AI SDLC의 올바른 접근법과 사전 준비사항_0724
AI
AI SDLC의 올바른 접근법과 사전 준비사항_0724
두줄요약
AI SDLC를 전면 자동화로 보는 접근의 위험성과 단계별 성숙도 차이를 정리했습니다. PoC 검증, 정량 KPI, Human-in-the-loop로 범위를 확정하는 전략을 제안했습니다.
문제 상황
- AI SDLC를 전 과정 완전 자동화로 과대포장하는 제안이 확산
- 단계별 성숙도 차이와 엔터프라이즈 현실을 구분하지 않은 채 동일한 기대를 적용하는 위험
- 데모 수준 결과를 운영 환경 성능 보장처럼 해석하는 오류
원인 분석
- SDLC 각 단계의 AI 적용 성숙도 차이
- 레거시, 규제 산업, 망분리, 내부 sLLM 등 환경 제약
- 요구사항 이력, 코드베이스, 테스트 자산 같은 데이터·프로세스 자산의 준비 부족
해결 방법
- 2~3개월 PoC로 실제 데이터와 코드베이스 기준 검증 후 MVP 범위 확정
- 완료 기준과 KPI를 계약 전 정량화하고 As-Is 기준선 함께 측정
- Human-in-the-loop와 범위 경계를 문서화해 단계적 자동화 추진
적용해볼 점
- AI BA, QA, Coder를 성숙도에 따라 분리 검토
- 검색 가능한 요구사항·코드·테스트 자산 정비
- 규제와 인프라 승인 일정, 거버넌스, 변경관리 절차를 사전 설계
