GenAI 구현의 도전 과제를 탐색하다

GenAI(Generative AI)를 사용한 소프트웨어 개발은 생산성과 작업 효율성을 향상시킬 것이라는 질문은, 얼마나 향상될 것인가 하는 것입니다. 대부분의 시장 조사에서는 상당한 생산성 향상을 보여주고 있습니다. 하버드 대학의 연구에 따르면, 전문가들은 작업과 선임에 따라 43%의 생산성 향상을 보였습니다. 골드만 삭스(Goldman Sachs)의 보고서에 따르면, GenAI를 사용하면 10년 내에 광범위한 도입으로 생산성이 1.5% 포인트 증가할 수 있으며, 이는 미국의 생산성 증가 속도의 거의 2배에 해당합니다. 이러한 발견은 통찰력을 제공하지만, 대부분의 경우 통제된 환경에서 나온 것으로, 실제 사용 사례의 복잡성을 반영하지는 못합니다.

GenAI가 소프트웨어 개발에서 생산성을 향상시킬 수 있는 정도를 더 잘 이해하기 위해, 디지털 변환 서비스와 제품 엔지니어링 회사 중 하나는 최근에 클라이언트와 함께 수행한 대규모 GenAI 구현 프로젝트에서 실제 findings와 통찰력을 기록하기로 결정했습니다. 이 클라이언트는 3개의 워크스트림에 걸친 10개의 개발 팀에서 100명 이상의 전문가를 대상으로 GenAI를 도입하고자 했습니다. 이러한 실제 findings는 비즈니스에서 GenAI 도입을 위한 회사 전체 로드맵의 필요성을 강조하며, 다양한 도전 과제를 Encounter할 수 있습니다.

전문가의 부정적인 태도와 기대에 대한 대처

GenAI 프로젝트의 성공을 지연시킬 수 있는 많은 도전 과제가 있습니다. 예를 들어, 법적 및 규제적 문제, 처리 능력 부족, 보안 및 개인 정보 보호 등이 있습니다. 그러나 이 대규모 구현에서遇到的 가장 큰 장애물은 전문가들의 태도와 기대였습니다. 구현 중에 엔지니어링 회사에서는 클라이언트의 전문가들이 GenAI에 대한 특정 기대와 태도를 가지고 있다는 것을 관찰했습니다. 이러한 초기 기대가 품질 또는 실행 시간과 일치하지 않을 때, 전문가들은 기술에 대한 부정적인 태도를 개발했습니다. 특히, GenAI가 “나 대신 일을 해주지 않는다”는 전문가들의 말처럼, 그들은 “더 나은 것을 기대했으며, 더 이상 시간을浪費하지 않겠다”는 등의 댓글을 달았습니다.

비즈니스에서는 이러한 부정적인 태도를 방지하고, 도입과 정확한 측정을 방해하는 것을 막기 위해 인식과 작업 문화를 전환해야 합니다. 설문조사와 평가는 전문가들의 태도와 참여도를 매핑하고 분류하는 효율적인 수단입니다. 그 다음, 회사에서는 전문가들을 그들의 GenAI에 대한 감정에 따라 그룹화해야 합니다. 그런 다음, 비즈니스에서는 각 그룹에 대한 맞춤형 변경 관리 접근 방식을 만들 수 있습니다. 예를 들어, 가장 회의적인 전문가들은 중립적인 전문가들보다 더 많은 주의와 관심을 받습니다.

실제 프로젝트의 복잡성에 대한 고려

두 번째로 가장 방해되는 도전 과제는 실제 프로젝트 조건의 복잡성을 고려하면서 GenAI가 생산성에 미치는 영향을 정확하게 측정하는 것이었습니다. 통제된 환경에서는 GenAI의 영향을 측정하기가 쉽지만, 앞서 언급한 바와 같이, 이러한 테스트는 특정 변수와 불일치를 고려하지 않습니다. 프로젝트는 정적이지 않습니다. 그것은 끊임없이 진화합니다. 조직은 휴가 일정과 병가로 인한 전문가들의轮换이나 우선순위의突然한 변경과 같은 상황을 겪을 수 있습니다. 전문가들은 또한 GenAI의 영향이 가장 유익할 수 있는 특정 프로젝트 활동에 항상 작업하지 않습니다. 그들은 회의에 참석하고, 이메일을 답장하고, 스프린트 범위 밖의 다른 작업을 수행하기 때문에, 생산성 측정에서 종종 간과됩니다. 이러한 불일치와 변수를 고려하여 GenAI가 소프트웨어 개발에 미치는 영향을 객관적으로 측정해야 합니다.

다른 최선의 관행에는 작업 관리 도구를 워크플로에 통합하여 작업이 각 상태에서 얼마나 오래 머무르는지 확인하여 비기술 전문가의 생산성과 효율성을 결정하는 것이 포함됩니다. 또한, 비즈니스 인텔리전스 솔루션을 사용하여 데이터 포인트를 자동으로 수집하여 오류를 줄이고 시간을 절약할 수 있습니다. 또한, 회사들은 데이터 정리 관행을 철저하게 시행하여 실제 프로젝트 조건의 복잡성을 완화하고 GenAI의 생산성 영향에 대한 더 정확한 평가를 보장할 수 있습니다.

회사 전체 로드맵: 정확한 측정

이 대규모 GenAI 구현은 또한 회사 전체 로드맵의 가치를 강조했습니다. 비즈니스에서는 이 로드맵의 중요한 요소가 기준선 및 최종 보고 단계에서 사용할 메트릭스를 정의하는 것이라는 것을 알게 되었습니다. GenAI가 생산성에 미치는 영향을 평가하는 데 도움이 될 수 있는 수십 개의 다른 메트릭스가 있습니다. 예를 들어, 시간당 속도, 처리량, 평균 재작업 및 코드 검토 시간, 코드 검토 실패 및 승인률, 버그 수정에 소요된 시간 등이 있습니다.

이러한 메트릭스를 정의한 후, 회사에서는 그것들을 객관적이고 주관적인 범주로 분류해야 합니다. 비즈니스에서는 Jira와 같은 작업 추적 도구에서 데이터를 사용하여 객관적 메트릭스를 얻을 수 있습니다. 또한, 회사들은 품질 흐름, 작업 업데이트, 단계 완료를 유지하고 준수해야 합니다. 주관적 메트릭스, 즉 전문가 및 파일럿 설문조사는 비즈니스에서 도입 수준과 객관적 측정과의 상관관계를 이해하는 데 도움이 됩니다. 빈도면에서 측정은 정기적이고 예약되어야 하며, 희박하지 않고 임의적이지 않습니다. 또한, 프로젝트의 findings는 평균 일일 영향, 인식된 숙련도, 성능 변경, 작업 범위, AI 도구 사용, 중단되지 않은 워크플로우와 같은 메트릭스를 사용하여 도입 진행 상황을 측정하는 데 유용하다는 것을 강조합니다.

회사 전체 로드맵 계속: 학습 및 문화 개발

GenAI의 영향을 효과적으로 측정하는 것 외에도, 성공적인 로드맵의 또 다른 중요한 구성 요소는 다양한 교육 및 코칭 전략을 통해 지속적인 학습과 AI 숙련도를 촉진하는 것입니다. 이러한 이니셔티브는 궁극적으로 회사 전체에서 AI를 도입하는 것을 가능하게 하는 학습 문화를 조성할 것입니다. 여러 전략에는 GenAI를 사용할 수 있는 곳과 방법에 중점을 둔 워킹 그룹을 만들고, 개인이 무엇이 작동하고 무엇이 작동하지 않는지 공유하도록鼓励하는 것이 포함됩니다. 또한, 개인 및 팀 수준에서 성장 및 개발 우선순위를 설정하고 학습 경로를 설정하는 것이 도움이 됩니다.

회사들이 새로운 GenAI 기술을 쉽게 도입할 수 있는 문화를 구축하는 또 다른 방법은 빠른 승리 사례를 강조하는 것입니다. 이것은 더 큰 조직과 회의적인 전문가들에게 GenAI의 힘을展示할 것입니다. 비즈니스에서는 또한 AI와의 보안 지침과 규칙을 설정하여 팀이 새로운 접근 방식을 실험하고 탐색할 수 있도록 해야 합니다. 또한, 회사들은 산업 표준과 기타 최선의 관행을 준수하고, 작업 및 도구 수준에서 개인 및 팀의 변경 관리를 해결해야 합니다.

사람을 중심으로

이 실제 구현에서 얻은 두 가지 가장 중요한 교훈은 다음과 같습니다. 첫째, GenAI는 적절한 전략과 로드맵의 범위 내에서 상당한 생산성 향상을 가져올 수 있습니다. 둘째, 이러한 통합에는 회사들이 적절하게 대처해야 하는 인간적 요소가 있습니다. GenAI는 이러한 전문가들이 일상적인 작업을 수행하는 방식을 영원히 변경할 것입니다. 또한, GenAI는 일부 전문가들이 기술에 의해 위협을 느끼게 할 수 있으며, 이는 도입에 저항을 일으킬 수 있습니다. 궁극적으로, 성공적인 GenAI 구현의 핵심은 명확하게 인간적입니다. 비즈니스에서는 이 점의 깊이를 이해하는 것이 중요합니다. 왜냐하면 인간이 기술을 구현하여 실제 가치를解除하기 때문입니다.