프로그래밍 및 개발에서 AI를 활용하는 7가지 사례(& AI가 실패하는 4가지 사례)
게시 됨: 2023-09-13
오크리지 국립 연구소(Oak Ridge National Laboratory)의 네 명의 연구원은 5년 전에 인간이 2040년에도 여전히 코드를 작성할 것인지에 대해 고민하는 논문을 발표했습니다. 이제 이 질문은 대부분의 일반 프로그래머의 머리 속에 자리잡고 있습니다. 질문에 대한 답이 무엇인지에 대한 우려와 기대가 있습니다.
연구자들은 질문에 부정적으로 대답했습니다. 기계는 대부분의 코드를 생성하는 반면 인간은 개입하더라도 대부분 기계 생성 코드를 정제하는 데 국한될 것입니다.
AI 분야의 급속한 발전으로 인해 예측이 훨씬 빨리 현실화되었습니다. 이제 단순한 설명과 스케치에서도 기능 코드를 생성할 수 있는 다양한 AI 시스템이 존재합니다. 이는 약속과 함정을 동시에 가져옵니다. AI는 단순하고 지루한 작업을 대신해 생산성을 높이고 인간의 잠재력과 창의성을 발휘하여 새로운 기회를 열어줄 수 있습니다. 그러나 이는 인간의 감독을 제거함으로써 편견을 영속시키고, 책임을 감소시키며, 치명적인 오류의 위험을 증가시킬 수도 있습니다.
따라서 여기서는 프로그래밍 및 소프트웨어 개발에서 AI의 7가지 사용 사례를 고려하고 AI가 흔들리는 사례도 평가합니다.
프로그래밍에서 AI의 일반적인 사용 사례
AI는 특히 프로그래밍과 소프트웨어 개발을 포함하여 업무의 모든 측면에 영향을 미쳤습니다. 한 설문 조사에 따르면 조직의 31%가 코드 작성에 AI를 사용합니다. 이제 묻는 질문은 AI가 소프트웨어 개발에 영향을 미칠지 여부가 아니라 어떻게, 어느 정도로 영향을 미칠 것인가입니다.
프로그래밍은 AI가 생산성과 효율성 향상에 크게 기여한 영역 중 하나입니다. 미래의 업무에 관한 LinkedIn의 보고서에서는 소프트웨어 개발 작업의 96%가 AI로 강화될 수 있다고 예측합니다. AI 기반 도구는 기본 작업부터 다소 복잡한 작업까지 다양한 작업에 걸쳐 사용되었습니다.
코드 조각 생성
GitHub 및 StackOverflow와 같이 공개적으로 사용 가능한 리포지토리의 수백만 줄의 코드로 훈련된 AI 도구는 사람이 코드를 작성하는 데 걸리는 시간보다 훨씬 짧은 시간에 코드 조각을 생성할 수 있습니다. 그들은 여러 언어에 능숙하며 자연 언어로 코드를 생성할 수 있습니다.
이는 초보자뿐만 아니라 AI가 필요한 간단한 코드를 작성하도록 할 수 있는 숙련된 프로그래머에게도 도움이 됩니다. 그런 다음 이를 수정하거나 개선하여 프로그램에 구현할 수 있습니다.
AI는 특히 코드 템플릿 생성에 능숙할 수 있습니다. GitHub Copilot과 같은 AI 도구에 매개변수 세트를 제공하면 AI가 코드 템플릿을 생성합니다. 이는 상용구 또는 반복적인 코드 줄을 만드는 데 유용할 수 있습니다. 또한 AI는 텍스트 자동 완성과 달리 따라올 가능성이 가장 높은 항목을 제안하여 코드 완성에 도움을 줄 수 있습니다. 불완전한 코드를 AI 코딩 도우미에 붙여넣고 코드가 완성되도록 할 수도 있습니다.
디버그 코드
버그는 모든 프로그래머의 골칫거리입니다. 이는 시간 낭비가 될 수 있지만(예를 들어 코드가 실행되지 않는 이유를 알아내는데 세미콜론이 누락되었기 때문이라는 것을 깨닫는 데 몇 시간을 소비함) 중요한 보안 위험을 초래하고 사용자 경험을 손상시키기도 합니다. AI는 이들 중 일부를 완화할 수 있습니다. 그뿐만이 아닙니다. AI는 버그를 더 정확하고 빠르게 식별할 수 있습니다.
AI는 일반적으로 오류로 이어지는 불일치와 패턴을 식별하여 버그를 감지하기 위해 코드를 분석할 수 있습니다. 종종 버그를 일으키는 코드 구조를 인식하고 개발자에게 잠재적인 문제를 경고할 수 있습니다. 또한 AI는 회귀 테스트에 도움을 주고 새로운 변경 사항이 코드베이스에 버그를 유발하지 않도록 보장할 수 있습니다.
그러나 이것이 디버깅을 AI에 전적으로 맡길 수 있다는 의미는 아닙니다. 이것이 의미하는 바는 인간이 디버깅이라는 비천하고 지루한 작업 중 일부를 AI에 위임할 수 있다는 것입니다. 이를 통해 인간은 피할 수 있는 작업에 많은 시간을 절약하고 보다 생산적인 작업에 더 많은 시간을 할애할 수 있습니다.
코드 번역
한 플랫폼이나 환경에서 다른 플랫폼이나 환경으로 마이그레이션하거나 새로운 컨텍스트에서 코드의 기존 논리와 기능을 재사용하고 싶다고 가정해 보겠습니다. 이 두 경우 모두 AI를 사용하면 코드를 처음부터 다시 작성할 필요 없이 코드를 번역하는 데 도움이 될 수 있습니다.
그러나 코드 번역을 위한 AI 도구는 완전히 신뢰할 수 없습니다. 그들은 언어의 뉘앙스를 알아차리지 못하거나 코드의 논리를 파악하지 못할 수도 있습니다. 하지만 인간도 마찬가지다. 번역이 완벽하게 정확하지 않더라도 소스 코드를 처음부터 수동으로 번역하는 것보다 작업이 훨씬 쉬워집니다. 이는 또한 인간 번역가와 함께 작업하는 것과 같습니다. 번역된 코드를 검토하고 오류가 있으면 수정합니다.
코드를 자연어로 설명하기
AI는 일반 영어(또는 해당 문제에 대한 모든 언어)로 코드를 설명할 수 있습니다. 이는 새로운 언어를 배우거나 그것이 무엇인지 모르는 임의의 코드 줄을 접하는 경우 도움이 될 수 있습니다.
마찬가지로 AI는 정규식을 디코딩하고 정규식의 기능을 자연어로 설명할 수 있습니다.
모호한 코드 줄을 설명할 수 있을 뿐만 아니라 설명에도 도움이 될 수 있습니다. AI는 코드의 목적, 기능 및 사용법을 정확하게 설명하는 포괄적인 코드 문서를 생성할 수 있습니다. 또한 AI는 코드 제출을 검토 및 문서화하고 풀 요청 또는 커밋의 변경 사항에 대한 설명을 생성하는 데 도움을 줄 수 있습니다.
테스트 케이스 생성
프로그램이 의도한 대로 작동하는지 확인하려면 철저한 코드 테스트가 중요합니다. 그러나 테스트 사례를 작성하고 코드를 테스트하는 것은 지루하고 시간이 많이 걸리는 프로세스이므로 간과되는 경우가 많습니다. 다행히도 AI가 이 작업에 도움을 줄 수 있습니다.
AI는 코드베이스를 분석하고 테스트를 위한 잠재적인 시나리오를 식별하여 테스트 케이스를 작성하는 데 사용될 수 있습니다. 코드 내의 다양한 경로, 분기 및 조건을 식별하고 해당 시나리오를 포괄하는 테스트 사례를 만들 수 있습니다.
Tabnine과 같은 AI 도우미는 자동으로 단위 테스트를 생성하고 사람의 개입을 최소화하면서 자체적으로 테스트를 실행할 수 있습니다. 그런 다음 실패한 테스트 사례에 플래그를 지정하고 보고하며 테스트 요약을 제공합니다. 이는 테스트 효율성을 향상시키고 인간의 부담을 줄이는 데 도움이 될 수 있습니다.
[출처-https://www.tabnine.com/blog/wp-content/uploads/2023/02/unittestgen.gif]
코드 리팩토링
코드 리팩토링은 AI가 도움을 줄 수 있는 또 다른 시간 소모적이고 단조로운 작업입니다. AI는 디버깅 및 리팩토링에 소요되는 시간을 약 절반으로 줄이는 데 도움이 될 수 있습니다.
AI는 변수 또는 메소드 이름 변경, 코드를 함수로 추출, 코드 구조 재구성, 복잡성 감소 및 코드 확장성 향상과 같은 리팩토링 작업을 자동화할 수 있습니다.
코드 리팩토링에 AI를 사용하면 시간과 노력이 줄어들 뿐만 아니라 코드 냄새를 식별하고 개발 프로세스 초기에 잠재적인 문제를 해결하는 데도 도움이 됩니다. 이렇게 하면 버그와 기술 부채의 위험이 줄어듭니다.
합성 데이터 생성
합성 데이터는 실제 데이터를 사용할 수 없거나 민감한 정보가 포함되어 있어 사용할 수 없는 경우에 유용합니다. 합성 데이터에는 개인 정보가 포함되어 있지 않으므로 규제 데이터 또는 기밀 데이터의 사용과 관련된 제약이 제거됩니다.
AI는 실제 사례와 매우 유사한 모든 종류의 합성 데이터를 생성하는 데 사용될 수 있습니다. AI는 실제 데이터로 재현하기 어려운 희귀하거나 극단적인 시나리오에 대한 합성 데이터도 생성할 수 있습니다. 이는 비정상적인 조건에서 소프트웨어의 탄력성을 테스트하는 데 사용할 수 있습니다.
AI는 또한 실제 데이터세트를 강화하고 클래스 분포의 균형을 맞추고 변형을 도입하는 데 사용할 수 있는 합성 데이터를 생성하는 데 도움이 될 수 있습니다.
하지만 AI는 마법의 물약이 아니다.
AI는 특히 지난 몇 년 동안 코딩 능력에서 눈에 띄는 발전을 이루었습니다. AI 비서는 일상적이고 사소한 작업을 자동화하는 데 능숙해졌지만 비판적 사고가 필요한 작업에서는 실수를 저지릅니다. 그들은 소프트웨어의 기본 원리와 개념을 이해할 수 없습니다. 새로운 프레임워크와 패러다임을 따라잡는 데 어려움을 겪습니다. 실제 시나리오를 완전히 파악하지 못합니다.
다음은 AI 비서가 신뢰할 수 없는 네 가지 사례이며, 따라서 프로젝트를 위해 앱 개발자를 고용해야 하는 이유입니다.
복잡한 소프트웨어 시스템 설계
AI 시스템에는 복잡한 프로세스를 설계하고 구현하는 데 필요한 이해 수준이 부족합니다. 격리된 상태에서는 충분히 복잡한 기능을 만들 수 있지만 이를 통합하고 다른 코드와의 종속성을 고려해야 할 때는 불안정합니다.
직관적인 사용자 요구 이해
사용자 요구와 선호도를 이해하고 개념화하려면 인간 행동과 감정에 대한 공감, 맥락, 인식이 필요합니다. 이는 AI 도구에는 부족한 특성입니다. 정서적 맥락, 주관성, 직관적인 사용자 요구의 미묘한 측면을 이해하는 데 있어서 AI 시스템의 이러한 한계로 인해 인간 전문가에 비해 역량이 떨어집니다.
레거시 코드베이스 처리
AI 도구는 오래되고 종종 구식인 레거시 코드베이스를 완전히 해결하는 데 어려움을 겪습니다. 이러한 코드베이스에는 일반적으로 충분한 테스트 범위와 문서가 부족하여 AI 도구의 효율성을 방해합니다.
새로운 프레임워크 및 패러다임으로 작업하기
데이터는 AI 모델의 빵과 버터입니다. 상대적으로 새로운 프레임워크와 패러다임의 경우 AI 시스템을 교육하는 데 충분한 데이터를 사용할 수 없습니다. 이로 인해 신뢰할 수 없고 심지어 위험해지기까지 합니다. 왜냐하면 그들은 무지를 인정하는 대신 높은 확신을 가지고 잘못된 대답을 할 것이기 때문입니다. 이러한 환각 경향은 가장 신중한 사람이라도 쉽게 오해할 수 있습니다.
관련 게시물: 날짜 입력 프로세스 개선을 위해 AI와 ML을 사용하는 이유
최종 테이크아웃
AI는 지난 몇 년 동안 프로그래밍 및 소프트웨어 개발 분야에서 큰 발전을 이루었습니다. AI 시스템은 프로그래밍을 더욱 효율적이고 간소화했습니다. 이는 소프트웨어 개발의 다양한 측면에도 영향을 미쳤습니다. 그러나 그것들은 단지 도구일 뿐입니다! AI에는 작업을 지시하고 감독하며 결과의 품질을 판단할 인간이 필요합니다.
그들이 뛰어난 작업을 수행하더라도 인간의 감독이 필요합니다. 그리고 다른 사람들에게는 단순히 실패합니다. 인간의 의견과 전문 지식은 소프트웨어 개발에 여전히 필수 불가결하며, 이것이 바로 웹 앱 개발 회사가 계속해서 중요한 역할을 하는 이유입니다.