많은 분들과 마찬가지로 Google에서도 인공지능 (AI)과 웹의 미래에 대해 많은 이야기를 나누고 있습니다. 노이즈가 많아 웹 개발자로서 정확히 무엇을 알아야 하는지 알기 어렵습니다.
웹은 Google팀보다 훨씬 크기 때문에 AI에 대한 여러분의 생각, 배우고 싶은 내용, 이러한 신기술로 하고 싶은 일을 파악하고 싶었습니다. 이렇게 하면 YouTube에서 소음을 뚫고 나갈 수 있는 콘텐츠를 가장 효과적으로 제공할 수 있습니다.
지난 몇 개월 동안 Google은 웹 실무자와 대화하여 웹 환경과 AI에 대한 생각을 파악했습니다. 물론 Google에서 모든 사용자에게 모든 것을 알려드릴 수는 없습니다. Google은 웹 Google Developer Experts를 비롯한 웹 개발자들과 개발자가 AI를 사용하여 사용자 대상 기능을 제공하고 일상적인 워크플로에서 생산성을 높이는 방법에 대해 소수의 대화를 나눴습니다.
Google은 이번에 배운 내용이 웹의 다른 사용자에게도 널리 적용될 수 있다고 생각합니다. Google은 이번 연구를 통해 알게 된 내용을 커뮤니티에 공유하고자 합니다.
Google은 이러한 의견과 웹 개발자 환경에 관한 기타 연구를 바탕으로 새로운 AI 컬렉션을 만들었습니다. 이 컬렉션에는 웹 개발자를 위한 개요, Codelab 및 데모, 웹에서 AI 도구와 모델을 고려하기 위한 기타 리소스가 포함되어 있습니다.
이건 단지 시작에 불과합니다. 앞으로 몇 달 동안 더 많은 소식을 전해드리겠습니다.
생성형 AI로 생산성 향상
웹 개발자는 생성형 AI를 활용하여 생산성을 높이고 챗봇과 상호작용하여 새로운 기술을 배우거나 웹 개발 관련 질문에 대한 답변을 얻고 싶어 하는 것으로 보입니다.
Google과 인터뷰한 개발자들은 이미 일상 워크플로에서 비즈니스 또는 개인 프로젝트에 AI를 사용하고 있거나 AI를 사용하는 사람을 알고 있습니다.
코드 생성
Gemini, Copilot과 같은 코드 생성 도구는 표준 단위 테스트, 기본 자동 완성 (작성할 내용을 알고 있지만 작성만 하면 됨), 코드베이스에 대한 광범위한 지식이 필요하지 않은 간단한 함수에 유용하다는 의견을 보내주셨습니다. 이러한 도구는 특정 프로젝트의 광범위한 컨텍스트가 필요한 더 복잡한 알고리즘 코드와 함수를 작성할 때는 유용성이 떨어지는 경향이 있습니다.
경력이 많은 개발자는 코드 중복 및 장기 유지관리 가능성과 관련된 문제를 비롯해 코드베이스의 장기적인 품질에 대한 우려를 언급했습니다. 일부에서는 경험이 부족한 팀 구성원이 오류를 감지하지 못하거나 생성형 AI 도구에서 생성된 코드를 정확하게 검증하는 방법을 모를 수 있다고 우려했습니다.
또한 개발자들은 접근성 구성요소 작성과 같이 특정 도메인 지식이 필요한 사용 사례가 아직 시도한 코드 생성 도구에 의해 올바르게 수용되지 않는다고 말했습니다.
LLM을 사용한 학습
많은 개발자가 ChatGPT와 Gemini를 사용하여 소프트웨어 개발 개념을 학습하고 있습니다. 예를 들어 대규모 언어 모델 (LLM)에 정렬 알고리즘의 작동 방식을 설명해 달라고 요청하거나, 다양한 프로그래밍 언어를 익히거나, 지식 격차를 해소하는 등의 용도로 사용합니다.
질문과 대답의 빠른 상호작용과 AI가 질문을 비판하지 않고 필요한 답변만 제공하기 때문에 LLM이 훌륭한 경험을 제공한다고 생각합니다.
다시 한번 말씀드리지만, 모델이 할루시네이션을 일으키고 잘못된 대답을 생성하는 사례를 포착하려면 최소한의 지식이 필요한 주니어 개발자와 관련된 우려가 있습니다.
비즈니스 문제로서의 IP 보호
Google과 인터뷰한 많은 개발자는 생산성 향상을 위해 생성형 AI를 사용하는 개발자에 관한 회사 정책이 아직 없다고 말했습니다. 생성형 AI 도구의 사용은 개발자의 실험에 의해 주도되는 경우가 많습니다.
'우리 회사는 AI의 의미를 잘못 이해하고 있어서 올바른 정책을 만들지 못하고 있습니다.'
하지만 정책이 있는 기업은 회사의 지식 재산 (IP)이 서드 파티에 유출될 수 있다는 우려로 인해 사용을 권장하지 않는 경향이 있습니다. 데이터 사용 방식과 잠재적 위험을 파악하기 위해 이러한 도구를 제공하는 회사와 직접 소통한 후 정책이 변경된 사례가 있습니다.
데이터 보호를 위해 전담하는 엔터프라이즈 계정 및 파트너십을 통해 비즈니스는 개발자 사용을 장려할 가능성이 높습니다.
사용자 대상 제품 기능용 생성형 AI
제품 측면에서 'AI / ML'이라는 용어로 대화를 시작했을 때 대답이 생성형 AI에 초점을 맞추는 경우가 많다는 점은 놀라운 일이 아니었습니다. 개발자는 생성형 AI를 사용하여 사용자 환경을 개선하는 방법에 대해 궁금해하지만, 이러한 환경이 어떤 모습인지, 프로덕션에서 이를 제공하는 데 사용할 수 있는 도구가 무엇인지 잘 모릅니다.
제품에 생성형 AI 기능을 빌드했거나 빌드 중인 개발자에게는 챗봇이나 일회성 인터페이스를 사용하여 사용자 질문에 답변하는 것이 가장 일반적인 사용 사례입니다.
출력 품질은 사용자가 가장 우려하는 부분입니다. 특히 개발자는 대답이 정확한지 확인하고 LLM이 의도한 목표와 관련이 없는 콘텐츠를 생성하지 않도록 하는 것을 목표로 합니다. 특히 LLM의 출력이 챗봇과 같이 사용자에게 직접 표시되는 경우에 그렇습니다.
'AI 데모는 정말 대단합니다. 프로젝트를 데모할 때마다 출력이 완전히 다릅니다.'
다양한 프롬프트에 대한 생성형 AI 출력을 검증하기 위해 테스트 모음을 만드는 데 많은 노력을 기울이고 있지만 대답을 테스트하거나 모니터링하는 명확하고 확립된 방법이 없습니다. 평가 작업의 대부분은 수동으로 진행됩니다. 많은 개발자가 비결정적 출력을 처리하는 데 익숙하지 않습니다. 커뮤니티에서는 아직 이러한 사용자와 잘 작동하는 시스템을 구축하지 못했습니다.
생성형 AI 모델 실행 비용도 중요한 문제이며, 개발자는 사용자를 위한 비용 대비 이점을 신중하게 평가하고 있습니다.
표준 모델과 맞춤 모델 비교
대화에 응한 개발자는 대부분 기성 모델과 API를 사용하는 경향이 있었습니다. 이를 통해 제한된 엔지니어링 시간과 지식을 사용하여 출시 기간을 최적화할 수 있습니다.
'웹 개발 분야에 계속 머물고 싶어. ML 엔지니어가 되고 싶지 않아.'
개발자는 검색 증강 생성 (RAG) 및 미세 조정과 같은 고급 기술의 잠재적 가치를 알고 있지만, 개발자의 업무 중 웹 개발 측면에 집중하는 것이 좋습니다. 궁극적으로는 기본 도구를 사용하거나 다른 팀이 사용 사례에 맞게 최적화된 모델을 생성하도록 하는 것이 좋습니다.
개인 정보 보호 및 보안 우려사항
개인 정보 보호와 보안이 가장 큰 우려사항이었으며, 특히 의료 업계와 같이 엄격한 데이터 요구사항이 있는 업종에서 그러했습니다. 온디바이스 AI는 이러한 사용 사례를 해결하는 데 핵심적인 역할을 할 수 있지만 이 분야는 아직 크게 탐구되지 않았습니다.
클라우드 API를 통해 더 많은 서드 파티에 사용자 데이터를 노출하는 것은 우려되는 부분이며, 잠재적인 개인 정보 보호 및 보안 문제를 완화하기 위해 온디바이스 머신러닝 또는 생성형 AI의 가치를 인식하는 개발자가 많습니다.
웹 개발자를 위한 AI
AI는 어디에나 있으며 놀라운 속도로 발전하고 있습니다. 최신 상태를 유지하고, 기존 도구와 모델을 통합하거나, ML 엔지니어와 협력하여 필요에 가장 적합한 새 모델을 생성하려면 어떻게 해야 할까요?
Google은 사용자로부터 얻은 정보를 바탕으로 웹 개발자를 위한 AI 관련 가이드를 마련하고 있습니다. Google은 개발자가 AI 개념을 개략적으로 이해하고, 생성형 AI를 사용하여 생산성을 높일 기회를 발견하고, 기존 도구, 모델, API를 사용하여 AI로 즐거운 사용자 환경을 구축할 수 있도록 지원하고자 합니다. AI 컬렉션에 더 많은 콘텐츠가 게시될 예정이오니 계속해서 확인해 주세요.
대부분의 웹 개발자는 웹 개발이라는 자신의 전문 분야에 집중하는 것을 선호하지만, 더 깊이 파고들고 싶은 분들은 웹 개발자에게 필요한 도구, 모델, API를 빌드해 보시기 바랍니다. Google은 여러분의 의견을 듣고 여러분의 성공을 지원하는 방법을 알아보고자 합니다.
AI는 빠르게 발전하는 분야입니다. 따라서 변화가 있을 때마다 커뮤니티와 계속 소통하면서 더 많은 대화와 설문조사를 진행할 예정입니다. Google과 논의하고 싶다면 Google팀과 상담 시간을 예약하세요.