[아이티데일리] “소프트웨어(SW) 개발 방법론의 트렌드가 빠르게 변화하고 있다. 1990년대를 주름잡던 워터폴(Waterfall) 방법론을 거쳐, 최근에는 클라우드 네이티브와 생성형 인공지능(AI) 같은 신기술을 담을 수 있는 애자일(Agile) 방법론이 주목받고 있다. 그러나 애자일 방법론은 프로젝트 산출물의 결과적인 측면을 강조하기 때문에 산출물 요구수준을 낮추는 사례가 비일비재하다. 이에 KT DS는 클라우드 네이티브 기반 디지털 트랜스포메이션(DX)와 AI 트랜스포메이션(AX)에 특화된 자체 개발 방법론인 ‘K-Way(K-웨이)’를 개발했다. DX와 AX를 관통하는 개발 방법론인 K-Way를 토대로 고객 비즈니스 혁신을 지원하겠다.”

KT DS 강인모 기술혁신단 기술CoE 담당은 최근 본지(컴퓨터월드/IT DAILY) 기자를 만나 ‘K-Way’ 방법론을 소개하며 이같이 강조했다. KT DS는 KT그룹 대고객 서비스의 안정성, 품질 등에 초점을 맞춰 IT서비스 사업을 영위해 왔다. 최근에는 이상국 대표가 부임하며 비즈니스 전면에 ‘KT DS 2.0’을 기치로 내걸고 AI·클라우드 SW 전문기업으로의 체질 개선에 집중하고 있다.

KT DS는 AI·클라우드 SW 전문기업으로 변모하기 위해 DX와 AX 특화 자체 개발 방법론을 비즈니스 비즈니스 전면에 배치하고 있다.

DX와 AX 위한 ‘K-Way’ 개발 방법론

SW 개발 방법론은 기대하는 품질 수준에 맞춰 SW를 효율·안정적으로 구현하는 프로세스를 체계화한 것을 의미한다.

1990년대 이전에는 고객 요구사항에 따라 설계, 기획, 구현, 테스트, 서비스 적용 등 일련의 개발 과정을 연속적으로 진행하는 워터폴 방법론이 주류였다. 각 개발 단계가 분리·진행되기에 요구사항이 바뀔 경우 대응이 어렵고, 초기부터 완벽한 계획이 요구되는 고전적인 방법론이다.

최근에는 변화에 유연하게 대응할 수 있는 방법론인 ‘애자일 방법론’이 부상했다. 애자일 개발 과정은 짧은 주기로 반복적인 작업을 하는 이터레이션(Iteration; 컴퓨터 처리 절차의 반복) 개발 기법을 통해 요구사항을 개발하고, 수시로 변경되는 요구사항에 대응도 가능해 민첩하게 대응할 수 있다는 장점이 있다.

애자일 방법론은 한계점도 존재한다. 프로젝트 산출 결과물에 집중하기에 고객의 요구사항 기준점을 낮춘다는 점이다. 달리 말하면 애자일 방법론을 개념적으로는 이해할 수 있지만, 실제 현업에 적용해 원하는 만큼의 SW 성능을 얻기 어렵다는 괴리가 존재한다는 의미다. 특히나 수시로 변하는 고객의 요구사항을 수용할 수 있는 클라우드 네이티브 아키텍처가 뒷받침되지 않을 경우, 애자일 방법론 자체 효용 가치는 더욱 저하된다.

생성형 AI의 출현도 SW 개발 방법론에 변화를 초래하고 있는 주효한 동인이다. 챗GPT, 코파일럿 등을 통한 개발과 디버그 및 테스트 자동화 등 개발 생산성을 높이고, 비즈니스에 특화된 데이터 중심의 서비스 개발 강화 등 고품질의 SW를 더 빠르게 개발할 수 있는 체계가 요구되기 시작했다. 

KT DS는 현업에서의 적용 어려움과 변화에 대응이 어렵다는 한계점을 직시하며 현업 프로젝트에 적용이 가능한 독자적인 SW 개발 방법론을 개발했다. 바로 IT 서비스 프로젝트를 추진하며 축적해 온 SW 개발 방법론에 애자일 방법론을 녹인 ‘K-Way’ 개발 방법론이다.

KT DS 강인모 기술혁신단 기술CoE 담당은 “KT DS는 워터폴과 애자일 방법론 두 방식을 DX와 AX 프로젝트 상황에 맞게 유연하게 적용·체계화한 방법론인 K-Way를 개발했다”면서 “K-Way는 마이크로서비스 아키텍처(MSA), 데브옵스(DevOps), 지속적 통합/지속적 배포(CI/CD), 컨테이너 등 클라우드 네이티브 기술을 적용해 내부(Inner) 아키텍처와 외부 아키텍처를 설계하며 DX를 지원하고 있고, 그 위에 초거대언어모델(LLM)과 파운데이션 모델(FM) 등 생성형 AI를 구축하기 위한 데이터 처리, 모델 구현, 파인튜닝(Fine-Tunning), RAG, AI 구축 모델 품질 평가 등을 구체화한 일련의 AI 도입 및 전환 전반 프로세스인 AX 방법론을 모두 포괄한다”고 말하며 KT DS의 K-Way 방법론을 소개했다.

구체적으로 KT DS가 정의하는 DX는 클라우드 네이티브 기반 위에 데브옵스, CI/CD, 컨테이너 기술, MSA 등을 적용한 애플리케이션 현대화 방법론을 뜻하며, AX는 AI 트랜스포메이션 약자로 생성형 AI 기술을 활용해 기업 내부업무와 고객경험에 혁신을 주는 애플리케이션/서비스를 만드는 방법론을 의미하고 있다.

3가지 핵심 차별점 존재

KT DS가 새롭게 선보인 DX-AX 개발 방법론인 K-Way에는 기존 개발 방법론과 크게 3가지 차이점이 있다.

우선 K-Way 방법론은 다양한 고객 요구와 기술적 환경의 변화에 유연하게 대응할 수 있는 반복적이고 점진적인 방식과 절차, 기법을 정의하고 있다. 워터폴 방식의 경우에는 요구사항을 설계 단계부터 완벽하게 갖춰 놓고 이후 기획, 구현, 테스트, 서비스 적용 등의 과정이 연이어 진행되기에 유연성을 갖추기에는 어려움이 존재한다. K-Way는 유연한 대응이 가능하도록 체계화된 아키텍처를 제공하기에 유연성과 함께 안정성, 예측 가능성을 제공할 수 있다.

다음은 실증 절차에 차이가 존재한다. K-Way 방법론은 프로세스 내에 실증 절차를 정형화했다. 클라우드 네이티브(DX) 기반 생성형 AI 도입(AX)을 계획한 경우, 본격 구현 이전 PoC(개념검증) 단계에서 클라우드 네이티브 환경 위 주요 기능을 30~40% 수준으로 시스템을 구축해보는 검증을 추진한다. 이는 시행착오나 기회비용을 최소화로 이어질 수 있다.

이에 대해 KT DS 강인모 기술혁신단 기술CoE담당은 “워터폴 방식이라고 검증단계가 없지는 않다. 다만 정형화된 워터폴 방식에서는 요구사항 분석, 설계 구현을 거치고 이후 단위 모듈 테스트를 진행한다. 일반적으로 구현 이후 단계에 실증 절차가 존재한다”며 “KT DS는 애자일 사상과 워터폴 사상을 모두 겸비하고 있는 하이브리드 개발 방법론인 K-Way를 프로젝트 산출물과 효율성에 역점을 두고 적절히 제공한다”고 부연했다.

마지막으로 K-Way는 이론에 초점이 맞춰진 일반적인 방법론과 다르게 현장 적용이 가능하다는 점이다. 강인모 담당은 “실제 프로젝트 현장에서는 상당 부분 방법론은 방법론대로, 프로젝트는 프로젝트대로 진행되곤 한다. 방법론이 가진 한계다. 이를 타개하고자 KT DS는 현장에 실제 프로젝트를 수행하는 PM, 개발자들과 여러 차례 인터뷰하고 베스트 프랙티스를 가이드화해 실제 현장에서 손에 잡히고 쓰이는 방법론으로 제공하고 있다. 이 과정이 존재해야 살아 있는 방법론이 될 것이다”라고 강조했다.

이어 강인모 담당은 “KT DS 2.0이 지향하는 비즈니스 방향은 DX와 AX를 종합적으로 지원하는 것이다. KT DS는 K-Way라는 방법론과 함께 축적해 온 기술 자산(IT 시스템 구축 운영 경험)을 의미하는 ‘테크 스위트(Tech Suite)’, AX 특화 LLM 변경 테스트 플랫폼 ‘아이온유’ 등을 종합적으로 지원해 기업의 DX와 AX를 구현할 수 있도록 지원하고 있다”고 덧붙였다.

생산성 향상·안정성 등 효과…현장 적용 가능 방향 AI 적용 고도화

KT DS의 K-Way를 이용하면 생산성 향상, 안정성, 기술 혁신 주도 등 기대효과를 얻을 수 있다.

KT DS 강인모 기술혁신팀 CoE담당은 “프로젝트 현장에서 클라우드 네이티브와 생성형 AI를 활용한 개발 프로세스와 기법, 가이드, 산출물 등을 쉽게 활용할 수 있어 프로젝트 생산성을 높여주고, 검증된 절차에 따라 프로젝트를 안정적으로 진행할 수 있어 예상치 못한 문제 발생을 최소화하고 프로젝트 완료 시점을 정확히 예측할 수 있어 안정성이 높다. 또 최신 기술을 빠르게 도입하고 적용할 수 있는 능력을 갖추게 돼 경쟁사 대비 기술 혁신도 가능하다”고 설명했다.

KT DS는 K-Way를 ‘현장 적용’에 초점을 맞춰 개선사항을 빠르게 적용할 계획이다. 구체적으로 생성형 AI 자체를 활용해 방법론을 자동화·효율화를 추진한다. KT DS는 테스트 툴체인(품질 테스트, 소스코드 생성 등)에 일부 생성형 AI를 적용하고 있다. 향후 방법론 다양한 단계에 확대한다.

아울러 AI 품질 평가 방법도 발전시킨다. 생성형 AI의 문제로는 그럴싸한 오류를 생성하는 환각(Hallucination)이 꼽힌다. 이를 극복하고자 모델 생성 단계에 파인튜닝이나 RAG 등 방법을 적용하고 있다. 하지만 환각을 100% 걷어낼 수는 없다. 이에 KT DS는 정량적, 정성적 AI 모델 품질 평가 방법을 제공하고 있다. 정량적 방법으로는 모델의 정확도와 유사도를 측정하는 기법이다. 분류, 로직 등과 같은 다양한 지표를 측정해 모델 품질이 기대치 만큼 나오는지 측정한다. 이후 정성적 평가로 사람이 개입해 전문가 리뷰, 사용자 대상 만족도 조사, 품질 측정 등 체계적으로 진행한다.

향후 KT DS는 생성형 AI 모델의 신뢰성을 확보하고 검증 절차를 다양하게 구성하고 체계화·규격화해 고객의 안전한 생성형 AI 모델 이용을 지원한다는 목표다.