에이전트 AI를 위한 소프트웨어 제공 개선 - AWS 권장 가이드
의도 영역SDLC 발전팀 준비

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

에이전트 AI를 위한 소프트웨어 제공 개선

최신 소프트웨어 제공은 사용자가 배송하는 시스템을 제어한다는 단순한 가정을 바탕으로 이루어집니다. 요구 사항을 정의하고, 로직을 작성하고, 예상 결과와 비교하여 테스트하고, 예측 가능한 서비스를 배포합니다. 애자일 및 DevOps 접근 방식도 여전히 각 스프린트가 결정적이고 검증 가능하며 주로 사람의 감독 내에서 무언가를 제공한다는 원칙에 의존합니다.

에이전트 AI는 해당 기반을 업데이트합니다. 에이전트 시스템은 스크립트를 따르는 대신 해석, 추론 및 적응합니다. 이들의 동작은 작성하는 코드, 작업하는 컨텍스트, 제공된 입력, 액세스할 수 있는 도구, 할당된 목표에 따라 달라집니다. 즉, 주문을 따르지 않고 결과를 추구합니다.

이렇게 하면 제어와 정렬에 대한 전달이 줄어듭니다. 지침을 제공하는 대신 동작 방식을 만들어야 합니다. 즉, 기존 소프트웨어 개발 수명 주기(SDLC)는 로직 기반 인적 제어 시스템을 위해 설계되었기 때문에 더 이상 적합하지 않습니다.

에이전트 AI의 의도 영역

정의, 구축, 테스트 및 릴리스와 같은 엄격한 단계 대신 자율성, 불확실성 및 출현을 수용하는 모델이 필요합니다. 대신 의도 영역을 사용합니다. 의도 영역은 제약 내에서 에이전트가 자율적으로 작동할 수 있는 경계 공간을 정의합니다. 목표는 모든 작업의 마이크로 관리에서 에이전트가 안전하게 행동하고, 배우고, 협업할 수 있는 환경 설계로 전환하는 것입니다. 대상(원하는 성과), 이유(의도) 및 가드레일(제한, 정책 및 신뢰 경계)을 지정합니다. 이러한 경계와이 정보를 고려하여 에이전트는 방법을 파악합니다.

조립 라인 대신 환경을 영공으로 생각하세요. 입력할 수 있는 사람, 수행할 수 있는 작업 및 이동할 수 있는 위치를 제어합니다. 하지만 안에 들어가면 필요에 따라 자유롭게 탐색할 수 있습니다. 이것이 에이전트 시스템이 혼란 없이 확장되는 방식입니다.

이는 단지 철학적 전환이 아니라 실용적인 전환입니다. 에이전트 기반 시스템의 비결정적 출력은 단위 테스트를 통해 완전히 테스트할 수 없습니다. 정적 바이너리처럼 버전이 지정될 수 없습니다. 에이전트는 시간이 지남에 따라 변화하고, 새 데이터에 적응하며, 예측할 수 없는 방식으로 다른 시스템과 상호 작용합니다. 기존 모델을 사용하여 제공하려고 하면 확장할 수 없는 아키텍처가 취약해집니다. 최악의 경우 실제로 관리할 수 없는 시스템에 대한 잘못된 신뢰도로 이어집니다.

팀이 의도 기반 제공을 수용하면 두 가지 이점이 있습니다.

  • 가장 중요한 위치 제어 - 출력 대신 경계를 정의합니다.

  • 위임을 통한 확장성 - 에이전트가 사람이 하드코딩할 수 없는 복잡성을 처리할 수 있습니다.

이는 격리된 프로토타입에서 반복적이고 안정적으로 가치를 제공할 수 있는 실제 프로덕션급 에이전트 시스템으로 이동하는 방법입니다.

에이전트 AI의 전송 수명 주기 개선

지능형 적응형 동작을 지원하려면 SDLC를 결정적 제어에서 적응형 의도로 재구성해야 합니다. 다음은 에이전트 AI용 기존 SDLC를 발전시키는 데 필요한 변경 사항입니다.

  • 계획은 의도 설계가 됩니다. 팀은 목표, 제약 조건 및 예상 에이전트 동작을 정의합니다. 정책 및 성공 기준은 로직이 아닌 정렬로 구성됩니다.

  • 아키텍처가 비계가 됩니다. 팀은 모든 의사 결정 경로를 스크립팅하는 대신 역할, 인터페이스, 가드레일, 대체 메커니즘 및 관찰성을 정의하는 데 중점을 둡니다.

  • 테스트는 동작 평가가 됩니다. 팀은 특정 출력을 어설션하는 대신 에이전트가 허용 범위 내에 있는지 확인하고 다양한 입력에서 의도를 이행합니다.

  • 배포는 지속적인 오케스트레이션이 됩니다. 에이전트 시스템은 실시간 튜닝을 지원하는 런타임 제어, 실시간 모니터링 및 피드백 채널과 함께 배포됩니다.

  • 반복은 피드백과 적응이 됩니다. 팀은 기존 코드 변경 패치 주기 대신 에이전트가 진화하는 방식, 성공하는 위치 또는 드리프트 시점을 관찰합니다. 필요에 따라 팀은 업데이트된 제약 조건, 재훈련, 제어 메커니즘 추가 또는 수정에 개입합니다.

반복, 실험 및 빠른 피드백에 초점을 맞춘 기존 사례는 중간에 있습니다. 에이전트 시스템으로의 전환은 애자일 원칙을 거부하는 것이 아닙니다. 실제로 이는 자연스러운 진화입니다. 애자일 사고는 엄격한 계획보다 적응성, 피드백 및 작업 솔루션을 강조합니다. 이는 실시간으로 컨텍스트를 학습, 적응 및 대응하는 에이전트 시스템의 특성에 완벽하게 부합합니다. 이미 짧은 주기를 실행하고, 가정을 빠르게 검증하고, 지속적인 전달을 통해 불확실성을 관리하는 경우 이러한 전환을 주도할 준비가 잘 되어 있습니다.

하지만 주요 차이점이 있습니다. 기존 애자일 접근 방식은 전달되는 사물이 결정적이라고 가정합니다. 일단 구축되면 사물이 일관되고 예측 가능하게 작동하여 동일한 입력에 대해 반복 가능한 결과를 얻을 수 있다고 가정합니다. 이러한 반복성을 통해 디버깅, 테스트 및 반복 작업을 자신 있게 수행할 수 있습니다. 에이전트 시스템은 해당 모델을 중단합니다. 확률적이고 상황에 민감하며 독립적으로 진화할 수 있습니다. 즉, 스토리 완성을 기반으로 한 속도 추적, 엄격한 수락 기준 또는 결정적 스프린트 계획과 같은 일부 애자일 관행은 유용성이 떨어집니다.

기존 SDLC의 다음 측면은 에이전트 AI에 적용됩니다.

  • 반복 개발 및 제공

  • 고객 피드백을 기본 신호로 사용

  • 부서 간 협업

  • 지속적인 통합 및 배포

기존 SDLC의 다음 측면은 에이전트 AI를 위해 진화해야 합니다.

  • 의도에 맞게 완료를 재정의합니다. 에이전트의 동작이 정의된 제약 내에서 의도한 목표를 충족하는지 여부에 중점을 둡니다.

  • 수락 기준에서 행동 가드레일로 전환합니다.

  • 지속적 학습 및 신뢰를 지원하는 관찰성, 설명성 및 피드백 메커니즘을 포함하는 런타임 준비 상태를 포함하도록 완료의 정의를 확장합니다.

  • 선결제 계획보다 실시간 피드백 루프 및 동작 추적 우선 순위 지정

좋은 소식은 SDLC 플레이북을 배포할 필요가 없다는 것입니다. 코드 관리에서 행동 형성으로 발전시키기만 하면 됩니다. 에이전트 시스템에서 성공은 소프트웨어가 실행되는지 여부뿐만 아니라 어떻게 작동하는지에 관한 것입니다.

에이전트 AI를 위한 팀 준비

소프트웨어 엔지니어링은 사라지지 않습니다. 진화하고 있습니다. 작업은 함수 작성에서 지능형 동작을 위한 프레임워크 및 제어 메커니즘 형성으로 전환됩니다. 에이전트 AI의 세계에서 구축은 더 이상 어려운 부분이 아니며, 급증 관리는 더 이상 어려운 부분입니다. 대부분의 엔지니어링 팀에서 진화는 기술적 도약이 아닌 사고방식 변화처럼 느껴집니다. "시스템은 어떻게 하나요?"라고 묻는 대신 질문은 "무엇을 추구할 수 있도록 지원했는가? 그리고 어떻게 하면 진행 중인지 알 수 있을까?"가 됩니다.

엔지니어링 팀의 경우 에이전트 AI로 발전하려면 다음과 같은 변경 사항이 필요합니다.

  • 문화적 변화 - 팀은 완전히 제어하지 못하는 시스템의 불확실성과 자율성에 익숙해져야 합니다.

  • 새로운 역할 - 의도 디자이너, 행동 테스터 및 관찰성 엔지니어가 제공의 핵심이 됩니다.

  • 공유 언어 - 팀은 한때 사양 및 테스트 사례가 필요했던 것처럼 목표, 가드레일 및 성공 신호에 대한 명확하고 공유된 이해가 필요합니다.

생성형 AI가 성숙해지면 고객, 제품 및 운영과 상호 작용하는 에이전트 시스템이 늘어납니다. 성공한 조직은 최상의 모델을 가진 조직이 아닙니다. 에이전트를 신뢰도, 제어 및 속도로 실제 워크플로에 통합할 수 있습니다. 즉, 제공 모델과 엔지니어링 팀이 함께 발전해야 합니다. 의도 영역은 이를 위한 추상화를 제공합니다. 이를 통해 책임을 포기하지 않고 자율성을 운영할 수 있습니다. 또한 하드 코딩할 수 없는 시스템을 관리하는 데 도움이 되는 팀 간 공유 프레임워크를 제공합니다.

에이전트 AI를 위한 팀 준비에 대한 자세한 내용은이 가이드의 대규모 에이전트 AI를 위한 비즈니스 준비 섹션을 참조하세요.