Enterprise AI Development: Obstacles & Opportunities

기업용 AI 개발자들, 전문성 부족이 최대 고민

모닝컨설트(Morning Consult)와 아이비엠(IBM)이 공동으로 진행한 '기업용 AI 개발: 장애물과 기회' 조사에 따르면, 기업용 AI 개발의 가장 큰 과제는 표준화된 AI 개발 프로세스의 부재(33%)인 것으로 나타났다. 이어서 데이터의 투명성과 추적성을 보장하는 윤리적이고 신뢰할 수 있는 생애주기 개발(33%), 커스터마이제이션(32%), 변화 속도 대응(31%)이 주요 과제로 지적됐다. 또한 인프라와 스택의 복잡성(29%), 거버넌스 및 규정 준수(28%), 기술과 경험 부족(26%), 비즈니스 목표와 결과의 불명확성(26%), 도구의 상호운용성(23%), LLM 품질(19%) 등도 기업용 AI 개발의 주요 장애 요인으로 조사됐다.

생성형 AI vs 고전적 AI, 개발자들의 전문성 격차 뚜렷

기업용 AI 개발자들의 전문성 수준에는 상당한 격차가 존재하는 것으로 나타났다. AI 개발자의 54%가 가장 높은 전문성을 보였고, 데이터 사이언티스트(51%), 소프트웨어 엔지니어(48%) 순으로 전문성을 보유했다. 반면 애플리케이션 개발자의 경우 단 24%만이 생성형 AI 분야에서 스스로를 '전문가'로 평가했다. 특히 주목할 만한 점은 개발자들이 고전적 AI(27%)보다 생성형 AI(44%)에서 더 높은 전문성을 보인다고 평가했다는 것이다.

AI 개발 프로젝트 단계별 소요 시간, 후반부로 갈수록 예측 어려워

AI 개발 프로젝트의 각 단계별 소요 시간을 살펴보면, 모델 커스터마이제이션과 평가/관찰 단계에서 평균 21시간으로 가장 많은 시간이 소요되는 것으로 나타났다. 오케스트레이션 및 통합에는 평균 19시간, 인프라 설정과 배포에는 각각 평균 18시간, 모델 선택과 프롬프트 엔지니어링에는 평균 17시간이 소요됐다. 특히 주목할 만한 점은 각 단계의 중간값이 11-14시간으로, 평균값과 상당한 차이를 보인다는 것이다. 이는 프로젝트의 복잡성에 따라 소요 시간의 편차가 크다는 것을 시사한다.

AI 개발 도구 활용 현황과 과제

기업용 AI 개발자들은 평균적으로 5-15개의 도구를 사용하고 있으며, 전체의 72%가 이 범위에 속했다. 개발자들이 중요하게 생각하는 도구의 특성으로는 성능(42%), 유연성(41%), 사용 편의성(40%), 기존 도구와의 통합성(36%)을 꼽았다. 그러나 이러한 특성들이 현재 가장 부족한 것으로 나타났다. 구체적으로는 성능(37%), 유연성(37%), 기존 도구와의 통합(37%), 사용 편의성(36%), 비용 효율성(36%), 문서화 품질(35%), 커뮤니티 지원 및 리소스(32%), 오픈소스(31%) 순으로 부족함을 느끼는 것으로 조사됐다.

AI 코딩 도구, 개발자 생산성 혁신의 핵심으로 부상

AI 코딩 도구의 활용도와 효과가 주목할 만한 수준으로 나타났다. 전체 개발자의 99%가 코딩 어시스턴트를 사용하고 있으며, 78%는 이를 자주 또는 매우 자주 사용한다고 응답했다. 특히 41%의 개발자들이 이러한 도구를 통해 하루 1-2시간의 시간을 절약하고 있다고 답했으며, 18%는 3-4시간, 4%는 4시간 이상을 절약한다고 응답했다. 노코드(59%), 로우코드(65%), 프로코드(73%) 도구들이 모두 활발히 활용되고 있는 것으로 조사됐다.

AI 에이전트의 현재와 미래

AI 에이전트 개발에 있어서는, 응답자의 99%가 현재 관련 프로젝트를 진행하거나 탐색 중이라고 답했다. 주요 적용 분야로는 고객 서비스 및 지원(50%), 프로젝트 관리/개인 비서(47%), 콘텐츠 제작(46%), HR(43%), 운송(32%), 헬스케어(28%) 순으로 나타났다. AI 에이전트의 확장에 있어 가장 큰 우려사항으로는 출력물의 정확성과 편향성 없는 신뢰성 확보(31%)가 꼽혔으며, 악의적 행위자에 의한 공격 위험(23%), 규정 준수(22%) 등이 뒤를 이었다. 특히 주목할 만한 점은 AI 에이전트의 과도한 자율성에 대한 우려는 22%에 그쳐, 개발자들이 통제 불능의 AI에 대해서는 크게 걱정하지 않는 것으로 나타났다.


해당 기사에서 인용한 리포트 원문은 링크에서 확인할 수 있다.

기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.