View a markdown version of this page

ADM 운영 모델의 조직 구조 계층 - AWS 권장 가이드
조직 구조 및 역할

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

ADM 운영 모델의 조직 구조 계층

조직 구조 계층에는 사람, 프로세스 및 기술이 포함됩니다. 이 계층은 조직에서 ADM 운영 모델에 생성형 AI를 도입할 때 가장 가시적이고 심오한 변화가 발생하는 곳입니다. 역할은 진화하고, 조직은 프로세스를 재구상하며, 기술 스택은 생성형 AI 도구를 포함하도록 확장됩니다.

이 섹션에서는 조직 구조, 개별 역할 및 핵심 프로세스의 변경 사항을 포함하여 조직의 ADM 변환에서 생성형 AI의 실제 구현에 대한 인사이트를 제공합니다. 이러한 전략적 변화를 수용하면 ADM 운영 모델에 생성형 AI를 효과적으로 통합할 수 있는 위치를 확보할 수 있습니다. 이 혁신은 개발 속도, 소프트웨어 품질 및 혁신 용량을 개선하여 잠재적으로 경쟁 우위를 높일 수 있습니다. 실제 영향은 조직의 특정 컨텍스트 및 구현에 따라 달라집니다.

플랫폼 관리 서비스, 기술 및 도구, 파트너십

플랫폼 관리 서비스는 다음을 포함하여 애플리케이션 팀을 위한 일련의 핵심 공유 기능과 표준화된 서비스를 제공합니다.

  • 코딩된 참조 아키텍처 및 설계 패턴

  • 승인된 아키텍처 및 구성을 배포하기 위한 셀프 서비스 메커니즘

  • 표준화된 개발, 관찰성 및 운영 도구

  • 환경 설정, 지속적 통합 및 지속적 배포(CI/CD) 파이프라인 및 관리 프로세스 지원

  • 중앙 집중식 거버넌스 및 보안 표준

일반적으로 플랫폼 엔지니어링 및 클라우드 운영 팀은 이러한 서비스를 관리하여 애플리케이션 팀을 지원하고 지속적인 개선을 추진하기 위해 협업합니다.

생성형 AI는 다음과 같은 방식으로 플랫폼 관리 서비스를 변환하고 있습니다.

  • 아키텍처 권장 사항에 대한 AI 어시스턴트는 프로젝트 요구 사항, 권장 설계 패턴 및 조직 표준을 기반으로 최적의 참조 아키텍처를 제안합니다.

  • 지능형 셀프 서비스 프로비저닝은 AI를 사용하여 복잡한 워크플로를 해결하는 리소스 및 서비스의 배포를 자동화하고 최적화합니다.

  • AI 기반 관찰성은 심층적인 인사이트를 제공하고 플랫폼 전체에서 이상 탐지를 자동화합니다.

  • AIOps 에이전트는 승인된 표준 운영 절차(SOPs)를 사용하여 여러 자동 문제 해결 워크플로를 처리합니다.

  • 자동화된 규정 준수 검사는 AI를 사용하여 거버넌스 및 보안 표준을 지속적으로 확인하고 시행합니다.

이러한 AI 기반 개선 사항을 통해 인프라 팀은 복잡한 시간 소비 문제를 해결하고 애플리케이션의 신뢰성을 개선하여 플랫폼 관리의 효율성과 효과를 개선하는 데 집중할 수 있습니다.

생성형 AI 기능을 관리형 서비스 파트너의 기존 플랫폼 상품에 통합합니다. 이 전략을 통해 다음과 같은 이점을 얻을 수 있습니다.

  • 고급 AI 기술을 활용하고 파트너의 전문 지식과 검증된 프로세스를 활용합니다.

  • 통합 AI 기능으로 플랫폼 엔지니어링 및 클라우드 운영을 개선합니다.

  • AI 기능을 발전시키면서 설정된 관리형 서비스 파트너 관계의 이점을 유지하세요.

조직 구조 및 역할

생성형 AI 통합을 위해서는 ADM 조직 구조를 재구상해야 합니다. 조직 구조 내에서 주요 역할의 책임을 조정하는 것이 중요합니다. 이러한 AI 기반 변경은 팀이 더 효율적으로 작업하고 더 높은 가치를 제공하는 데 도움이 될 수 있습니다.

조직 구조는 다음과 같은 여러 요인에 따라 달라집니다.

  • 참여 크기 - 거래 시스템, 약물 검색, 전사적 리소스 계획(ERP)과 같은 애플리케이션의 범위와 복잡성을 예로 들 수 있습니다.

  • 특정 고객 요구 사항 - 결제 시스템에 대한 결제 카드 산업 데이터 보안 표준(PCI DSS) 규정 준수 및 제약 산업에 대한 모범 사례(GxP) 규정 준수를 예로 들 수 있습니다.

  • 사용된 방법론 - 애자일 및 폭포 방법론을 예로 들 수 있습니다.

일부 역할은 프로젝트 요구 사항에 따라 결합되거나 확장됩니다. 고급 기술 또는 엄격한 규정 준수 요구 사항이 포함된 프로젝트에는 데이터 과학자, 기계 학습(ML) 전문가, 고급 비즈니스 애플리케이션 프로그래밍(ABAP) 개발자, 규정 준수 책임자와 같은 특수한 역할이 포함되는 경우가 많습니다.

다음 섹션에서는 생성형 AI 통합으로 진화하는 ADM의 일반적인 역할을 중점적으로 다룹니다. 이러한 역할은 AI 기능을 사용하도록 확장 및 조정되고 있으며, 이를 통해 조직 내 가치 및 영향을 향상시킬 수 있습니다. 이 진화는 여러 역할에서 기술 개발 및 경력 성장의 기회를 나타냅니다. 다음 측면은 각 역할이 생성형 AI와 통합될 때 어떻게 진화하는지에 대한 인사이트를 제공합니다.

  • 현재 포커스 - 역할의 사람이 현재 수행하는 기본 작업

  • AI 기반 전환 - 생성형 AI를 역할에 통합할 수 있는 방법

  • 주요 이점 - 생성형 AI를 역할에 통합하여 얻는 이점

  • 주요 고려 사항 - 역할에 대한 AI 기반 전환을 고려할 때 고려 사항

  • 주요 단계 - 역할의 사람이 AI에 적응하기 위해 수행할 수 있는 기본 단계

이 포괄적인 보기는 각 역할의 AI 기반 혁신을 성공적으로 탐색하는 데 필요한 현재 상태, 변경 방향 및 단계를 이해하는 데 도움이 될 수 있습니다. AI가 기존 역할을 개선하는 방법과 이러한 발전에 맞게 조직 구조를 준비하는 방법에 대한 인사이트를 얻을 수 있습니다.

제품 소유자 또는 비즈니스 분석가

다음 표에서는 제품 소유자 또는 비즈니스 분석가 역할이 생성형 AI 기능을 사용하도록 조정할 수 있는 방법에 대한 개요를 제공합니다.

역할의 측면

설명

현재 포커스

  • 요구 사항 수집

  • 기능 우선 순위 지정

  • 이해관계자 커뮤니케이션

AI 기반 전환

다음을 위해 AI를 사용합니다.

  • 데이터 기반 의사 결정 프로세스 및 가속화된 시장 인사이트

  • 비즈니스 요구 사항 문서(BRD) 생성, 고객 피드백 및 요구 사항에 따라 기능 우선 순위 지정

주요 이점

  • 더 빠른 요구 사항 수집 및 분석

  • 시장 요구 사항에 맞게 기능 조정 개선

  • 보다 포괄적인 사용자 스토리 및 사용 사례

주요 고려 사항

  • AI가 복잡한 비즈니스 컨텍스트를 이해하는지 확인

  • 의미 있는 이해관계자 관계 유지

주요 단계

  • AI 기반 시장 분석 및 요구 사항 도구를 구현합니다.

  • 효과적인 AI 상호 작용을 위한 프롬프트 엔지니어링 기술을 개발합니다.

  • 이해관계자 프로세스를 수립하여 AI 생성 인사이트 검증

프로젝트 관리자

다음 표에는 프로젝트 관리자 역할이 생성형 AI 기능을 사용하도록 조정하는 방법에 대한 개요가 나와 있습니다.

역할의 측면

설명

현재 포커스

  • 활동 계획

  • 리소스 할당

  • 위험 관리

AI 기반 전환

  • 향상된 예측 계획 및 실시간 프로젝트 인텔리전스를 위해 AI를 채택합니다.

주요 이점

  • 리소스 할당 정확도 개선

  • 위험 식별 및 완화 개선

  • 실시간 프로젝트 상태 모니터링 및 예측 분석

주요 고려 사항

  • AI 권장 사항과 사람의 판단의 균형

  • 팀이 AI 기반 방법론을 채택하도록 보장

주요 단계

  • AI 기반 프로젝트 계획 및 위험 평가 도구를 통합합니다.

  • AI-인간 협업 의사 결정을 위한 프로토콜을 개발합니다.

  • AI 증강 프로젝트 관리 관행의 기술 향상 팀.

UI/UX 디자이너

다음 표에서는 사용자 인터페이스/사용자 경험(UI/UX) 디자이너 역할이 생성형 AI 기능을 사용하도록 조정할 수 있는 방법에 대한 개요를 제공합니다.

역할의 측면

설명

현재 포커스

  • 사용자 인터페이스 설계 및 프로토타입 생성

  • 사용자 연구 및 사용성 테스트 수행

  • 애플리케이션 전반에서 최적의 사용자 환경 보장

AI 기반 전환

  • AI를 사용하여 신속한 설계 반복, 데이터 기반 사용자 인사이트, 자동화된 사용성 테스트를 수행할 수 있습니다.

주요 이점

  • 더 빠른 UI 설계 대안 생성

  • 향상된 사용자 연구 분석 및 페르소나 생성

  • 자동 사용성 테스트 및 피드백 분석

주요 고려 사항

  • AI 생성 설계와 브랜드 지침 및 사용자 요구 사항의 밸런싱

  • AI 지원 설계 프로세스에서 창의성과 혁신 유지

주요 단계

  • AI 기반 프로젝트 계획 및 위험 평가 도구를 통합합니다.

  • AI-인간 협업 의사 결정을 위한 프로토콜과 프로세스를 개발합니다.

  • AI 증강 프로젝트 관리 관행의 기술 향상 팀.

풀 스택 개발자

다음 표에서는 전체 스택 개발자 역할이 생성형 AI 기능을 사용하도록 조정하는 방법에 대한 개요를 제공합니다.

역할의 측면

설명

현재 포커스

  • 사용자 인터페이스 설계 및 프로토타입 생성

  • 사용자 연구 및 사용성 테스트 수행

  • 애플리케이션 전반에서 최적의 사용자 환경 보장

AI 기반 전환

  • 포괄적인 풀 스택 개발 지원 및 최적화를 위해 AI를 수용합니다.

주요 이점

  • 가속화된 풀 스택 코드 생성 및 최적화

  • AI 기반 API 설계 및 통합

  • 스택 전반의 자동화된 성능 튜닝

주요 고려 사항

  • AI 도구와 함께 여러 기술에 대한 숙련도 유지

  • AI와 수동으로 개발된 구성 요소 간의 일관성 및 통합 보장

주요 단계

  • 전체 스택에서 AI 지원 개발에 대한 전문 지식을 개발합니다.

  • AI 생성 코드와 수동 코드를 통합하기 위한 프로세스와 지침을 수립합니다.

  • 풀 스택 개발에서 새로운 AI 도구를 위한 지속적 학습 프로그램을 구현합니다.

솔루션 아키텍트

다음 표에서는 솔루션 아키텍트 역할이 생성형 AI 기능을 사용하도록 조정할 수 있는 방법에 대한 개요를 제공합니다.

역할의 측면

설명

현재 포커스

  • 포괄적인 전사적 솔루션 설계

  • 기술 솔루션을 비즈니스 목표에 맞게 조정

  • 시스템 간 통합 및 상호 운용성 보장

  • 세부 설계 문서 생성

AI 기반 전환

  • 신속한 솔루션 프로토타이핑, 데이터 기반 아키텍처 결정, 자동화된 통합 분석 및 설계 문서 생성에 AI를 사용합니다.

주요 이점

  • 솔루션 대안의 더 빠른 생성 및 평가

  • 기술 솔루션과 비즈니스 목표의 조정 개선

  • 시스템 통합 및 상호 운용성에 대한 평가 개선

  • 포괄적인 설계 설명서 생성 가속화

주요 고려 사항

  • AI 생성 솔루션이 복잡한 비즈니스 요구 사항을 해결하도록 보장

  • AI 증강 설계 프로세스에서 엔터프라이즈 아키텍처에 대한 전체적인 관점 유지

  • AI 생성 설계 문서의 정확성 및 완전성 검증

주요 단계

  • AI 기반 솔루션 설계 도구 및 방법론에 대한 전문 지식을 개발합니다.

  • 비즈니스 요구 사항에 맞게 AI 생성 솔루션 제안을 검증하는 프로세스를 설정합니다.

  • 지속적인 솔루션 최적화 및 통합 평가를 위한 AI 기반 도구를 구현합니다.

  • 설계 문서를 생성하고 유지 관리하기 위한 AI 지원 설명서 도구를 채택합니다.

소프트웨어 개발자

다음 표에는 생성형 AI 기능을 사용하도록 소프트웨어 개발자 역할을 조정하는 방법에 대한 개요가 나와 있습니다.

역할의 측면

설명

현재 포커스

  • 코드 작성

  • 디버깅

  • 정비

AI 기반 전환

  • 생산성과 품질을 높이기 위한 코딩 컴패니언으로 AI를 수용합니다.

주요 이점

  • 코드 생성 및 완성 가속화

  • 코드 품질 및 일관성 개선

  • 더 빠른 버그 감지 및 해결

주요 고려 사항

  • AI 생성 코드에서 코드 가독성 및 성능 유지

  • AI 도구 의존도와 핵심 프로그래밍 기술의 균형

주요 단계

  • AI 지원 코딩 및 페어 프로그래밍 기법의 사용을 개선합니다.

  • AI 생성 코드를 검토하고 최적화하기 위한 지침을 수립합니다.

  • 새로운 AI 개발 도구를 위한 지속적 학습 프로그램을 구현합니다.

테스트 엔지니어

다음 표에서는 테스트 엔지니어 역할이 생성형 AI 기능을 사용하도록 조정하는 방법에 대한 개요를 제공합니다.

역할의 측면

설명

현재 포커스

  • 테스트 사례 설계

  • 결함 식별

  • 품질 보증

AI 기반 전환

  • 포괄적이고 자동화된 테스트 전략을 위해 AI를 구현합니다.

주요 이점

  • 테스트 사례 생성 및 실행의 자동화 향상

  • 테스트 데이터 품질 및 적용 범위 개선

  • 예측 결함 분석을 통한 조기 문제 감지

주요 고려 사항

  • AI 생성 테스트 사례를 넘어 철저한 적용 범위 보장

  • 탐색 방법을 사용한 자동 테스트 밸런싱

주요 단계

  • AI 테스트 전략 설계 및 데이터 모델링 기술을 개발합니다.

  • AI 테스트 모델의 지속적인 개선을 위한 프로세스를 설정합니다.

  • AI 증강 탐색 테스트 프로세스 및 기술을 구현합니다.

릴리스 관리자

다음 표에서는 릴리스 관리자 역할이 생성형 AI 기능을 사용하도록 조정하는 방법에 대한 개요를 제공합니다.

역할의 측면

설명

현재 포커스

  • 소프트웨어 릴리스 계획 및 조정

  • 릴리스 일정 및 종속성 관리

  • 원활한 배포 및 릴리스 후 안정성 보장

AI 기반 전환

  • 지능형 릴리스 계획, 자동 배포 및 예측 안정성 관리를 위해 AI를 채택합니다.

주요 이점

  • AI 기반 릴리스 계획 및 위험 평가

  • 자동 배포 및 롤백 전략

  • 예측 릴리스 후 모니터링 및 문제 감지

주요 고려 사항

  • AI 권장 사항과 비즈니스 우선순위 및 제약 조건의 균형

  • 자동 배포 시나리오에서 제어 및 감독 유지

주요 단계

  • AI 기반 릴리스 관리 도구 및 예측 분석에 대한 기술을 개발합니다.

  • AI 생성 릴리스 계획의 인적 검증을 위한 프로세스를 설정합니다.

  • AI 기반 릴리스 후 모니터링 및 신속한 대응 표준 운영 절차(SOP)를 구현합니다.

기술 책임자

다음 표에는 생성형 AI 기능을 사용하도록 기술 책임자 역할을 조정할 수 있는 방법에 대한 개요가 나와 있습니다.

역할의 측면

설명

현재 포커스

  • 애플리케이션 개발 및 운영 프로세스 감독

  • 개발 팀과 운영 요구 사항 간의 조정 보장

  • 개발부터 프로덕션까지 애플리케이션 수명 주기 관리

  • 개발 및 운영 효율성의 지속적인 개선 추진

AI 기반 전환

  • 향상된 애플리케이션 수명 주기 관리, 자동화된 운영 분석 및 예측 리소스 최적화를 위해 AI를 활용합니다.

주요 이점

  • 개발 팀과 운영 팀 간의 조정 개선

  • 향상된 애플리케이션 성능 모니터링 및 예측 유지 관리

  • 운영 분석을 기반으로 한 자동화된 리소스 할당 및 규모 조정

  • 빈번한 변경 횟수

  • 문제 해결 가속화 및 가동 중지 시간 단축

주요 고려 사항

  • 중요한 운영에서 AI 기반 자동화와 인적 감독의 균형

  • 애플리케이션 수명 주기 전반에 걸쳐 AI 도구의 원활한 통합 보장

  • AI 증강 DevOps 관행으로의 문화적 변화 관리

주요 단계

  • AI 기반 애플리케이션 수명 주기 관리 도구에 대한 전문 지식을 개발합니다.

  • AI 인사이트를 개발 및 운영 의사 결정에 통합하기 위한 프로세스를 수립합니다.

  • AI 기반 모니터링 및 예측 유지 관리 시스템을 구현합니다.

  • AI 증강 DevOps 사례에서 팀을 발전시키는 훈련 프로그램을 생성합니다.

DevOps 엔지니어

다음 표에서는 DevOps 엔지니어 역할이 생성형 AI 기능을 사용하도록 조정하는 방법에 대한 개요를 제공합니다.

역할의 측면

설명

현재 포커스

  • 지속적 통합 및 지속적 배포(CI/CD) 파이프라인 구현 및 유지

  • 인프라 프로비저닝 및 관리 자동화

  • 개발과 운영 간의 원활한 통합 보장

AI 기반 전환

  • AI를 사용하여 자동화, 예측 분석 및 지능형 인프라 관리를 개선합니다.

주요 이점

  • 가속화된 배포 주기

  • 시스템 안정성 및 성능 향상

  • 사전 예방적 문제 감지 및 해결

주요 고려 사항

  • AI 도구를 기존 DevOps 프로세스와 통합

  • 필요한 인적 감독과 자동화의 밸런싱

주요 단계

  • AI 기반 CI/CD 파이프라인 최적화를 구현합니다.

  • AI 지원 코드형 인프라(IaC) 생성 도구를 채택합니다.

  • 예측 유지 관리 및 자동 문제 해결을 위한 AIOps 기술을 개발합니다.

지원 엔지니어

다음 표에서는 지원 엔지니어 역할이 생성형 AI 기능을 사용하도록 조정하는 방법에 대한 개요를 제공합니다.

역할의 측면

설명

현재 포커스

  • 사용자 문제 및 인시던트 해결

  • 시스템의 신뢰성 유지

  • 최종 사용자에게 기술 지원 제공

AI 기반 전환

  • 지능형 문제 분류, 자동화된 문제 해결 및 예측 지원을 위해 AI를 채택합니다.

주요 이점

  • 더 빠른 문제 해결 시간

  • 최초 통화 해결 속도 개선

  • 잠재적 시스템 문제를 사전에 식별

주요 고려 사항

  • AI 시스템이 복잡한 기술 문제를 정확하게 이해하고 분류하도록 보장

  • 고객 상호 작용에서 인적 접촉 유지

주요 단계

  • 더 빠른 문제 해결을 위해 AI 기반 지식 기반을 구현합니다.

  • AI 기반 티켓 분류 및 라우팅 시스템을 채택합니다.

  • 고객 지원을 위해 AI 챗봇 및 가상 어시스턴트와 함께 작업하는 프로세스와 기술을 개발합니다.