AI 코드 오류 방지하는 '사전 관찰 가능성' 기술 등장

소프트웨어 엔지니어링 분야에서 AI 코드 생성이 증가하면서 코드의 안정성을 높이기 위한 노력이 주목받고 있다. 이러한 흐름 속에서 프리프로덕션 관찰 가능성(Pre-production Observability) 데이터 분석을 전문으로 하는 기업 Digma가 ‘사전 관찰 가능성 분석(POA, Preemptive Observability Analysis)’ 엔진을 출시했다.

AI 코드 생성과 오류 문제

AI 기반 코드 생성 도구가 점점 보편화되는 가운데, 개발자가 AI 코드 생성기를 활용할수록 버그 발생 가능성이 높아진다는 연구 결과가 나왔다. 2023년 스탠퍼드 대학 연구에 따르면 AI 코딩 도우미를 사용하는 개발자가 더 많은 오류를 유발할 가능성이 큰 것으로 드러났다.

그러나 이러한 리스크에도 불구하고 구글과 같은 IT 대기업은 AI 코드 생성에 적극적으로 의존하는 추세다. 현재 구글에서 개발되는 신규 코드의 약 25%가 AI에 의해 만들어지고 있다.

코드 문제 사전 방지, Digma의 접근법

Digma의 CEO 니르 샤프리(Nir Shafrir)는 많은 기업들이 소프트웨어 성능 최적화에 집중하고 있지만, 여전히 제품 출시 이후에 주요 문제들이 발견되는 경우가 많다고 지적했다. 기업들은 서비스 확장을 예측하며 시스템을 설계하지만, 많은 경우 이러한 예측이 현실적으로 적용되지 않아 개발팀의 20~40%의 시간을 문제 해결에 쏟고 있다. 심지어 일부 기업의 경우 엔지니어링 리소스의 50%를 여기에 투입해야 하는 상황도 발생한다.

이러한 문제를 사전에 방지할 수 있는 Digma의 새로운 엔진은 AI가 생성한 코드뿐만 아니라 인간이 작성한 코드의 일반적인 문제점도 분석한다. 그 결과, 서비스 수준 계약(SLA) 위반이나 성능 저하로 이어질 수 있는 오류를 미리 파악하고 해결할 수 있다.

특히 금융 기술, 전자상거래, 소매업 등 대규모 트랜잭션이 발생하는 산업에서 이러한 사전 대응이 필수적일 것으로 보인다.

AI 및 지속적 관찰 기술 활용

Digma의 엔진은 패턴 매칭(pattern matching) 과 이상 탐지(anomaly detection) 기술을 활용해 데이터를 분석한다. 이를 통해 응용 프로그램의 응답 시간과 리소스 사용량을 예측하고 잠재적 문제를 사전에 발견할 수 있다.
또한, 트레이싱 데이터 분석을 통해 코드의 특정 문제 지점을 식별하여 개발자에게 직접적인 해결책을 제시한다.

이러한 방식은 기존의 애플리케이션 성능 모니터링(APM) 도구와 차별화된다. 일반적인 APM 도구는 운영 환경에서 서비스 오류를 감지하는 기능에 집중하는 반면, Digma의 사전 관찰 가능성 분석 기술은 개발 과정에서부터 확장성과 성능 문제를 인지하는 데 초점을 맞춘다. 또한, 클라우드 서비스 비용을 효과적으로 절감할 수 있다는 점도 강점으로 작용한다.

6백만 달러 투자 유치, 기대되는 기술 발전

Digma는 최근 6백만 달러(약 80억 원)의 초기 투자 유치를 성공적으로 마쳤다. 이는 기업들이 해당 기술에 대한 신뢰를 보여주는 사례로 볼 수 있다.

Digma의 CTO 로니 도버(Roni Dover)는 "우리의 사전 관찰 가능성 분석 엔진은 실시간 실행 환경을 분석하여 다양한 문제에 대한 수정안을 제시하는 점에서 차별점을 지닌다"며, "이를 통해 기업들이 위험 요인을 미리 방지할 수 있다"고 강조했다.

이와 같은 새로운 코드 관리 접근법은 AI가 생성한 코드와 인간이 작성한 코드가 혼합되어 있는 현재 개발 환경에서 특히 중요한 역할을 할 것으로 보인다. AI 코드 생성이 더욱 활성화될수록, 이를 제대로 관리하고 오류를 줄이는 기술의 필요성이 더욱 커질 것이기 때문이다.

사전 관찰 가능성 분석이 점차 표준화된다면, 기업들은 코드의 안정성을 확보하면서도 개발 효율성을 높일 수 있을 것이다. 앞으로 이 기술이 실제 현장에서 얼마나 효과적으로 활용될 수 있을지 기대된다.