생성형 AI 로우코드가 앱 개발을 어떻게 변화시킬까?

로우코드가 지속될 것이라는 점을 이제 알게 되었으므로 문제는 조직이 다음 장을 위해 어떻게 준비하고 있는지 하는 것입니다. 지난 몇 년 동안 App Builder와 같은 로우코드 도구는 앱 빌드의 다양한 문제점을 해결해 왔으며, C 수준의 경영진과 개발 팀 리더가 출시까지의 시간을 단축하고, 설계에서 코드까지의 앱 개발을 자동화하고, 개발 생산성을 최적화할 수 있도록 했습니다. 하지만 생성형 AI 로우코드의 등장으로 상황이 다시 변하고 있으며, 이는 로우코드 앱 개발의 경계를 훨씬 더 확장하고 있습니다.

생성형 AI란 무엇인가요?

일반적으로 생성형 AI는 예측 AI 및 규범 AI와 함께 중추적인 힘으로 부상한 인공지능의 한 부분입니다. 예측 AI가 미래를 예측하고 규범 AI가 정보에 입각한 의사 결정을 이끌어내는 반면, 생성형 AI는 모든 유형의 콘텐츠를 생성하는 것에 관련된 것입니다. 예를 들어 ChatGPT를 생각해 보세요. 이것은 트랜스포머 신경망과 딥러닝으로 구동되며 사용자가 제공하는 자연어 프롬프트를 기반으로 인간과 유사한 콘텐츠를 제공합니다.

본질적으로 생성형 AI는 다음과 같은 기법에 의존합니다:

• 트랜스포머 모델

• 대형 언어 모델(LLM)

• 확산 모델

• 머신러닝 모델

생성형 AI는 제품 설계 및 개발을 혁신합니다. 로우코드와 결합하면 조직과 해당 팀이 더 빠르고 효율적으로 작업할 수 있습니다. 새로운 개념인 생성형 AI 로우코드를 정의하면 이러한 도구는 문맥(데이터 및 매개변수)을 제공받고 몇 분 만에 코드를 생성할 수 있습니다.

인간-기계 협업을 활용하여 새로운 생성형 AI 로우코드 모델의 이점을 누리면서 사람들은 도구를 학습하도록 권장됩니다.

생성형 AI 로우코드란 무엇인가요?

생성형 AI 로우코드는 로우코드 도구가 기술적 유창함을 시뮬레이션하기 위해 AI(App Builder AI와 같은)의 원칙과 기능을 통합할 때입니다. 다중 모달 입력 및 출력을 관리하면서 생성형 AI는 텍스트 처리, 이미지 생성 등을 결합하는 워크플로의 생성을 단순화하며, 이 모든 것이 로우코드 플랫폼 내에서 발생합니다.

생성형 AI 로우코드 기술이 성숙해짐에 따라 사용자 의도와 소프트웨어 동작 간의 격차가 줄어들며, 주요 목표는 더욱 많은 앱 개발 프로세스를 더 빠르게 자동화하는 것입니다. 새로운 AI + 로우코드 패러다임의 부작용 중 일부는 다음과 같습니다:

• 협업 개선 및 개발 프로세스에 참여할 수 있는 시민 개발자를 포함한 더 광범위한 사용자 권한 부여.

• 더 빠른 프로토타이핑 및 반복으로, 광범위한 코드를 작성하지 않고도 구성 요소, 사용자 인터페이스, 목업, 확장 가능한 POC 또는 MVP 등을 구축합니다.

• 데이터 입력, API 통합, 이미지 생성과 같은 어렵거나 반복적인 작업을 일반 언어 프롬프트로부터 간소화할 수 있는 능력.

비즈니스 및 앱 개발에서의 생성형 AI 로우코드

야심 찬 목표를 가진 이 기술은 미션 크리티컬 앱의 구축 및 현대화부터 사기 탐지 및 고객 서비스 개선과 같은 더 구체적인 작업에 이르기까지 다양한 시나리오에 적용되어 왔습니다. 하지만 관리진이 새로운 프로젝트에 생성형 AI 로우코드를 통합하기로 결정할 때마다 그들의 초점은 비즈니스 결과와 가치로 이동합니다. 이는 조직과 팀이 자신에게 다음과 같은 질문을 재평가하고 자문하게 합니다:

• 높은 비즈니스 가치를 가지고 있습니까?

• 수익을 창출할 비즈니스 결과는 무엇입니까?

• 평가해야 할 위험과 단점이 있습니까?

• 이것은 중요한 문제점을 해결하거나 높은 우선순위의 필요를 충족하고 있습니까?

• 이것이 장기 목표와 어떻게 부합합니까?

이 논의는 비즈니스 관행에 생성형 AI를 구현하고 이미 확립된 로우코드 프로세스에 대해 중심을 맞춥니다. 하지만 AI는 새로운 개념이 아닙니다. 더 정확히는 새로운 접근 방식입니다. CTO, CIO 및 개발 팀 리더는 일반적인 그리고 이미 결정된 워크플로에 맞는 생성형 AI 기능을 활용함으로써 더 많은 사람들의 잠재력을 해제할 수 있습니다.

Gartner에 따르면, “2026년까지 2023년의 5% 미만에서 80% 이상의 기업이 생성형 인공지능(GenAI) 응용 프로그래밍 인터페이스(API) 또는 모델을 사용했거나 생성형 AI 지원 애플리케이션을 프로덕션 환경에 배포했을 것입니다.”

ISTA 컨퍼런스에서 Infragistics의 개발 도구 담당 시니어 부사장인 Jason Beres는 선도 기업들이 “모델을 개선하고 미세 조정하며, 자신들을 위해 더 나은 것으로 만들기 위해 엣지에 새로운 혁신 도구를 추가하고 있으며, 코드 생성, 단위 테스트 빌드, 데이터 소스 생성 등을 할 때 AI를 사용하여 매달 최대 3% 정도의 생산성 향상을 보고 있습니다”라고 지적했습니다.

증가는 이러한 도구가 개발자를 대체하기 때문이 아니라 팀이 자신의 업무를 더 잘 수행하도록 도와주기 때문입니다.

C 수준 경영진을 위한 유용한 글:

로우코드 도구로 개발자 생산성을 어떻게 개선할까?

비즈니스가 생성형 AI를 활용하여 비즈니스 가치를 제공하는 방법

AI 강화 소프트웨어 개발은 개발 팀이 프로젝트와 작업을 관리하는 방식을 혁신하고 있으며 개발자 생산성과 개발자 만족도를 높이고 있습니다. Jason Beres는 다시 “개발자들이 일하고 있는 책상에 걸어가는 것이 싫습니다. 그들이 콘솔 윈도우와 메모장 및 다른 도구에서 모든 코드를 작성하는 것을 봅니다. 우리가 이 모든 것을 계속 해야 하는 이유는 무엇입니까? 그리고 그것이 AI가 정말로 도움이 될 수 있는 곳입니다”라고 언급합니다.

이는 개발 경험을 개선하고 업무 효율을 높이는 것을 목표로 합니다. 예를 들어 GitHub는 GitHub Copilot의 개발자 생산성과 행복도에 미친 영향을 정량화하려고 시도했습니다. 그리고 그들이 강조한 것은 다음과 같습니다.

(출처: GitHub 블로그)

유사한 도구의 효과를 나타내는 지표로 사용하면, 생성형 AI가 단순히 엔지니어링 모범 사례를 혁신하고 비즈니스 가치를 구축하고 유지하는 것을 훨씬 더 빠르고 간단하게 만든다는 것을 보여줍니다. 생성형 AI는 또한 로우코드 소프트웨어 분야를 발전시킵니다.

의심할 여지 없이 Gartner의 Distinguished VP Analyst인 Arun Chandrasekaran은 “생성형 AI는 C-suite의 최우선 순위가 되었으며 기반 모델을 넘어선 새로운 도구의 혁신을 촉발했습니다”라고 주석을 달고 있습니다. “의료, 생명 과학, 법률, 금융 서비스 및 공공 부문과 같은 많은 산업에서 생성형 AI에 대한 수요가 증가하고 있습니다.”

생성형 AI의 과제와 고려 사항

생성형 AI 로우코드가 프로세스를 혁신하는 혁신적인 기술로 작동하는 많은 사용 사례가 있지만, 사람들은 제한과 위험이 있다는 것을 여전히 이해해야 합니다. 여기 막대한 잠재력에도 불구하고 해결해야 할 AI 로우코드 개발의 과제 중 일부가 있습니다:

• 견고한 거버넌스: 앱 개발의 맥락에서 AI로 생성된 코드의 대량을 이해, 테스트 및 유지하여 품질과 규정 준수를 보장해야 합니다.

• 보안 위험: 생성형 AI 로우코드 개발이 정확성을 향상시키지만 민감한 데이터 노출 또는 나쁜 코드 생성과 같은 취약점을 야기하지 않도록 보장합니다.

• 개발 기술 “약화”: 생성형 AI 로우코드에 대한 과도한 의존은 잠재적으로 문제 해결 또는 디버깅과 같은 기본 기술을 제한할 수 있습니다.

• 비용 함의: 생성형 AI 소프트웨어 개발 채택에 따른 추가 비용 증가와 예상 이점 비교.

• 직무 이동: 재교육 및 훈련이 필요할 수 있습니다.

• 통합 제한: 레거시 시스템 또는 외부 API가 생성형 AI 로우코드와 호환되지 않을 수 있습니다.

C 수준 경영진을 위한 유용한 글:

가이드: 로우코드 과제 제거 및 위험 완화

생성형 AI 로우코드의 미래에 어떻게 대비해야 할까요?

로우코드와 AI의 상승은 처음에는 많은 전통적인 앱 개발 모델에 도전했기 때문에 혼란을 가져왔습니다. 이 프로세스는 소프트웨어 생성을 민주화했으며 기업들이 기술과 혁신을 어떻게 처리하는지, 그리고 회사 내에서 어떤 문화를 배양하는지에 대해 다시 생각해야 한다고 주장했습니다. AI와 로우코드가 계속 빠르게 진화하면서 회사들이 앞으로 올 일에 대비하기 위해 재고찰하고 “개신”해야 할 것들은 다음과 같습니다.

생성형 AI 로우코드가 할 수 있는 것에 대한 기대 조정

생성형 AI 로우코드는 일체형이 아닙니다. 계속 진화하고 있습니다. 그렇기 때문에 경영진은 기회와 위험에 대해 실용적이어야 합니다. 기계에 할당될 구체적인 작업을 정의합니다.

AI를 위한 무대 준비

AI 거버넌스, 데이터 관리, 인재 확보, 기술 인프라 및 윤리적 고려 사항과 같은 기둥을 다루는 로드맵 작성 및 생성형 AI 로우코드 전략으로 작업합니다.

실험에 열린 마음

엄격한 전통적인 개발 주기를 제거하고, 적용 가능할 때 민첩한 워크플로로 전환하고, 새로운 접근 방식과 도구를 시도하고, 유연성을 향해 작업하는 것이 중요합니다.

지속적인 기술 개발 생각

교육 기회에 투자하고 기술 개발 이니셔티브를 위한 예산을 계획합니다. 이렇게 하면 C 수준의 경영진은 IT 역할의 변화를 관리할 수 있습니다. 생성형 AI는 로우코드 개발에 새로운 유형의 인력을 부과하기 때문입니다.

AI 및 로우코드 기회를 미리 식별

이는 비즈니스 프로세스 분석, 산업 벤치마크 검토, 모든 이해 관계자와의 협업으로 AI가 관리할 수 있는 문제점을 파악하고, 실행 가능성 연구 수행을 포함합니다.

신흥 기술을 기존 전략과 연결

IDEA 프레임워크를 고려합니다(식별, 결정, 추론 및 예상). 정기적으로 사용하면 이 접근 방식은 리더와 C 수준의 경영진이 환경을 평가하고, 프로세스 내의 격차를 발견하고 제거하고, 미래를 계획하는 데 도움이 됩니다.

결론 + 글 핵심 사항

우리는 기계와 인간의 힘이 함께 존재하여 프로세스와 사고방식을 재정의하는 앱 개발의 중요한 전환 시대에 있다고 안전하게 말할 수 있습니다. 우리는 AI의 독립적인 상승을 봤지만 이제 로우코드와 수렴되어 혁신을 따라가고 싶어 하는 기업과 팀을 위한 완전히 새로운 패러다임을 도입합니다. 하지만 이 두 가지 기술 기둥은 이제 함께 작동합니다. 생성형 AI가 로우코드 개발에 미치는 영향은 앱이 어떻게 구축되는지, 누가 이를 구축할 수 있는지, 그리고 얼마나 빨리 발생할 수 있는지를 변화시킵니다.

업계가 앞으로 나아가면서 기업은 이러한 도구의 힘을 가장 효율적이고 책임감 있는 방식으로 활용하는 방법을 배워야 합니다. 핵심은 이점을 활용할 뿐만 아니라 거버넌스, 보안 및 기술 개발 주변의 과제를 해결하는 것입니다. 이는 비즈니스 가치, 적절한 프로세스 최적화 및 성장을 가져올 것입니다.

로우코드

app builder generative ai low code low code low code development