넘버스
넘버스
또한 이 발언은 경영진 사이에서 생성형 인공지능 코딩 환경이 현실적으로 어떤 모습일지에 대해 진지한 대화를 끌어냈다.
가먼의 녹음된 발언은 이후 아마존에 의해 확인되었으며, 비즈니스 인사이더가 처음 보도했다.
가먼은 “지금부터 24개월 후 또는 어느 정도 시간이 지나면 -정확히 예측할 수는 없지만- 대부분의 개발자가 코딩을 하지 않을 가능성이 있다”라고 말했다. “우리 각자가 고객이 필요로 하는 것이 무엇인지, 그리고 우리가 실제로 구축하려고 하는 것이 무엇인지에 대해 더 잘 파악해야 한다. 실제로 앉아서 코드를 짜는 것을 넘어 점점 더 많은 일을 하게 될 것이기 때문이다.”
달라진 세상
그러나 인간 프로그래머가 생성한 코드를 관리하는 것과 생성형 AI가 생성한 코드를 관리하는 것은 크게 다를 것이다. SaaS 기업 쿼리팔(QueryPal)의 CEO 데브 내그는 생성형 AI 코딩 작업을 해본 결과, 많은 기업 IT 경영진이 준비가 되어 있지 않다고 말했다.내그는 “AI는 마치 다른 행성에서 온 외계인처럼 수많은 이상한 실수를 저질렀다. 인간 개발자가 하지 않는 방식으로 코드가 잘못 작동한다. 마치 사람처럼 생각하지 않고 이상한 방향으로 가는 외계 지능과도 같다”라고 표현헀다.
내그의 더 큰 우려는 생성형 AI 코딩 메커니즘이 어느 정도는 규칙을 따르겠지만, 규칙을 우회하는 방법을 창의적으로 찾아낼 것이라는 점이다. “AI는 병적으로 시스템을 조작하는 방법을 찾아낼 것이다.”
인간은 여전히 필수
또 다른 프로그래밍 전문가인 애플리케이션 개발 회사 플릿 스튜디오(Fleet Studio)의 CEO 베니 물라는 생성형 AI의 환각이 큰 문제라고 말했다.물라에 따르면 환각이 가득한 소프트웨어에 실행 파일을 직접 제어할 수 있는 권한을 부여해서는 안 되며, 이것이 바로 소프트웨어 엔지니어의 역할이 여전히 중요한 이유다. 환각에 취약한 AI 시스템이 코드 생성이나 의사 결정에 관여할 때, 인간 엔지니어가 이러한 결과물을 검증, 테스트, 모니터링한 후 실행 가능한 프로세스와 상호 작용하거나 제어하도록 허용하는 것이 필수적이라고 말했다.
또한 “엔지니어는 자동화된 테스트, 코드 리뷰, 안전 프로토콜과 같은 엄격한 견제와 균형을 구현해 AI로 인해 발생할 수 있는 잠재적 오류를 포착하고 수정할 책임이 있다. 소프트웨어가 중요한 시스템을 직접 제어하는 고위험 환경에서는 AI의 결과물이 신뢰할 수 있고 안전한지 확인하기 위해 사람의 감독이 핵심적이다. 이러한 안전장치가 없다면 적절한 검증 없이 AI 생성형 소프트웨어를 배포할 경우 치명적인 장애로 이어질 수 있기 때문에 소프트웨어 엔지니어가 개발 및 배포 과정에 적극적으로 참여해야 한다”라고 말했다.
생성형 AI 중심 프로그래밍에는 거의 모든 인간 개발자의 머릿속에 있는 공유 코딩 컨텍스트도 부족하다. 내그는 “공유된 조직적 맥락이 없기 때문에 훨씬 더 많은 오버헤드가 필요하다. 우리는 모든 것을 명시하고 언급하는 데 익숙하지 않다"라고 말하며 컨텍스트 관련 문제가 ‘생성형 AI 코딩에서는 100배로 확대될 것’이라고 예상했다.
새로운 테스트 요구 사항
코딩 감독에서 중요한 부분은 테스트이지만, 내그는 기업이 테스트에 대한 완전히 새로운 접근 방식을 만들어야 한다고 강조한다. 오늘날 대부분의 기업 프로그래밍 팀은 자체 개발 앱을 만드는 것을 신뢰한다. 물론 앱의 기능을 테스트하겠지만, 오늘날에는 백도어나 기타 문제가 되는 요소를 찾기 위한 엄격한 라인별 검사를 포기하는 경우가 많다.내그는 생성형 AI 코딩 환경에서는 “테스트 프로세스가 크게 바뀌어야 하며, 단순한 기능 테스트에서 모든 앱을 자동화된 침투 테스트를 거치는 등 모든 것을 훨씬 더 심층적으로 자동화해야 한다”라고 조언했다.
생성형 AI의 한계
기업 개발 관리자가 받아들여야 할 또 다른 변화는 AI가 프로그래밍 보조 역할을 하는 소규모 코딩 프로젝트에서 생성형 AI에 훨씬 더 많은 코딩 권한을 부여하는 것은 엄청난 도약이라는 점이다.내그는 “AI는 많은 대학 문제 세트를 해결하고 중소 규모의 코드 생성 스니펫을 처리할 수 있지만 복잡한 로직, 대규모 코드 기반, 특히 학습 데이터에 선례가 없는 새로운 문제에는 여전히 어려움을 겪고 있다. 착각과 오류는 여전히 전문가의 엔지니어링 감독과 수정이 필요한 중요한 문제"라고 지적했다. “이러한 도구는 엔지니어링의 대부분을 차지하는 대규모 애플리케이션을 반복하는 것보다 처음부터 빠르게 프로토타입을 제작하는 데 훨씬 더 효과적이다. 대규모 애플리케이션을 구동하는 컨텍스트의 대부분은 실제로 코드 베이스에 전혀 존재하지 않는다.”
여러 권의 AI 프로그래밍 책을 저술한 톰 타울리도 생성형 AI 코딩을 위한 노력이 대부분의 기업을 놀라게 할 것이라는 데 동의했다.
타울리는 “이러한 도구는 기존의 워크플로, 접근 방식, 사고방식의 변화를 의미할 것이다. 사전 교육이 되어 있기 때문에 최신 프레임워크와 라이브러리로 업데이트되지 않는 경우가 많다는 점을 고려해야 한다. 또 다른 문제는 컨텍스트 창이다. 코드 베이스는 방대할 수 있다. 하지만 아무리 정교한 LLM이라도 프롬프트의 방대한 양의 코드 파일을 처리할 수는 없다"라고 말했다. “이러한 도구는 대부분 공개 코드 리포지토리에서 학습된 것이다. 하지만 COBOL과 같이 훈련 데이터 세트에 매우 중요하고 매우 드문 레거시 코드가 많이 있다.”
타울리는 자신의 생성형 AI 코딩 작업에서 비정상적인 코딩 행동을 많이 목격했다고 말했다. 또한 다양한 생성형 AI 코딩 과제에 대해 발표된 보고서를 언급했다.
타울리는 “예를 들어, LLM에게 코드 작성을 요청하면 원하는 작업을 수행하기 위해 프레임워크나 가상의 라이브러리 또는 모듈을 구성하는 경우가 있다”라고 설명하며 LLM이 새로운 프레임워크를 만든 것이 아니라 마치 자신이 만든 것처럼 가장하지만 실제로는 만들지 않았다고 말했다.
타울리는 “인간 프로그래머가 미친 것이 아니라면, 가상의 라이브러리나 모듈을 만들어내거나 허공에서 만들어내지는 않을 것”이라고 덧붙이며 LLM 코딩은 거의 모든 인간 프로그래머가 고려조차 하지 않는 종류의 작업을 수행한다고 말했다.
이런 일이 발생할 때 누군가 찾아보면 쉽게 발견할 수 있다. 타울리는 “직접 설치하려고 하면 아무것도 없다는 것을 알 수 있다. 이 경우 IDE와 컴파일러에서 오류가 발생한다"라고 말했다.
코더의 새로운 역할
내그는 그 과정에서 많은 고통스러운 변화를 초래하더라도 AI를 움직이게 하려면 기업 프로그래밍의 노력이 필요하다는 점에서 가먼의 말이 옳다고 생각한다. 결국에는 기업의 개발 노력이 변화를 위해 더 나아질 것이다.내그는 “[코더의] 역할은 특정 구문을 만들거나 오류 코드를 디버깅하는 것만큼이나 더 큰 맥락과 비즈니스 목표를 이해하는 것이다. 디지털 사진의 부상은 사진 직업을 파괴하지 않았다. 사진을 대중화했고 모바일 필터와 보정 같은 새로운 전문 분야에 대한 폭발적인 수요를 창출했다."라고 말했다. “스프레드시트가 등장했다고 회계사가 쓸모 없어지지는 않았다. 오히려 재무 분석, 전략 및 더 복잡한 코너 케이스에 집중할 수 있게 되었다. 소프트웨어 엔지니어링 분야의 AI도 마찬가지로 애플리케이션 개발을 민주화하는 동시에 프롬프트 엔지니어링, AI 지원 개발과 관련된 새로운 역할을 창출하고 소프트웨어로 할 수 있는 일의 범위를 확장할 것이다.”
보안도 문제
또 다른 코딩 전문가인 SaaS 업체 리빙 시큐리티의 CEO 애슐리 로즈는 더 많은 코딩 영향력이 생성형 AI로 넘어갈 경우 보안에 대한 우려도 있다고 말했다.로즈는 “인터넷 인프라가 어떻게 발전해왔는지 생각해 보자. 원래는 탈중앙화되도록 설계되었지만 시간이 지남에 따라 주요 서비스가 클라우드플레어나 AWS 같은 주요 서비스 업체에 집중되었다. 이러한 중앙 집중화로 인해 한 공급업체의 중단이나 공격이 파급되어 웹의 많은 부분에 영향을 미칠 수 있는 새로운 취약점이 생겼다"라고 말했다.
코딩 부문에서 AI도 마찬가지다. 점점 더 많은 기업이 개발 프로세스에 AI 모델을 통합함에 따라 이러한 모델은 공격자에게 높은 가치의 표적이 될 수 있다. 손상된 모델은 표준 보안 검사를 통과하는 숨겨진 취약점을 유발한다. 로즈는 “이러한 모델이 광범위하게 사용된다는 점을 고려할 때 그 영향은 치명적일 수 있으며, 여러 기업에서 수천 개의 애플리케이션에 영향을 미칠 위험이 있다”라고 경고했다.
editor@itworld.co.kr
Tags
Sponsored
Seagate
“작지만 큰 영향력” 하드 드라이브의 나노 스케일 혁신
ⓒ Seagate 플래터당 3TB라는 전례 없는 드라이브 집적도를 자랑하는 새로운 하드 드라이브 플랫폼이 등장하며 디지털 시대의 새로운 이정표를 세웠다. 플래터당 3TB를 저장할 수 있다는 것은 동일한 면적에서 스토리지 용량을 기존 드라이브 대비 거의 두 배로 늘릴 수 있다는 것을 의미한다. 이러한 혁신은 데이터 스토리지의 미래와 데이터센터의 디지털 인프라에 괄목할 만한 영향을 미친다. AI의 발전과 함께 데이터의 가치가 그 어느 때보다 높아졌다. IDC에 따르면 2027년에는 전 세계에서 총 291ZB의 데이터가 생성될 것으로 예측되며, 이는 스토리지 제조 용량의 15배 이상일 것으로 보인다. 대부분의 데이터를 호스팅하는 대형 데이터 센터에 저장된 데이터 중 90%가 하드 드라이브에 저장된다. 즉, AI 애플리케이션의 주도로 데이터가 급증함에 따라 물리적 공간을 늘리지 않으면서도 데이터를 저장할 수 있는 스토리지 기술 혁신이 필요하다. 데이터 스토리지 인프라를 업그레이드하는 것은 단순히 기술적인 문제가 아니라 지금 시대가 직면한 규모, 총소유비용(TCO), 지속가능성이라는 과제에 대한 논리적 해답인 셈이다. 열 보조 자기 기록(HAMR) 기술은 선구적인 하드 드라이브 기술로 드라이브 집적도 향상을 위해 지난 20년 동안 수많은 연구를 거쳐 완성되어 왔다. 씨게이트 모자이크 3+ 플랫폼은 이러한 HAMR 기술을 씨게이트만의 방식으로 독특하게 구현한 것으로, 미디어(매체)부터 쓰기, 읽기 및 컨트롤러에 이르는 복잡한 나노 스케일 기록 기술과 혁신적인 재료 과학 역량을 집약한 결정체다. 이 플랫폼은 데이터 비트를 변환하고 자기 및 열 안정성을 유지하면서 더욱 촘촘하게 패킹해서 각 플래터에 훨씬 더 많은 데이터를 안정적이고 효율적으로 저장할 수 있다. 예를 들어, 기존 데이터센터에 있는 16TB 드라이브를 30TB 드라이브로 업그레이드하면 동일한 면적에서 스토리지 용량을 두 배로 늘릴 수 있다. 더 낮은 용량에서 업그레이드한다면 상승 폭은 더욱 커진다. 이 경우, 테라바이트당 전력 소비량이 40% 감소하는 등 스토리지 총소유비용(TCO)이 크게 개선된다. 또한 효율적인 자원 할당과 재활용 재료 사용으로 운영 비용을 절감하고 테라바이트당 탄소 배출량을 55% 감소시켜 데이터센터가 지속 가능성 목표를 달성할 수 있다. 드라이브 집적도 향상은 하이퍼스케일과 프라이빗 데이터센터의 판도를 바꿀 수 있다. 데이터센터가 급증하며 전력사용량과 탄소배출량 역시 늘어나 데이터센터의 지속가능성이 화두가 되고 있는 가운데, 과학기술정보통신부는 ‘탄소중립 기술혁신 추진전략-10대 핵심기술 개발방향’에서 2030년까지 데이터센터 전력소모량을 20% 절감하겠다고 밝힌 바 있다. 이러한 목표에 발맞춰, 집적도를 획기적으로 개선한 대용량 데이터 스토리지를 활용하는 것은 원활하고 지속적인 AI 모델 학습, 혁신 촉진 및 비즈니스 성공을 위해 필수적이다. 엔터프라이즈 데이터센터의 경우 제한된 공간, 전력, 예산에 맞춰 확장할 수 있는 지속 가능한 방법을 찾아야 한다. 하드 드라이브의 집적도 혁신은 점점 더 커져가는 클라우드 생태계와 AI 시대에 대응하는 해답이자, 동일한 공간에 더 많은 엑사바이트를 저장하면서도 자원 사용은 줄이도록 인프라를 확장할 수 있는 방법이다. 이는 글로벌 데이터 영역에서 경쟁력을 유지하고 글로벌 디지털 경제의 선두주자로서 입지를 강화하는 데 매우 중요하다.
Seagate
'반박 불가' 하드 드라이브와 SSD에 관한 3가지 진실
ⓒ Getty Images Bank 하드 드라이브가 멸종할 것이라는 논쟁이 10년 넘게 계속되고 있다. 빠른 속도와 뛰어난 성능이 필요한 애플리케이션에 적합한 플래시 스토리지의 연매출이 증가하고 있는 것은 자명한 사실이다. 하지만, 클라우드의 보편화 및 AI 사용 사례의 등장으로 인해 방대한 데이터 세트의 가치가 높아지는 시대에 하드 드라이브는 플래시 스토리지로 대체할 수 없는 가치를 가지고 있다. 전 세계 엑사바이트(EB) 규모 데이터의 대부분을 저장하는 하드 드라이브는 데이터센터에서 그 어느 때보다 필수적이다. 전 세계 데이터 세트의 대부분이 저장된 엔터프라이즈 및 대규모 클라우드 데이터센터는 데이터 성장에서 핵심이 될 것이다. 하드 드라이브와 SSD를 비교하자면, 하드 드라이브 스토리지는 2022년에서 2027년 사이 6,996EB 증가할 것으로 예상되는 반면, SSD는 1,363EB 증가할 것으로 보인다. ⓒ Seagate 생성형 AI 시대에는 콘텐츠를 경제적으로 저장해야 하기 때문에 플래시 기술과 밀접하게 결합된 컴퓨팅 클러스터는 더 큰 하드 드라이브 EB의 다운스트림 수요를 직간접적으로 촉진할 것이다. 하드 드라이브가 왜 데이터 스토리지 아키텍처의 중심이 될 수밖에 없는지는 시장 데이터를 근거로 설명 가능하다. 가격 책정 근거 없는 믿음 : SSD 가격이 곧 하드 드라이브 가격과 같아질 것이다. 사실 : SSD와 하드 드라이브 가격은 향후 10년간 어느 시점에도 수렴하지 않을 것이다. 데이터가 이를 명확하게 뒷받침한다. 하드 드라이브는 SSD에 비해 테라바이트당 비용 면에서 확고한 우위를 점하고 있으며, 이로 인해 하드 드라이브는 데이터센터 스토리지 인프라의 확고한 주춧돌 역할을 하고 있다. IDC 및 포워드 인사이트(Forward Insights)의 연구에 따르면, 하드 드라이브는 대부분의 기업 업무에 가장 비용 효율적인 옵션으로 유지될 것으로 전망된다. 엔터프라이즈 SSD와 엔터프라이즈 하드 드라이브의 TB당 가격 차이는 적어도 2027년까지 6대 1 이상의 프리미엄이 유지될 것으로 예상된다. ⓒ Seagate 이러한 TB당 가격 차이는 장치 구입 비용이 총소유비용(TCO)에서 가장 큰 비중을 차지하는 데이터센터에서 특히 두드러지게 드러난다. 장치 구입, 전력, 네트워킹, 컴퓨팅 비용을 포함한 모든 스토리지 시스템 비용을 고려하면 TB당 TCO는 하드 드라이브 기반 시스템이 훨씬 더 우수하게 나타난다. ⓒ Seagate 따라서, 플래시는 특정 고성능 작업의 수행에 탁월한 스토리지이지만, 하드 드라이브는 당분간 안정적이고 비용 효율적이며 널리 채택된 솔루션을 제공하는 데이터센터에서 계속해서 주류로 사용될 것이다. 공급과 확장의 관계 근거 없는 믿음 : NAND 공급이 모든 하드 드라이브 용량을 대체할 정도로 증가할 수 있다. 사실 : 하드 드라이브를 NAND로 완전히 교체하려면 감당할 수 없는 설비투자(CapEx)가 필요하다. NAND 산업이 모든 하드 드라이브 용량을 대체하기 위해 공급을 빠르게 늘릴 수 있다는 주장은 재정적, 물류적으로 엄청난 비용이 발생한다는 점을 간과한 낙관적인 생각이다. 산업 분석기관 욜 인텔리전스(Yole Intelligence)의 2023년 4분기 NAND 시장 모니터 리포트에 따르면, 전체 NAND 산업은 2015년~2023년 사이 3.1제타바이트(ZB)를 출하하면서 총 매출의 약 47%에 해당하는 2,080억 달러의 막대한 자본 지출을 투자해야 했다. 반면, 하드 드라이브 산업은 데이터센터 스토리지 수요의 거의 대부분을 매우 자본 효율적인 방식으로 해결하고 있다. 씨게이트가 2015년~2023년 사이 3.5ZB의 스토리지를 출하하며 투자한 자본은 총 43억 달러로, 전체 하드 드라이브 매출의 약 5%에 불과하다. 그러나 NAND 산업의 경우 ZB당 약 670억 달러에 해당하는 금액을 투자한 것으로 나타나 하드 드라이브가 데이터센터에 ZB를 공급하는 것이 훨씬 더 효율적임을 알 수 있다. ⓒ Seagate 작업 부하 근거 없는 믿음 : 올 플래시 어레이(AFA)만이 최신 엔터프라이즈 작업 부하의 성능 요구를 충족할 수 있다. 사실 : 엔터프라이즈 스토리지 아키텍처는 일반적으로 디스크 또는 하이브리드 어레이, 플래시, 테이프를 사용하여 특정 작업 부하의 비용, 용량, 성능 요구 사항에 최적화할 수 있도록 미디어 유형을 혼합한다. 기업이 플래시 없이는 최신 작업 부하의 성능 수요를 따라잡지 못할 위험이 있다는 주장은 다음과 같은 3가지 이유로 반박 가능하다. 첫째, 대부분의 최신 작업 부하에는 플래시가 제공하는 성능상의 이점이 필요하지 않다. 전 세계 데이터의 대부분은 클라우드와 대규모 데이터센터에 저장되어 있으며, 이러한 환경에서는 작업 부하 중 극히 일부에만 상당한 성능이 필요하다는 파레토 법칙을 따르고 있다. 둘째, 예산 제약이 있고 데이터 세트가 빠르게 증가하는 기업들은 성능뿐만 아니라 용량과 비용의 균형을 맞춰야 한다. 플래시 스토리지는 읽기 집약적인 시나리오에서는 탁월한 성능을 발휘하지만 쓰기 작업이 증가하면 내구성이 떨어져 오류 수정과 오버프로비저닝에 추가 비용이 발생한다. 또한, 대규모 데이터 세트나 장기 보존의 경우 영역 밀도가 증가하는 디스크 드라이브가 더 비용 효율적인 솔루션일 뿐만 아니라 수천 개의 하드 드라이브를 병렬로 활용하면 플래시를 보완하는 성능을 달성할 수 있다. 셋째, 수많은 하이브리드 스토리지 시스템은 다양한 미디어 유형의 강점을 단일 유닛에 원활하게 통합하고 최대한으로 활용할 수 있도록 세밀하게 조정된 소프트웨어 정의 아키텍처를 사용한다. 이러한 스토리지는 유연성을 제공하므로 기업은 지속적으로 변화하는 요구 사항에 따라 스토리지 구성을 조정할 수 있다. AFA와 SSD는 고성능의 읽기 집약적인 작업에 매우 적합하다. 하지만 하드 드라이브가 이미 훨씬 낮은 TCO로 제공하는 기능을 AFA로 불필요하게 비싼 방법으로 제공하는 것은 비용 효율적이지 않을 뿐만 아니라, AFA가 하드 드라이브를 대체할 수 있다고 주장하는 근거가 될 수 없다.
추천기사
