여러분과 마찬가지로 Google도 인공지능 (AI)과 웹의 미래에 대해 많은 대화를 나눠 왔습니다. 잡음이 많고, 웹 개발자로서 우리가 정확히 무엇을 알아야 하는지 알기는 어렵습니다.
웹은 우리 팀보다 훨씬 더 광대하기 때문에 AI에 대해 어떻게 생각하는지, 무엇을 배우고 싶은지, 이 새로운 기술로 무엇을 하기를 바라는지 알고 싶었습니다. 이렇게 하면 이러한 노이즈를 뚫을 수 있는 콘텐츠를 가장 효과적으로 제공할 수 있습니다.
지난 몇 달 동안 웹 실무자들과 대화를 나누며 AI 환경 및 AI에 대한 여러분의 생각을 파악했습니다 물론 모든 것을 모든 사람과 이야기할 수는 없습니다. Google은 개발자가 AI를 사용하여 사용자에게 표시되는 기능을 제공하고 일상적인 워크플로의 생산성을 높이는 방법에 대해 주로 웹 Google Developer Experts를 비롯한 웹 개발자들과 소규모 대화를 나누었습니다.
Google은 이러한 정보가 웹상의 다른 사람들에게도 광범위하게 적용될 수 있다고 믿습니다. 커뮤니티가 우리가 배운 내용에 관심을 가질 것이라고 생각했습니다.
Google은 웹 개발자 환경에 대한 다른 연구와 함께 이러한 의견을 반영하여 새로운 AI 컬렉션을 만들었습니다. 이 컬렉션에서는 웹 개발자를 위한 개요, Codelab 및 데모, 웹에서 AI 도구와 모델을 고려하는 데 유용한 기타 리소스를 제공합니다.
이것은 시작에 불과합니다. 앞으로 몇 달 동안 훨씬 더 많은 것을 보게 될 것입니다.
생성형 AI를 통한 생산성 향상
웹 개발자들이 생성형 AI를 활용하여 생산성을 높이고 채팅 봇과 상호작용하여 새로운 기술을 배우거나 웹 개발 관련 질문에 대한 답을 얻고자 하는 것으로 나타났습니다.
대화를 나눈 개발자들은 이미 일상 워크플로에서 AI를 사용하고 있거나 비즈니스 또는 개인 프로젝트를 위해 AI를 사용하고 있습니다
코드 생성
Gemini 및 Copilot과 같은 코드 생성 도구가 표준 단위 테스트, 기본 자동 완성 (작성할 내용을 알고 있지만 작성해야 하는 경우), 코드베이스에 관한 광범위한 지식이 필요하지 않은 간단한 함수에 유용하다는 것을 배웠습니다. 이러한 도구는 특정 프로젝트에 대한 광범위한 컨텍스트가 필요한 더 복잡한 알고리즘 코드와 함수를 작성할 때는 유용성이 떨어질 수 있습니다.
상위 개발자가 코드 중복 및 장기 유지보수성 관련 문제를 비롯해 코드베이스의 장기 품질에 대한 우려를 언급했습니다. 일부의 경우 경험이 적은 팀원이 오류를 감지하지 못하거나 생성형 AI 도구로 생성된 코드를 정확하게 검증하는 방법을 모를 수 있다는 우려가 있었습니다.
또한 개발자는 액세스 가능한 구성요소 작성과 같이 특정 도메인 지식이 필요한 사용 사례가 이미 사용해 본 코드 생성 도구로 아직 올바르게 처리되지 않았다고 밝혔습니다.
LLM을 활용한 학습
많은 개발자가 ChatGPT 및 Gemini를 사용하여 대규모 언어 모델 (LLM)에 정렬 알고리즘의 작동 방식을 설명하도록 요청하거나, 다양한 프로그래밍 언어를 확장하거나, 지식 격차를 해소하는 등 소프트웨어 개발 개념을 학습했습니다.
LLM은 질문과 대답의 빠른 상호작용을 통해 우수한 환경을 제공한다고 생각하며, AI가 질문을 비판하지 않고 필요한 답변만 제공하기 때문입니다.
모델이 할루시네이션을 일으키고 잘못된 응답을 생성하는 인스턴스를 포착하려면 최소한의 지식만 필요합니다.
비즈니스 문제로서의 IP 보호
설문조사에 참여한 개발자 중 다수가 기업에는 아직 생산성 향상을 위해 생성형 AI를 사용하는 개발자에 대한 정책이 없다고 말했습니다. 생성형 AI 도구는 주로 실험하는 개발자에 의해 사용됩니다
"저희 회사는 일반적으로 AI의 의미를 잘못 이해하여 올바른 정책을 수립하지 않고 있습니다."
하지만 정책이 있는 기업은 회사의 지적 재산 (IP)이 제3자에게 유출될 우려가 있으므로 사용을 권장하지 않습니다. 이러한 도구의 기반이 되는 기업과 직접 소통하여 데이터 사용 방식 및 잠재적 위험을 파악한 후 이러한 정책이 변경되는 경우가 있습니다.
데이터 보호를 전담하는 엔터프라이즈 계정과 파트너십을 사용하면 비즈니스가 개발자의 사용을 독려할 가능성이 높아집니다.
사용자 대상 제품 기능을 위한 생성형 AI
제품 측면에서는 'AI / ML'이라는 용어로 대화를 시작할 때 생성형 AI에 초점을 맞추는 경우가 많았습니다. 개발자들은 생성형 AI를 사용하여 사용자 환경을 개선하는 방법이 궁금하지만 이러한 환경이 어떤지, 프로덕션에서 이를 제공하는 데 어떤 도구를 사용할 수 있는지는 잘 모릅니다.
제품에 생성형 AI 기능을 빌드했거나 빌드하고 있는 개발자의 경우, 생성형 AI를 사용하여 챗봇 또는 일회성 인터페이스로 사용자 질문에 답하는 것이 가장 일반적인 사용 사례입니다.
출력 품질은 개발자 여러분의 가장 큰 우려사항입니다. 특히 개발자는 응답이 정확한지 확인하고 LLM이 의도한 목표와 관련 없는 콘텐츠를 생성하지 않도록 하는 것을 목표로 합니다. LLM의 출력이 챗봇과 같이 직접적으로 사용자에게 표시되는 경우 특히 그렇습니다.
"AI 관련 데모는 거칠게 일어납니다. 프로젝트를 시연할 때마다 출력이 완전히 달라집니다."
다양한 프롬프트에 대한 생성형 AI 출력을 검증하는 테스트 모음을 만드는 데 많은 노력을 기울이고 있지만 응답을 테스트하거나 모니터링할 수 있는 명확하고 확실한 방법은 없습니다. 대부분의 평가 작업은 수동으로 이루어집니다. 많은 개발자가 비결정적 출력을 처음 처리합니다. 커뮤니티의 일원으로서 아직 잘 작동하는 시스템을 구축하지 못했습니다.
생성형 AI 모델을 실행하는 비용도 중요한 문제로, 개발자들은 사용자가 얻는 이점과 비용을 비교하여 신중하게 평가하고 있습니다.
표준 모델과 커스텀 모델 비교
설문조사에 참여한 개발자들은 즉시 사용할 수 있는 모델과 API를 사용하는 경향이 높았습니다. 이렇게 하면 TTM(time to market)과 제한된 엔지니어링 시간 및 지식의 사용을 최적화할 수 있습니다.
"저는 웹 개발 분야에서 일하고 싶어요. ML 엔지니어가 되고 싶지는 않습니다."
개발자는 검색 증강 생성 (RAG) 및 미세 조정과 같은 고급 기술의 잠재적 가치를 알고 있고 그 가치를 알고 있지만, 개발자는 웹 개발 작업 측면에 집중하는 것이 좋습니다. 결국에는 기본 도구를 사용하거나 다른 팀을 통해 사용 사례에 최적화된 모델을 만드는 것을 선호합니다.
개인 정보 보호 및 보안 문제
개인 정보 보호와 보안은 특히 의료 산업과 같이 데이터 요구사항이 엄격한 카테고리에서 가장 큰 우려사항이었습니다. 온디바이스 AI는 이러한 사용 사례를 처리하는 데 핵심적인 역할을 할 수 있지만 이 영역은 대체로 탐구되지 않습니다.
Cloud API를 사용하면 사용자 데이터를 더 많은 서드 파티에 노출하는 것이 우려되며, 많은 개발자가 잠재적인 개인 정보 보호 및 보안 관련 함정을 완화할 수 있는 온디바이스 머신러닝 또는 생성형 AI의 가치를 인식하고 있습니다.
웹 개발자를 위한 AI
AI는 어디에나 있고 놀라운 속도로 진화하고 있습니다. 어떻게 하면 최신 상태를 유지하거나, 기존 도구와 모델을 통합하거나, ML 엔지니어와 협력하여 니즈에 가장 적합한 새 모델을 만들 수 있을까요?
Google은 여러분의 의견을 바탕으로 웹 개발자를 위한 AI 지침을 만들고 있습니다. Google은 사용자가 AI 개념을 개괄적으로 이해하고, 생산성 향상을 위해 생성형 AI를 사용할 기회를 발견하고, AI를 사용하여 기존 도구, 모델, API를 사용하여 만족도 높은 사용자 환경을 구축할 수 있도록 돕는 것을 목표로 합니다. AI 컬렉션에 더 많은 콘텐츠가 게시될 예정이니 나중에 다시 확인해 주세요.
대부분의 웹 개발자는 자신이 잘하는 일(즉, 웹 개발)에 집중하는 것을 선호하지만 웹 개발자에게 필요한 도구, 모델, API를 빌드하는 데 더 깊이 들어가려는 개발자는 권장됩니다. 여러분의 의견을 듣고 성공하는 데 Google이 어떻게 도움이 될 수 있는지 알려주세요.
AI는 빠르게 변화하는 영역입니다. 따라서 상황이 바뀌면 더 많은 대화와 설문조사를 통해 커뮤니티와 계속 협력할 것입니다. 논의를 원하시면 Google팀과의 미팅 시간을 예약하세요.