AI 시대의 "소프트웨어 공장", 속도 중시로 품질이 위태롭다

대규모 언어 모델(LLM)의 보급으로 소프트웨어 개발 현장이 "공장형"으로 전환되고 있다. 코드를 작성하는 진입 장벽이 낮아지면서 한 명의 엔지니어가 만들어낼 수 있는 코드의 양이 몇 년 전과 비교해 크게 증가한 결과, 조직은 소프트웨어 개발을 생산 라인처럼 보기 시작했다. 이러한 변화에 대응하여 "소프트웨어 공장(Software Factory)"이라는 개념이 업계에서 논의되기 시작했다.

이 개념은 Luca Rossi가 저술한 "The Era of the Software Factory"에서도 논의되고 있다. AI는 코드 작성 속도를 높일 뿐만 아니라 소프트웨어를 둘러싼 생산 시스템 전체를 변화시키고 있다는 주장이다. 실제로 AI를 활용한 개발은 "얼마나 빨리 작성할 수 있는가"라는 질문에서 "이것이 정말 작성해야 하는가"라는 질문으로 병목을 변화시켰다. 종래의 "손으로 코드를 작성할 수 있는 인재가 부족하다"는 제약이 약해지고 대량 생산 자체가 용이해졌기 때문에 무엇을 만들 것인가의 판단이 더욱 중요해졌다.

소프트웨어 공장 개념이 지칭하는 것은 코딩 에이전트의 집합체, CI/CD(지속적 통합/지속적 전달)의 고속화, 리뷰 자동화, 배포 주변의 자동화 등 다양한 해석이 있다. 그러나 단순한 도구의 모음으로 보는 것은 충분하지 않다는 견해가 있다. 본래는 코드가 어떻게 생성·리뷰·테스트·추적·배포되며, 문제 발생 시 어떻게 개선되는지를 정의하는 플랫폼이 필요하다. 다시 말해 따로따로인 프롬프트나 에이전트, 플러그인을 나열하기만 해서는 공장이라고 할 수 없다.

배경에는 기업이 계속 안고 있던 "만들고 싶은 소프트웨어의 양에 비해 엔지니어가 부족하다"는 과제가 있다. Excel 같은 표계산 도구가 많은 현장에서 "정말로 만들고 싶었던 소프트웨어"의 대체 수단으로 사용되어온 것이 그 전형이라고 할 수 있다. AI는 그 제약을 일부 해제했지만, 많은 유명 기업이 AI 관련 비용 증가를 문제시하고 있듯이 비용 측면에서의 해결책이 되지 못하는 측면도 있다.

문제는 속도만을 추구했을 경우의 위험이다. 물리적 공장이 생산을 효율화하면서도 새로운 트레이드오프를 만들어낸 것처럼, 소프트웨어 공장에도 고유의 위험이 따른다. 대량으로 생성된 코드가 기술적 부채(향후 수정 비용이 되는 대충된 구현의 축적)를 쌓아올릴 가능성이 있다. 신뢰성이나 내구성이 부족한 성과물을 대량 생산하기만 해서는 개발의 고속화가 오히려 품질 저하를 가속시킨다는 역설이 생긴다.

수십 년에 걸쳐 기능해온 표준적인 소프트웨어 개발 라이프사이클이나 CI/CD 관행은 이러한 생산량의 증대를 견디지 못할 가능성이 있다. 따라서 속도를 지탱하는 메커니즘뿐만 아니라 품질·추적성·개선 사이클을 포함한 체제가 요구된다는 견해가 있다. 앞으로의 초점은 "얼마나 빨리 코드를 생성할 수 있는가"가 아니라 "생성된 코드를 어떻게 관리·보증할 것인가"로 옮겨갈 것으로 보인다.

AI 주도의 개발이 당연해지는 가운데 소프트웨어 공장의 설계 사상은 업계 전체의 생산성과 품질에 직결되는 과제가 되어가고 있다. 도구를 도입하는 것과 이를 기능하는 시스템으로 설계하는 것은 별개의 문제다. 조직이 이 구별을 어떻게 다루는지가 AI를 활용한 개발의 성패를 좌우하는 중요한 분기점이 될 것이라는 견해가 있다.