기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
부록 B: ADM TOM의 구현 체크리스트
이 포괄적인 체크리스트는 애플리케이션 개발 및 유지 관리(ADM) 대상 운영 모델(TOM)을 구현하는 구조화된 접근 방식을 제공합니다. 체크리스트는 다음 각 구현 단계에 대한 거버넌스, 조직 구조, 직원 역할, 프로세스 및 도구를 고려합니다.
각 단계는 이전 단계를 기반으로 구축되므로 조직은 위험을 관리하고 지속 가능한 전사적 채택을 보장하면서 AI 기능을 체계적으로 확장할 수 있습니다.
1단계: 파운데이션 설정
이 단계는 1~3개월 후에 발생합니다. 기본 거버넌스 구조를 설정하고 빠른 성공을 달성하면서 필수 AI 도구를 도입합니다.
거버넌스 및 조직
1.1. AI 거버넌스 운영 위원회를 설립합니다.
1.2. ADM 프로세스에 대한 초기 AI 지침 개발.
1.3. 기준 AI 위험 평가 프레임워크를 생성합니다.
1.4. ADM 팀 간 AI 통합을 위한 주요 역할을 식별합니다.
1.5. 기존 팀 내에서 초기 AI 챔피언 역할을 정의합니다.
1.6. ADM에서 AI COE(Center of Excellence)의 비전과 미션을 간략하게 설명합니다.
1.7. ADM 팀 간에 AI 기술 격차 분석을 수행합니다.
1.8. 모든 직원을 위한 기본 AI 리터러시 훈련 프로그램을 개발합니다.
1.9. AI 통합 가능성에 대한 기존 공급업체 계약을 검토합니다.
1.10. ADM에서 AI 이니셔티브에 대한 초기 예산 책정 지침을 수립합니다.
역할
1.11. 소프트웨어 개발자
AI 지원 코딩, 페어 프로그래밍 및 코드 완성 도구를 채택합니다.
AI 생성 코드를 검토하고 최적화하기 위한 지침을 수립합니다.
1.12. 테스트 엔지니어
AI 기반 테스트 사례 생성, 실행 및 데이터 품질 개선 도구를 채택합니다.
AI 증강 탐색 테스트 기술을 구현합니다.
1.13. UX 디자이너
AI 지원 설계 도구 및 데이터 기반 설계 기술을 채택합니다.
1.14. DevOps 엔지니어
AI 기반 CI/CD 파이프라인 최적화를 구현합니다.
AI 지원 코드형 인프라(IaC) 생성 도구를 채택합니다.
1.15. 지원 엔지니어
더 빠른 문제 해결을 위해 AI 기반 지식 기반을 사용합니다.
AI 기반 티켓 분류 및 라우팅 시스템을 구현합니다.
프로세스
1.16. 복잡한 문제에 대한 명확한 에스컬레이션 프로토콜을 생성합니다.
1.17. AI 생성 코드와 수동 코드를 통합하기 위한 지침을 수립합니다.
1.18. AI 생성 코드를 위한 새로운 QA 프로세스를 개발합니다.
1.19. AI 생성 설계에 대한 인적 감독을 위한 프로세스를 설정합니다.
1.20. AI 테스트 모델을 지속적으로 구체화하기 위한 프로세스를 설정합니다.
1.21. 새로운 이니셔티브에 대한 지식 수집, 방법론 개선 및 경험 재사용을 개선합니다.
도구
1.22. AI 지원 코딩, 페어 프로그래밍 및 코드 완성 도구를 채택합니다.
1.23. AI 기반 코드 품질, 일관성 검사 및 버그 감지 시스템을 구현합니다.
1.24. 설계 문서를 위한 AI 지원 설명서 도구를 채택합니다.
1.25. AI 기반 협업 도구를 구현하여 시간대 종속성을 줄입니다.
1.26. AI 기반 테스트 사례 생성, 실행 및 데이터 품질 개선 도구를 채택합니다.
1.27. AI 지원 프로젝트 추정 도구를 구현합니다.
1.28. AI를 사용하여 예측 결함 분석을 설정합니다.
1.29. AI 지원 설계 도구 및 데이터 기반 설계 기술을 채택합니다.
2단계: 기능 구축
이 단계는 3~6개월 후에 수행됩니다. AI 채택을 확장하고 복잡성이 중간인 프로세스를 해결합니다.
거버넌스 및 조직
2.1. AI 거버넌스 정책 및 절차를 구현합니다.
2.2 ADM 프로젝트에 대한 AI 윤리적 검토 프로세스를 수립합니다.
2.3. ADM 프로세스에 대한 AI별 KPIs.
2.4. AI 통합 전문가와 같은 새로운 AI 중심 역할을 생성합니다.
2.5. AI 증강 워크플로를 지원하도록 팀 구조를 재정렬합니다.
2.6. 전담 팀과 함께 AI COE를 시작합니다.
2.7. COE 운영 절차 및 서비스 카탈로그를 설정합니다.
2.8. 역할별 AI 훈련 프로그램을 구현합니다.
2.9. AI 중심의 진로 및 진행 모델을 개발합니다.
2.10. AI별 조달 지침을 개발합니다.
2.11. AI 비용 할당 및 투자 수익(ROI) 추적 메커니즘을 구현합니다.
역할
2.12. 프로젝트 관리자
AI 기반 프로젝트 계획, 위험 평가 및 리소스 할당 도구를 통합합니다.
AI-인간 협업 의사 결정을 위한 프로토콜을 개발합니다.
AI를 사용하여 실시간 프로젝트 상태 모니터링 및 예측 분석을 설정합니다.
2.13. 릴리스 관리자
AI 기반 릴리스 관리, 계획 및 위험 평가 도구를 채택합니다.
AI를 사용하여 자동 배포 및 롤백 전략을 구현합니다.
예측 릴리스 후 모니터링 및 문제 감지 시스템을 설정합니다.
2.14. 사이트 신뢰성 엔지니어
AI 기반 예측 유지 관리 도구를 채택합니다.
AI 기반 이상 탐지 및 자동 문제 해결 시스템을 구현합니다.
2.15. 기술 작성자
AI 지원 설명서 생성 도구를 사용합니다.
AI 기반 콘텐츠 최적화 및 가독성 분석을 구현합니다.
프로세스
2.16. 피드백 루프를 생성하여 프로젝트 결과에 따라 AI 모델을 지속적으로 개선합니다.
2.17. AI 지원 시스템을 위한 지속적 학습 메커니즘을 구현합니다.
2.18. AI 예측 모델을 위한 지속적 학습 메커니즘을 구현합니다.
2.19. AI 생성 솔루션 제안을 검증하기 위한 프로세스를 설정합니다.
2.20. AI 생성 릴리스 계획의 인적 검증을 위한 프로세스를 설정합니다.
도구
2.21. AI 기반 프로젝트 계획, 위험 평가 및 리소스 할당 도구를 통합합니다.
2.22. AI를 사용하여 실시간 프로젝트 상태 모니터링 및 예측 분석을 설정합니다.
2.23. 지속적인 솔루션 최적화를 위한 AI 기반 도구를 구현합니다.
2.24. AI 기반 사용자 연구 분석 및 페르소나 생성 시스템을 구현합니다.
2.25. AI를 사용하여 자동 사용성 테스트 및 피드백 분석을 설정합니다.
2.26. AI 기반 릴리스 관리, 계획 및 위험 평가 도구를 채택합니다.
2.27. AI를 사용하여 자동 배포 및 롤백 전략을 구현합니다.
2.28. 예측 릴리스 후 모니터링 및 문제 감지 시스템을 설정합니다.
2.29. AI 기반 모니터링, 예측 유지 관리 및 리소스 할당 시스템을 구현합니다.
2.30. AI를 사용하여 가속화된 문제 해결 프로세스를 설정합니다.
3단계: 변환 조정
이 단계는 6~12개월 후에 발생합니다. 고급 솔루션을 구현하고 복잡성이 높은 문제를 해결합니다.
거버넌스 및 조직
3.1. AI 거버넌스를 전체 엔터프라이즈 거버넌스에 통합합니다.
3.2. AI 정책에 대한 지속적인 개선 프로세스를 구현합니다.
3.3. 부서 간 AI 거버넌스 위원회를 구성합니다.
3.4. 모든 ADM 팀에서 AI 역할을 완전히 통합합니다.
3.5. AI 기반 조직 설계 최적화를 구현합니다.
3.6. COE 기능을 확장하여 고급 AI 연구를 포함합니다.
3.7. 외부 AI 연구 기관과 파트너십을 구축합니다.
3.8. AI 기반 개인화된 학습 경로를 구현합니다.
3.9. 직원을 위한 AI 혁신 인센티브 프로그램을 수립합니다.
3.10. AI별 계약 템플릿 및 서비스 수준 계약(SLAs)을 개발합니다.
3.11. ADM에 대한 AI 기반 재무 예측 및 최적화를 구현합니다.
역할
3.12. 제품 소유자 또는 비즈니스 분석가
AI 기반 시장 분석 및 요구 사항 수집 도구를 구현합니다.
효과적인 AI 상호 작용을 위한 프롬프트 엔지니어링 기술을 개발합니다.
3.13. 솔루션 아키텍트
AI 기반 솔루션 설계 도구 및 방법론을 채택합니다.
지속적인 솔루션 최적화를 위한 AI 기반 도구를 구현합니다.
3.14. 풀 스택 개발자
AI 기반 풀 스택 코드 생성 및 최적화 도구를 채택합니다.
AI 기반 API 설계 및 통합 시스템을 구현합니다.
3.15. 기술 책임자
AI 기반 애플리케이션 수명 주기 관리 도구를 채택합니다.
AI 증강 DevOps 사례에서 팀을 발전시키는 훈련 프로그램을 생성합니다.
3.16. 보안 주제 전문가(SME)AI 기반 위협 탐지 및 대응 시스템을 구현합니다.
AI 지원 보안 정책 생성 및 규정 준수 검사 도구를 채택합니다.
3.17. 도메인별 SME
도메인별 지식 추출 및 애플리케이션에 AI 도구를 사용합니다.
AI 지원 도메인 모델링 및 시뮬레이션 도구를 구현합니다.
프로세스
3.18. 엔터프라이즈 아키텍처(EA) 프로세스를 재설계하여 AI 기반 인사이트와 자동화를 통합합니다.
3.19. AI 시스템이 변화하는 규정을 최신 상태로 유지할 수 있도록 지속적인 학습 메커니즘을 구현합니다.
3.20. AI 생성 규정 준수 권장 사항에 대한 인적 감독을 위한 명확한 프로토콜을 설정합니다.
3.21. AI 생성 권장 사항에 대한 인적 감독을 위한 명확한 프로토콜을 설정합니다.
3.22. 포괄적인 변경 관리 전략을 구현합니다.
도구
3.23. AI 기반 아키텍처 의사 결정 지원 시스템을 구현합니다.
3.24. AI 기반 통합 및 상호 운용성 평가 시스템을 설정합니다.
3.25. AI 분석을 위한 데이터 통합 및 품질 보증 프로세스에 투자합니다.
3.26. AI 기반 보고를 위한 강력한 보안 및 거버넌스 프레임워크를 설정합니다.
3.27. 아키텍처 권장 사항 및 리소스 프로비저닝을 위한 AI 기반 도구를 구현합니다.
3.28. AI 기반 관찰성과 이상 탐지 시스템을 통합합니다.
3.29. AI 지원 규정 준수 검사 및 보안 모니터링 프로세스를 수립합니다.
3.30. AI 기반 시장 분석 및 요구 사항 수집 도구를 구현합니다.
3.31. AI 기반 솔루션 설계 도구 및 방법론을 채택합니다.
3.32. AI 기반 풀 스택 코드 생성 및 최적화 도구를 채택합니다.
3.33. AI 기반 API 설계 및 통합 시스템을 구현합니다.
3.34. AI를 사용하여 스택 전체에서 자동화된 성능 튜닝을 설정합니다.
3.35. AI 기반 애플리케이션 수명 주기 관리 도구를 채택합니다.
3.36. 모든 위치에서 액세스할 수 있는 클라우드 기반 AI 증강 플랫폼에 투자합니다.
3.37. AI 도구 및 환경을 전 세계적으로 표준화합니다.
