[아이티데일리] 오늘날 대다수 기업은 최신 IT기술을 활용해 디지털 전환을 추진하고자 한다. 하지만 이를 지원할 수 있는 개발자들이 부족해 어려움을 겪고 있다. 이러한 상황에 최소한의 개발자로도 방대한 IT 개발 수요를 감당할 수 있는 로우코드·노코드(LCNC) 기술이 주목받고 있다.

IT업계 인력난 해결 방안으로 떠오른 LCNC

IT업계의 만성적인 인력난은 앞으로도 지속될 것으로 예상된다. 정부와 학계, 산업계 등 각계에서 모두 IT 인력 양성에 열을 올리고 있지만, 공급이 수요를 따라가지 못하고 있다. 특히나 디지털 전환이 4차 산업혁명의 근간으로 자리 잡으면서 비(非) IT 기업들 역시 개발자들을 직접 고용하고 있다.

한 국내 SW 기업 관계자는 “현재 기업의 80~90% 이상이 개발자 채용에 어려움을 겪고 있다. 전문적인 개발 기술이 없더라도 직원들이 IT 역량을 갖추고, 디지털 전환을 위한 SW를 만들어야 하는데 개발자는 상당히 부족하다”고 지적하며 “앱을 만드는 것은 개발자들만의 전문 영역이었지만, 앞으로는 일반적인 비즈니스 영역이 될 것으로 예상된다. 지금은 모든 사람이 이메일이나 스프레드시트를 이용하고 있는데, SW 개발도 이제는 누구나 기본적으로 갖춰야 할 소양이 될 것”이라고 전망했다.

이에 따라 만성적인 IT 인력난을 해결할 수 있는 방법 중 하나로 LCNC가 떠오르기 시작했다. LCNC는 개발 과정에서 개발자가 코드를 직접 작성하는 것을 최소화하고, 기존에 만들어 놓은 컴포넌트와 모듈들을 결합해 원하는 SW를 만드는 것을 의미한다.

보다 구체적으로 로우코드는 ‘시민 개발자(Citizen Developer)’와 같은 전문적인 개발자가 아닌 비전공 개발자가 SW를 쉽게 개발할 수 있도록 플랫폼을 활용해 개발하는 것을 뜻한다. 예를 들면 간단하게 구현하고 싶은 애플리케이션의 화면을 특정 로우코드 플랫폼에서 구성하고 드래그앤드롭으로 기능들을 끌어다 SW를 개발할 수 있다. 당연하게도 조금의 SW 지식은 필요하다. 사용자가 입력한 데이터의 저장 및 시스템 간 통신 동작 방법에 대한 지식이 요구된다. 하지만 기본적인 코딩 기술만 배워도 웹이나 모바일 SW 개발할 수 있다.

노코드는 개발에 대한 지식이 일절 필요하지 않다. 만들고 싶은 기능이 있을 때 비전문가라도 재공되는 템플릿을 이용하기만 하면 더 쉽고 빠르게 개발이 가능하다. 로우코드는 백앤드에서 벌어지는 인터페이스와 데이터 관리를 조금이나마 신경 써야 하지만, 노코드는 이를 고려할 필요 없이 빠르게 개발할 수 있다.

실제로 가트너의 조사결과와 KPMG의 조사결과 등이 LCNC의 중요성에 힘을 싣고 있다. 실제로 2021년 가트너는 2025년까지 70% 이상의 앱들이 로우코드나 노코드를 활용해서 개발될 것이라고 예측했으며, 전 세계 기업들은 IT 기술 수준을 강화하거나 유지하기 위해 IT 인력 유치와 고용 유지에 가장 큰 비용을 투자할 것으로 예상했다. KPMG는 디지털 전환의 가장 중요한 투자로 LCNC 개발 플랫폼을 선택한 기업이 2.6배 증가했고 프로세스 마이닝 SW나 RPA 등 타 기술 영역에 비해 큰 폭으로 비율이 증가해 LCNC에 대한 관심과 투자가 높다고 발표한 바 있다.

LCNC 비즈니스 확대

LCNC를 활용해 비즈니스를 추진하려는 기업들도 빠르게 늘어나고 있다. 대표적으로 마이크로소프트는 2021년에 개최된 연례 개발자 컨퍼런스 빌드 2021(Build 2021)에서 로우코드 플랫폼 파워앱스(Power Apps)를 발표한 바 있다. 파워앱스는 오픈AI가 개발한 대규모 언어 모델 GPT-3(Generative Pre-trained Transformer-3)를 적용해, 코딩이나 드래그 앤 드롭 대신 자연스러운 대화 명령으로 원하는 기능을 구현할 수 있도록 지원한다. 구체적인 지시사항을 하나하나 작성하는 대신 자연어 문장을 입력하기만 하면, 컴퓨터는 GPT-3 모델을 통해 해당 문장을 이해하고 사용자가 원하는 기능을 수행하는 코드를 만들어낸다.

실제로 한국MS는 파워앱스가 포함된 파워플랫폼을 롯데호텔에 공급해 업무 자동화 환경을 구축하기도 했다. 이를 통해 롯데호텔은 직원교육과 같은 간단하지만 꼭 필요한 업무를 자동화했고, AI 기반 로봇에 단순 반복 업무를 맡길 수 있게 됐다. 아울러 예약 자동화 시스템도 구축해 직원이 회사 예약 시스템에 옮겨 입력해야 했던 외부 플랫폼 예약 정보를 자동으로 저장, 관리할 수 있게 됐다. 로우코드 플랫폼을 도입한 롯데호텔은 전국 17개 롯데호텔에서 연간 1만 시간을 절약할 수 있게 됐고, 수기 작업으로 인한 오류 발생 가능성도 줄일 수 있게 됐다.

비아이매트릭스의 ‘AUD플랫폼’도 많은 기업 및 기관에 확대되고 있다. AUD플랫폼은 BI/OLAP, 대시보드(Dashboard)/시각화(Visualization), 리포트(Report), UI/UX, 액셀(Excel) 업무 자동화 등 업무시스템 구축에 필수적인 기능을 갖춘 로우코드 플랫폼이다.

실제로 한국도로공사 교통정보 관리부서가 비아이매트릭스의 AUD플랫폼을 도입해 짧은 기간 내에 한국도로공사의 교통분석 지원 시스템을 구축, 현업 담당자들의 업무 생산성 및 교통 관련 데이터 활용도를 극대화했다. 최근 국가 도로망 디지털화 및 다양한 4차 산업혁명 관련 사업을 추진 중이던 한국도로공사는 기존에 사용하고 있던 교통분석 지원 시스템에 대해서도 사용자 편의성, 업무 활용도, 호환성, 보안성 등을 개선할 필요성을 느꼈다. 이에 따라 시스템 성능을 높이고 교통분석 체계를 고도화하는 것을 목표로 교통분석 지원 시스템을 새로 구축하게 됐다.

한국도로공사는 비아이매트릭스의 로우코드 통합 UI 개발 솔루션인 AUD플랫폼을 선택해 시스템을 구축했다. 비아이매트릭스는 AUD플랫폼을 활용해 액티브X(ActiveX) 기반으로 익스플로러 브라우저에서만 사용 가능했던 이전 시스템을 국제표준인 HTML5 기반으로 재구축해 브라우저 호환성, 시스템 운영 안정성, 보안성을 개선했다. 또한 기존에 한국도로공사가 오라클 BI로 개발한 180개 화면을 포함, 총 200여 개의 화면을 새로 제작했다. 해당 화면에는 담당자가 분석 항목을 자유롭게 설정할 수 있는 다차원 분석 화면, 엑셀을 사용하듯 직접 쉽게 DB에 데이터를 입력하고 수정할 수 있는 UI/UX 화면, 그리고 데이터를 직관적으로 한눈에 확인할 수 있는 시각화 화면이 포함돼 있다.

비아이매트릭스에 따르면 현업 담당자들은 로우코드로 제작된 교통분석 지원 시스템으로 인해 화면 변경 요구사항이 생길 때마다 직접 유지보수를 수행할 수 있게 돼 IT 부서 협조 요청이 줄었고 업무 생산성이 크게 높아졌다. 특히 오래 전 도입해 사용하던 교통분석 JSP 화면은 데이터를 분석하기 어려울 정도로 속도가 느리고 성능이 좋지 않았다. 하지만 신규 시스템은 사용자가 피봇, 필터, 정렬 등 다양한 OLAP 기능을 자유롭게 사용할 수 있어, 사용자들의 업무 편의성 및 교통 데이터 활용도가 크게 높아졌고, 화면 조회 및 다운로드 속도까지 향상됐다.

단순한 앱 개발이 아닌 AI 서비스 개발도 지원하는 LCNC 제품도 존재한다. 국내에서는 ‘네이버의 클로바 스튜디오(CLOVA Studio)’가 대표적이다. 네이버가 2021년 7월 공개한 클로바 스튜디오는 충분한 데이터셋을 업로드하고 요구사항을 자연어 문장으로 입력하면 자동으로 머신러닝 과정을 수행해 AI 서비스를 개발할 수 있도록 도와준다. 특히 영어 기반의 GPT-3 대신 한국어 기반의 초대형 언어모델 하이퍼클로바(HyperCLOVA)를 사용하기에 더욱 뛰어난 한국어 인식 성능을 자랑한다. 아직은 클로즈 베타 서비스 단계지만, 출시 이후 지속적으로 신규 기능 추가나 업그레이드가 이뤄지고 있어 전망도 밝다.

네이버 클로바 스튜디오를 활용해 AI 서비스를 개발한 사례로는 임플로이랩스의 직장인 경력 데이터 관리 서비스 ‘잡브레인’, 앱플랫폼의 자기소개서 초안 및 글쓰기 서비스 ‘라이팅젤’, 단비의 AI 챗봇 서비스 ‘단비Ai&에이아이런’ 아스타컴퍼니의 AI 카피라이터 서비스 ‘모카’, 뤼튼테크놀로지스의 AI 카피라이팅 서비스 ‘뤼튼’, 유니드컴즈의 AI 마케팅 자동화 서비스 ‘킵그로우’ 등이 존재한다.

특정 산업 SW 개발도 지원하는 노코드 제품도 있다. 바로 딥노이드가 개발한 딥파이(DEEP:PHI)다. 딥파이는 딥노이드가 개발해 지난 2021년 공개한 의료 AI 전문 노코딩 플랫폼이다. AI나 머신러닝, 코딩에 대한 지식이 부족해도 마우스 드래그앤드롭만으로 원하는 AI 모델이나 앱을 개발할 수 있다. 사용자는 의료 데이터들을 업로드하고 몇 가지 주요 모듈을 선택하기만 하면 된다. 부득이하게 코드 변경이나 추가가 필요할 경우에도 사전 구축된 명령어 블록들을 배치하기만 하면 되는 블록코딩 방법을 사용할 수 있다.

개발 생산성 극대화에 제격

사실 과거에도 LCNC와 비슷한 개념의 과거 SW 개발 자동화인 CASE(Computer Aided Software Engineering)와 컴포넌트 기반 개발(Component Based Development, 이하 CBD) 방법론 등 2가지가 존재했다. CASE는 사용자가 개발 요구사항을 입력하면 사전에 작성해놓은 코드 뭉치들로 변환되도록 하는 개발방법론이자, 이를 구체적으로 구현하는 도구(CASE Tool)들을 통칭한다. 사전에 효과적인 코드 뭉치들을 많이 준비해놓고, 전체 과정을 제대로 설계하고 요구사항을 정확하게 입력하면 손쉽게 원하는 SW를 얻을 수 있다.

CBD 방법론은 특정 기능들을 수행하는 컴포넌트들을 다수 만들어놓고, 이것들을 블록처럼 잘 조립해 원하는 SW를 개발하는 방법이다. 각 컴포넌트들은 각자의 기능들을 독립적으로 실행할 수 있기 때문에, 사용자가 조립만 잘하면 복잡한 SW도 문제없이 개발할 수 있다. 이와 같은 개발 방법론들은 요구사항만 잘 입력하면 복잡한 코드 작성 과정을 컴퓨터로 대체할 수 있다는 점에서 LCNC와는 큰 차이가 없어 보인다.

LCNC가 과거 SW 개발 자동화 방법론과는 다른 이유는 무엇일까. 이에 대해 한 기업 관계자는 ‘과거 SW 개발 자동화 방법론을 뒷받침할 수 있는 기술 수준이 없었다’는 점과 ‘SW 개발을 간소화하고 자동화하려는 실질적인 요구사항이 늘어났다는 점’ 등 2가지를 꼽았다.

먼저 LCNC는 SW 개발 자동화 방법론과 달리 충분한 기술 수준을 갖췄다는 점이다. 과거 SW 개발 자동화 방법론은 간단한 SW 개발에는 유용한 방법일 수 있지만, 기업의 핵심 시스템들을 설계하고 개발할 때 통용되는 수준에는 미치지 못했다.

가령 CASE 개발도구들은 사용자의 업무 프로세스를 잘 분석해 원하는 요구사항들을 구체적으로 입력하면 컴퓨터가 그에 맞는 코드를 생성하는 방식이다. 하지만 개발도구가 불러온 코드 뭉치들이 해당 시스템에 100% 알맞게 만들어졌으리라는 보장이 없다.

결국 컴퓨터가 코드를 생성해줘도 개발자가 직접 수정하고 최적화하는 과정이 필요하다. 하지만 직접 짠 코드가 아니다보니 이를 이해하고 분석해 역설계(Reverse Engineering)하는 것이 쉽지 않다. 코드를 수정하게 되면 본래 공통된 CASE 도구를 공유하는 개발자들끼리 얻을 수 있었을 개발 표준화 수준도 떨어진다. 이러한 문제는 해당 코드에 대해 대규모 수정이 필요할 경우에 더 심각하다. 이러면 차라리 처음부터 직접 코딩을 하는 게 더 낫다는 생각에 이르게 된다.

CBD 방법론의 근간을 이루는 컴포넌트 기술 역시 과거에는 충분한 완성도를 갖추고 있지 않았다. 과거의 컴포넌트들은 하나하나가 가지고 있는 기능이 너무 간단하고 단편적이어서 개발 생산성을 획기적으로 향상할 수는 없었다. 예를 들어 과거의 그리드 컴포넌트는 DB에서 데이터를 가지고 와서 그리드 상에 배열해주는 단편적인 기능만을 수행했고, 그 외의 기능을 원한다면 개발자가 직접 코딩을 해야 했다.

LCNC는 과거 SW 개발 자동화 방법론과는 달리 SW 개발을 간소화하고 자동화하려는 요구가 늘어났다는 점이다. SW 개발을 자동화하면 당연히 개발 생산성은 크게 늘어난다. 물론 생산성 향상은 과거에도 충분한 장점이 있었다. 하지만 심각한 IT 인력난에 직면해 있는 현재만큼은 아니었다. 개발 생산성 향상이라는 장점이 과거에는 ‘있으면 좋은 것’이었지만, 지금은 ‘반드시 있어야 하는 것’으로 바뀌었기 때문이다.

한 기업 관계자는 “우리는 간단하게 즐길 수 있는 레토르트 식품에서 수십만 원 상당의 고급 레스토랑 음식과 같은 맛을 기대하지는 않는다. 일선에서 LCNC 기술을 적극적으로 도입하려는 기업들 역시 현재의 LCNC 기술이 IT 업계에서 2~30년 경력을 가진 베테랑 개발자들보다 더 나은 SW를 만들어낼 거라고 기대하지는 않을 것”이라면서 “하지만 고급 레스토랑에서 한 접시의 음식을 만들 동안 공장에서는 수백 개의 레토르트 식품을 생산할 수 있는 것처럼, LCNC는 개발 생산성 측면에서 비할 수 없는 향상을 가지고 온다. 이는 만성적인 개발자 부족을 겪고 있는 기업들에게 무척 매력적인 장점이다”라고 부연했다.

특히 직접 코딩할 필요가 없는 노코드 기반의 개발 플랫폼들은 IT에 대한 지식이 없는 비개발자도 SW 개발에 참여할 수 있어 더욱 효과적이다. IT 인력을 보유하기 어려운 스타트업이나 중소기업에서도 외부의 조력 없이 원하는 SW를 개발해 활용할 수 있고, 비즈니스 조직은 더 이상 원하는 SW를 개발하고 수정하기 위해 IT 조직과 마찰을 일으키지 않아도 된다. 노코드 플랫폼을 통해 간단한 개발 작업들은 비전문가가 직접 수행하는 대신, IT 조직은 전문가의 역량이 필요한 복잡한 개발에 집중해 SW 품질과 생산성을 더욱 늘릴 수 있다.

부정적인 인식 개선해야

만성적인 IT 인력난을 해소할 수 있는 핵심 방안으로 떠오른 LCNC는 개발 생산성을 극적으로 높일 수 있다. 하지만 부정적인 인식도 존재한다. 서서히 LCNC에 대한 반응과 도입이 늘고는 있지만 대부분은 여전히 미적지근한 반응을 보이고 있다.

실제로 개발자들 사이에서도 LCNC는 비교적 거리감이 있는 트렌드다. 다수의 개발자들은 LCNC 기술은 알고 있지만서도 한동안 본인의 업무에 직접 영향을 주지는 않을 것으로 예상했다. 해당 단어의 의미도, 전 세계적으로 주목받는 트렌드라는 것도 알지만, 아직 일선 현장에서는 필요성을 느끼지 못하고 있으며 접할 수 있는 정보도 제한적이라는 이유다. 또한 과거의 코딩 자동화 도구들을 경험해본 개발자들은 LCNC 자체에 대해 부정적인 인식을 갖고 있다고 답하기도 했다.

이에 대해 한 관계자는 “일선 현장에서는 필요성을 느끼지 못하고 있으며 접할 수 있는 정보가 제한적이다. 과거의 코딩 자동화 도구들을 경험해 본 개발자들이라면 LCNC에 대해 부정적인 인식을 갖고 있다”면서 “주변 기업들 사이에서도 LCNC 기술의 도입이나 제품 사용이 활발히 일지는 않고 있으며, 일회성 파일럿 프로젝트 형식으로만 진행되는 것이 대다수다. 아직 LCNC 기술에 대한 적극적인 수요가 발생하지는 않는 것 같다”고 의견을 피력했다.

또 다른 관계자는 LCNC 시장이 활성화되기 위해서는 산업계 전반의 인식이 바뀌어야 한다고 조언했다. 이 관계자는 “LCNC가 SW 개발 현장의 모든 문제를 해결할 수 있는 마스터키는 아니다. 하지만 개발자 태부족을 겪고 있는 대다수 기업에서는 생산성 극대화라는 장점이 큰 역할을 할 수 있다. 이를 실제 프로젝트를 통해 증명해 가면서 산업계의 인식을 바꿔나가는 것이 LCNC 기술을 제공하는 기업들의 당면 과제다”라고 말했다.

이와 같은 부정적인 인식을 개선하고 LCNC 산업을 확대하기 위해 국내 LCNC 기업 9개사가 단체 행동에도 나섰다. 비아이매트릭스를 중심으로 아가도스, VTW, 스마트메이커, 퀸텟시스템즈, STEG, 인터랙트, 눈비소프트, WBJ소프트 등 9개사가 참여했다. 협의회 초대 회장은 비아이매트릭스 배영근 대표가 맡았다. 협의회는 LCNC 기술 활성화와 관련 산업 발전을 통해 국내 개발자 인력난 문제 해결에 앞장서겠다는 목표다. LCNC 기술 고도화와 관련 시장 파악, 공동 마케팅을 통한 성공 사례 마련과 인식 개선은 물론, 시장 활성화를 위한 정부 정책 제언 등에도 적극적으로 협력한다.

노코드·로우코드협의회 배영근 회장은 “개발자 부족 현상을 해결할 수 있는 대안은 로우코드뿐이다”라며 “우리나라는 SW 개발인력이 14,000여명 정도가 부족하다고 한다. 이 가운데 50% 정도는 AI, 빅데이터, 메타버스 등의 신기술 분야에서, 나머지는 SI 기업들에서 SW 개발자들을 필요로 한다고 한다. 정부는 이를 해결하기 위해 SW 인력 양성 프로그램을 진행하고 있지만, 양성 기간이 너무 길어 적합한 해결책이 아니라고 생각한다. 로우코드 플랫폼이 해결 방안이 될 것”이라고 말하며 LCNC가 활성화돼야 한다고 강조했다.