생성형 AI를 ‘요구사항 수집’ & ‘애자일 사용자 스토리 작성’에 활용하기

생성형 AI가 소프트웨어 개발 분야의 근본적 패러다임 전환을 이끌고 있다. 하지만 생성형 AI는 단순히 코드를 작성하는 것 이상의 잠재력을 가진다. 애자일 개발 팀 전체가 LLMs, AI 에이전트 및 기타 생성형 AI 기능을 활용해 소프트웨어 개발 라이프사이클 전반에 걸쳐 개선을 달성할 기회가 있다.

요구사항 수집과 애자일 사용자 스토리의 품질 개선이 기회 중 하나다. 개발자가 더 빠르고 효율적으로 코드를 작성함에 따라, 더 풍부한 사용자 스토리와 더 강력한 수용성을 갖춘 애자일 백로그가 필요하기도 하다.

AI 코파일럿이 개발자 생산성 향상

이미 개발자들은 생성형 AI를 활용해 소프트웨어 개발을 혁신하고 있다. 코드 생성, 코드 검토, 생산 환경 문제 해결 등의 영역에서다. 베이어스데브(BairesDev) 보고서에 따르면, 개발자의 72%가 현재 생성형 AI 기능을 사용하고 있으며, 48%는 매일 생성형 AI 도구를 활용하고 있다.

실제로 AI 코파일럿과 생성형 AI 코드 생성기는 생산성에 큰 영향을 미치고 있다. 마이크로소프트와 액센츄어의 소프트웨어 개발자 대상 현장 실험을 기반으로 한 최근 보고서에 따르면, 코딩 어시스턴트를 사용한 결과 주간 완료된 작업 수가 26% 증가했으며, 코드 커밋 수는 13% 증가했고, 코드 컴파일 횟수는 38% 증가했다.

개발자들도 생산성 향상을 보고하고 있다. DORA의 2024 데브옵스 현황 보고서에 따르면 응답자의 3분의 1 이상이 관찰된 생산성 증가를 중간 수준(25%) 또는 매우 높은 수준(10%)으로 평가했다.

요구사항 수집이 병목 지점으로

이렇듯 애자일 개발 팀이 코드 생성 도구에 익숙해지면서 요구사항 수집과 애자일 사용자 스토리의 속도와 품질이 향상될 필요가 커지고 있다. 또한 개발자들이 AI 에이전트가 코드를 개발, 테스트, 문서화하도록 유도하기 위해 애자일 사용자 스토리를 사용함에 따라, 사용자 스토리의 구조와 수용 기준의 완성도가 더욱 중요해지고 있다.

코파도의 에반젤리즘 담당 부사장 데이비드 브룩스는 “코파일럿이 코드를 작성하는 세상에서는 계획이 훨씬 더 중요해지며, 요구사항 문서는 팀이 같은 방에 모여 앉아 작업하던 시절보다 훨씬 더 상세해야 한다”라고 말했다.

그는 이어 ”비즈니스 애널리스트가 생성형 AI를 사용하여 기능 요청과 회의 기록을 요약해 모든 입력을 포착하고 필요도에 따라 우선순위를 결정하면 어떨까? 생성형 AI가 첫 번째 초안을 작성하거나 여타 초안을 검토하여 완성도를 확인하고 회사 형식과 일치하도록 보장할 수 있다”라고 설명했다.

그에 따르면 이 활용안의 핵심은 기능과 사용자 스토리 주변의 목표와 요구사항을 개발하는 과정에서 최종 사용자와 이해관계자를 참여시키는 것이다. 특히 애자일 제품 소유자의 일반적인 책임을 넘어 소프트웨어 개발자가 이해관계자와 협력하여 목표를 이해하고 위험을 논의하며 실험을 설계하도록 해야 한다.

생성형 AI가 요구사항 수집을 개선하는 방법

프라이온의 크리스 말 CEO에 따르면 생성형 AI가 요구사항 수집을 문서화 작업에서 협업적 발견 과정으로 재편하고 있다. “제품 소유자들은 이제 이해관계자 인터뷰에서 초기 요구사항 초안을 생성하기 위해 AI를 사용한 후 피드백 사이클을 통해 이를 정제한다. 비즈니스 애널리스트의 역할 또한 문서화 전문가에서 AI 오케스트레이터로 진화하고 있다. 단 비즈니스 문제에서 최적의 AI 응답을 이끌어내기 위해 프레임워크화하는 능력과 프롬프트 엔지니어링 능력이 필수적이다”라고 그는 말했다.

비즈니스 애널리스트는 애자일 제품 소유자와 팀 리더와 협력해 요구사항 프로세스의 전체 과정을 감독하곤 한다. 이들은 마이크로서비스, 통합, 데이터 파이프라인과 같은 기술적 프로젝트를 진행하는 애자일 팀에서 특히 중요하다. 이러한 기술적 전달물의 사용자 스토리에는 중요하면서도 비기능적인 수용 기준이 담기곤 한다. 이 밖에 테스트와 관련해서는 많은 사용 사례를 검증하기 위해 합성 테스트 데이터를 종종 생성해야 한다.

말 CEO는 “(생성형 AI) 기술은 비즈니스 요구사항을 기술 사양으로, 반대로 기술 사양을 비즈니스 요구사항으로 전환하는 데 우수하다. 커뮤니케이션 격차를 해소할 수 있다”라고 말했다.

그에 따르면 비즈니스 애널리스트는 AI가 생성한 콘텐츠의 정확성과 비즈니스 일치성을 검증해야 하기 때문에 비판적 사고 능력을 가져야 한다. 즉 비판적 사고는 생성형 AI 도구를 사용하여 요구사항, 코드, 테스트가 개발될수록 필수적인 역량 세트다. 애자일 개발자는 질문을 효과적으로 제기하고 프롬프트에 가장 중요한 세부 사항을 포함하며, 생성형 AI 응답의 완전성과 정확성을 검증하는 방법을 배워야 한다.

즉 비즈니스 애널리스트와 제품 소유자는 대화, 브레인스토밍, 회의 기록을 아이디어와 기능으로 전환하는 과정을 가속화하는 새로운 도구를 얻었다. 랩데브(RapDev)의 타밈 하우라니 수석은 “컨퍼런스 콜에 참여하고, 분석하고, 요약하며, 핵심 내용을 추출하면 모든 규모의 에픽(epics)에 대한 백로그를 삽시간에 정리할 수 있다”라고 말했다.

생성형 AI가 빠른 프로토타이핑과 더 빠른 전달을 지원하는 방식

애자일 개발 팀에게 두 번째 기회는 생성형 AI를 활용해 사이클 시간을 줄이는 것다. 특히 개념 증명(PoC) 및 최종 사용자 경험 반복 과정에서 효과적이다. 생성형 AI는 애자일 팀이 디자인 사고 프랙티스를 더 많이 도입하고 피드백 사이클을 늘리는 데 도움을 줄 수 있다.

사다(SADA)의 부 CTO 사이먼 마골리스는 “생성형 AI 도구가 제품 소유자와 비즈니스 분석가의 역할을 근본적으로 변화시키고 있다. 이들은 IDE 내에서 요구사항을 직접 프로토타이핑하고 반복할 수 있게 되기 때문이다”라고 설명했다.

그는 이어 ”덕분에 이해관계자와의 협업을 더 역동적이게 되며, 사용자가 사용자 스토리와 수용 기준을 실시간으로 시각화하고 개선할 수 있게 된다. 문서화에 매달리지 않고 전략적 일치와 빠른 전달에 집중할 수 있으며, AI가 기술적 번역을 처리한다”라고 덧붙였다.

이와 관련한 다른 기회는 로우코드 플랫폼 개발에 있다. 이 플랫폼은 생성형 AI 프롬프트로부터 애플리케이션을 생성하도록 돕는다. 어도비, 애피안, 페가, 퀵베이스, SAP와 같은 플랫폼은 생성형 AI 도구를 활용해 앱과 에이전트의 프로토타이핑 및 개발을 가속화하고 있다.

생성형 AI 도구를 활용해 인간 혁신에 더 많은 시간을 투자

제품 소유자와 비즈니스 분석가의 역할은 백로그 관리나 요구사항 문서화에 그치지 않는다. 그들의 전략적 중요성은 최종 사용자에게 중요한 혁신을 촉진하고 비즈니스 가치를 제공하며 경쟁 우위를 창출하는 데 있다. 또한 데브옵스 필수 기준을 준수해야 하며, 애자일 개발 팀을 플랫폼 기능성 개발로 이끌고 기술 부채 해결 방법을 모색해야 한다.

매니지엔진(ManageEngine)의 AI 연구 디렉터 람프라카시 라마무시는 다음과 같이 말했다.

“생성형 AI가 사용자 스토리와 수용 기준을 사전 정의된 사양 및 디자인 가이드라인과 일치시키는 데 탁월하지만, 창의성의 원천은 여전히 인간에게 있다. 애널리스트와 제품 소유자는 생성형 AI를 기초 도구로 활용해야 하며, 완전히 의존하지 않고 새로운 아이디어를 탐구하고 사고의 폭을 넓히는 데 집중해야 한다. 진정한 가치는 전문가들이 AI의 일관성을 활용해 작업을 기반으로 삼고, 기계가 이해할 수 없는 미묘한 부분을 혁신하고 다듬는 데 있다.”

조직이 생산성 향상 너머를 바라볼 때 생성형 AI는 변혁 능력을 가능하게 한다. 애자일 개발 팀은 생성형 AI를 활용해 요구사항 수집과 애자일 사용자 스토리 작성 속도를 높이고 품질을 개선해야 한다. 생성형 AI는 이러한 작업을 간소화하고 품질을 향상시켜 제품 소유자와 비즈니스 분석가가 기술이 조직에 지속적인 가치를 제공하는 분야에 집중할 수 있는 시간을 확보하게 해준다.
[email protected]