직접 유용한 곳이다.

우리의 목표는 처음부터 개인 개발자가 기능 X에서 더 빠르게 만들도록 하는 것이 아니었다. 그것은 전체 조직을 더 좋게 만드는 것이었다. 엔지니어링 노력을 비즈니스 결과에 어떻게 맞출 수 있는가? 엔지니어링이 비즈니스에真正로 서비스를 제공하도록 어떻게 만드는가? 비즈니스와 단순히 함께 존재하는 것이 아니라, 그것을 위해 존재하는가? 그것을回答하기 위해서는 데이터 관계에 대한 더好的 이해가 필요하다. 그것이 거의 모든 제품 결정에驱動力を 제공했다.

… (중략)

AI가 코딩 자체를 가속화하는 동시에 다른 곳에서 약점을 노출시키는 कथなが 증가하고 있습니다. 요구 사항, 계획, 사양 준비가 실제 병목 현상이 되는 이유는 무엇인가?

우리는 매일 이것을 보고 있다. 좋은 에이전트와 固定的 하네스를 가지고 있다면, 아이디어에서, 때로는 고객의 입에서 직접 생산까지 몇 시간 안에 이동할 수 있다.

이런 변화를 इतन도 의미 있게 만드는 것은 피드백 루프의 변화이다. 코파일트 스타일의 도구에서는 인간이 매개의 제안마다 루프 안에 있다. 에이전트가 완성을 제공한다; 당신은 즉시 수락하거나 거부한다. 그것이 잘못된 경우, 당신은 빠르게 잡는다. 나쁨 제안의 블래스트 반경은 코드 한 줄이다. 에이전트 코딩은 다르게 작동한다: 당신은 에이전트에게 목표를 제공한다; 그것은 작업을 분해하고, 다단계 계획을 실행하고, 작동하는 모듈을 제공한다. 인간은 출력을 검토한다, 각 단계가 아니라. 사양이 잘못된 경우, 에이전트는 전체 구현을 잘못된 사양으로 구축하고, 당신은 검토에서 그것을 발견한다.

그것은 순수한 업사이드처럼 들리지만, 이전의 레이턴시 시간이 실제로 무슨 역할을 했는지 인식하는 데까지이다. 레이턴시는 실제 목적을 служ였다. 여러 라운드의 똑똑한 사람들이 검토하고, 계획하고, 테스트하고, 아이디어를 통해 더好的 시스템을 생산하기 위해 일했다.

현재의 유혹은 모든 것을 건너뛰고 바이브 아웃하는 것이다. 하지만 에이전트와 하네스는 아직 전체 SDLC에 준비가 되지 않았다. 속도는 실제이다. 이전의 더 느린 단계에서 발생하는 품질 게이트 키핑이 아직 대체되지 않았다. 그것이 격차이다.

… (중략)

AI가 개발 워크플로에 더 많이 내장됨에 따라, 잘 준비된 엔지니어링 조직과 준비가 되지 않은 조직은 어떻게 달라질까?

아이로니컬하게도, 여전히 여름 인턴을 받아들이는 것과 크게 다르지 않다. 당신은 강한 자동화된 테스트 스위트, 고급 문서, 성숙한 CI/CD 파이프라인, 그리고 신뢰할 수 있는 개발자를 팀에 추가할 때와 같은 가드레일이 필요하다.

또한 중요하지만 사람들이 낮게 평가하는 것은, 기본적인 것들을 다시 검토하는 것이다: 에이전트 규칙, AGENTS.MD 파일. 당신은 처음에는 좋은 첫 번째 패스를 할 수 있지만, 새로운 방식으로 출하하는 리듬에 빠져서, 에이전트를 훈련시켜 많은 나쁨 기본값을 제거할 수 있다는 것을 잊기 쉽다. 에이전트가 커밋 전에 테스트를 실행하도록 가르치는 것과 같은 것들이 인간의 리마인더가 필요하지 않도록 해야 한다.

한 가지 진단 질문을 엔지니어링 리더에게 던질 수 있다: 지난 스프린트에서 에이전트가 무엇을 생산했는지, 그 출력 중에서 어떤 것이 변경 없이 수락되었는지, 그리고 어떤 수정 노력이 집중되었는지告诉할 수 있는가? 만약 당신이 그것을回答할 수 있다면, 당신은 개선할 수 있는 도구를 가지고 있다. 만약 당신이回答할 수 없다면, 당신은 감으로 비행하고 있다.

… (중략)

앞으로 3~5년 동안 소프트웨어 개발 라이프사이클을 AI가 어떻게 재구성할 것이라고 생각하시나요? 그리고 회사들이 가장 큰 경쟁 우위를 얻을 수 있는 곳은 어디일까요?

우리는 이전에 본 것과는 다른 기능 경쟁을 볼 것이다. 빌드 비용이 0에 접근함에 따라, 회사들, 심지어 큰 회사들도, 새로운 제약 조건을 직면한다: 고객의 피드백을 수집하고 검증하여 질 높은 것을 대규모로 구축하는 것이다.

해야 하는 변화는, 구축되는 것의 기준을 높이는 것이다. 대부분의 엔지니어링 조직에서 현재의 제약은 간단하다: 5개의 상위 우선순위, 아마 2개가 전달된다. 에이전트와 함께, 비율이 뒤집어진다. 당신은 5개의 상위, 10개의 다음, 그리고 20개의 아마도 목록에 있을 수 있다. 그리고 100개를 전달한다. 아직誰도 완전히回答하지 못한 질문은, 마지막 65개가 어떻게 잘못 구상되고, 잘못 실행되지 않는지이다.

3~5년 창에서 나는 두 가지에 대해 khá 확신한다. 첫째, 엔지니어링 AI의 경쟁 우위는 모델 품질이 아니라 컨텍스트의 깊이와 폭에서 나온다. 모델은 표준이 되고 있다; 모든 도구가 유능한 모델을 갖게 된다. 차별화되는 것은, 어떤 플랫폼이 당신의 특정 조직을 더 깊이 이해하는지이다: 당신의 저장소, 팀 구조, 전달 기록, 배포 패턴. 당신의 시스템을 아는 도구는, 그것을 모르는 도구와 근본적으로 다른答案을 제공할 것이다. 둘째, 반응형에서 예방형으로의 전환이다. 오늘날의 도구는 질문을 받았을 때回答한다. 몇 년 안으로, 주요 도구는 지속적으로 관찰하고, 당신이 묻기 전에 위험을 표면화할 것이다. 지금 컨텍스트 레이어를 구축하는 조직은 우위를 쌓고 있다. 다음 세대의 도구는 대규모 품질 문제를 해결해야 한다. 그리고 그것을 먼저 해결하는 조직이 실제 우위를 갖게 될 것이다.

그레이트 인터뷰, 감사합니다. 더 많은 것을 배우고 싶은 독자들은 Allstacks를 방문해야 합니다.