생성형 AI 로우 코드가 앱 개발에 어떤 변화를 가져올까요?

이제 로우 코드가 계속 유지될 것임을 알았으므로 귀하의 조직은 다음 장을 어떻게 준비하고 있습니까? 지난 몇 년 동안 App Builder와 같은 로우코드 도구는 앱 구축의 다양한 문제점을 대상으로 하여 최고 경영진과 개발 팀 리더가 시장 출시 시간을 단축하고, 디자인에서 코드까지 앱 개발을 자동화하고, 개발 생산성을 최적화할 수 있도록 했습니다. 그러나 로우코드 앱 개발의 경계를 더욱 넓히는 생성형 AI 로우코드로 다시 발전하고 있습니다.

생성형 AI란?

일반적으로 생성형 AI는 예측 및 규범적 AI와 함께 중추적인 힘으로 부상한 인공 지능의 하위 집합으로 작동합니다. 예측 AI는 미래를 예측하는 데 사용되고 처방 AI는 정보에 입각한 결정을 내리는 데 사용되지만, 생성형 AI는 모든 유형의 콘텐츠를 만드는 것입니다. 예를 들어 ChatGBT를 생각해 보십시오. 트랜스포머 뉴럴 네트워크와 딥 러닝으로 구동되어 사용자가 제공하는 자연어 프롬프트를 기반으로 인간과 같은 콘텐츠를 제공합니다.

생성형 AI의 핵심은 다음과 같은 기술에 의존합니다.

• 변압기 모델

• 대규모 언어 모델(LLM)

• 확산 모델

• 기계 학습 모델

생성형 AI는 제품 설계 및 개발에 혁명을 일으킵니다. 로우 코드와 결합하면 조직과 팀이 더 빠르고 효율적으로 작업할 수 있습니다. 제너레이티브 AI 로우 코드라는 새로운 개념을 정의하는 이러한 도구는 컨텍스트(데이터 및 매개변수)를 제공하고 몇 분 안에 코드를 생성할 수 있습니다.

사람들은 인간-기계 협업에서 도구를 훈련할 수 있으며, 새로운 생성형 AI 로우코드 모델을 활용할 수 있습니다.

생성형 AI 로우코드란?

제너레이티브 AI 로우 코드는 로우코드 도구가 AI(예: App Builder AI)의 원칙과 기능을 통합하여 기술적 유창성을 시뮬레이션하는 경우입니다. 멀티모달 입력 및 출력을 관리하는 제너레이티브 AI는 텍스트 처리, 이미지 생성 등을 모두 로우코드 플랫폼 내에서 결합하는 워크플로우 생성을 간소화합니다.

생성형 AI 로우코드 기술이 발전함에 따라 사용자 의도와 소프트웨어 행동 간의 격차가 줄어들고 있으며, 더 많은 앱 개발 프로세스를 더 빠르게 자동화하는 것이 주요 목표입니다. 새로운 AI + 로우 코드 패러다임의 후유증은 다음과 같습니다.

• 공동 작업을 개선하고 개발 프로세스에 참여할 수 있는 더 광범위한 사용자(시민 개발자 포함)의 권한을 부여합니다.

• 광범위한 코드를 작성하지 않고도 더 빠른 프로토타이핑 및 반복, 구성 요소 구축, 사용자 인터페이스, 모형, 확장 가능한 POC 또는 MVP 등을 만들 수 있습니다.

• 데이터 입력, API 통합, 일반 언어 프롬프트에서 이미지 생성과 같은 어렵거나 반복적인 작업을 간소화할 수 있는 기능.

생성형 AI: 비즈니스 및 앱 개발에서의 로우 코드

야심 찬 목표를 가진 이 기술은 미션 크리티컬 앱을 구축하고 현대화하여 사기 탐지 및 고객 서비스 개선과 같은 보다 구체적인 작업을 수행하는 시나리오에 참여했습니다. 그러나 경영진이 생성형 AI 로우 코드를 새로운 프로젝트에 통합하려고 할 때마다 초점은 비즈니스 결과와 가치로 이동합니다. 이로 인해 조직과 팀은 재평가하고 스스로에게 질문하게 됩니다.

• 비즈니스 가치가 높습니까?

• 수익을 창출할 비즈니스 결과는 무엇입니까?

• 평가해야 할 위험과 단점이 있습니까?

• 이것이 중요한 문제점을 해결하고 있습니까, 아니면 우선 순위가 높은 요구 사항을 해결하고 있습니까?

• 이것이 장기 목표와 어떻게 일치합니까?

이 논의는 생성형 AI를 비즈니스 관행과 이미 확립된 로우코드 프로세스에 구현하는 데 중점을 둡니다. 그러나 AI는 새로운 개념이 아닙니다. 새로운 접근 방식에 가깝습니다. CTO, CIO 및 개발 팀 리더는 이미 결정된 공통 워크플로에 적합한 생성형 AI 기능을 활용하여 더 많은 사람들의 잠재력을 발휘할 수 있습니다.

가트너(Gartner)에 따르면 "2026년까지 80% 이상의 기업이 생성형 인공지능(GenAI) 애플리케이션 프로그래밍 인터페이스(API) 또는 모델을 사용하거나 생산 환경에서 GenAI 지원 애플리케이션을 배포하게 될 것"이라고 하며, 이는 2023년 5% 미만에서 증가할 것입니다.

​ISTA 컨퍼런스에서 Infragistics의 개발 도구 담당 수석 부사장인 Jason Beres는 선도 기업들이 "개선하고, 모델을 미세 조정하고, 더 나은 환경을 만들기 위해 엣지에 새로운 혁신 도구를 추가하고 있으며, 코드를 생성하고, 단위 테스트를 구축할 때 AI를 사용하여 생산성이 매월 최대 3%씩 향상되는 것을 보고 있다"고 밝혔습니다. 데이터 소스 생성 등."

이러한 도구가 개발자를 대체하기 때문이 아니라 팀이 작업을 더 잘 수행하는 데 도움이 되기 때문입니다.

C-레벨 임원을 위한 유용한 기사:

로우코드 도구로 개발자 생산성을 향상시키는 방법은 무엇입니까? 

기업은 비즈니스 가치를 제공하기 위해 생성형 AI를 어떻게 활용하고 있습니까?

AI 증강 소프트웨어 개발은 개발자 생산성을 높이고 개발자 만족도를 높이기 위해 개발 팀이 프로젝트와 작업을 관리하는 방식을 혁신 하고 있습니다. 제이슨 베레스(Jason Beres)는 "개발자들이 일하는 책상 옆을 지나가면서 콘솔 창과 메모장 및 기타 모든 도구에서 이 모든 코드를 작성하는 것을 보는 것이 싫습니다. 왜 우리는 여전히 이 모든 일을 해야 할까요? 바로 이 부분에서 AI가 큰 도움이 될 수 있습니다."

개발 경험을 개선하고 작업 효율성을 높이는 것을 목표로 합니다. 예를 들어 GitHub는 GitHub Copilot이 개발자 생산성과 만족도에 미치는 영향을 정량화하려고 했습니다. 그리고 그들이 강조한 것은 다음과 같습니다.

(출전: GitHub blog)

유사한 도구의 효과에 대한 기표로 사용하는 것; 생성형 AI가 단순히 엔지니어링 모범 사례를 혁신하는 데 그치지 않고 비즈니스 가치를 훨씬 빠르고 간단하게 구축하고 유지하는 방법을 보여줍니다. 생성형 AI는 로우코드 소프트웨어 분야도 발전시킵니다.

가트너의 수석 부사장 애널리스트인 아룬 찬드라세카란(Arun Chandrasekaran)은 "생성형 AI는 고위 경영진의 최우선 과제가 되었으며, 파운데이션 모델을 넘어 새로운 도구에서 엄청난 혁신을 촉발했다"고 말합니다. "의료, 생명과학, 법률, 금융 서비스, 공공 부문 등 많은 산업에서 생성형 AI에 대한 수요가 증가하고 있습니다."

생성형 AI의 과제 및 고려 사항

생성형 AI 로우코드가 프로세스를 혁신하는 혁신적인 기술로 작동하는 많은 사용 사례가 있지만, 사람들은 여전히 한계와 위험이 있다는 것을 이해해야 합니다. 다음은 제공되는 엄청난 잠재력에도 불구하고 해결해야 하는 AI 로우 코드 개발 과제 중 일부입니다.

• 강력한 거버넌스: 앱 개발의 맥락에서 품질과 규정 준수를 보장하기 위해서는 많은 양의 AI 생성 코드를 이해, 테스트 및 유지 관리하는 것이 여전히 필요합니다.

• 보안 위험: 생성형 AI를 보장하기 위해 로우코드 개발은 민감한 데이터를 노출하거나 잘못된 코드를 생성하는 것과 같은 취약성을 제기하는 대신 정확도를 향상시킵니다.

• 개발 기술 "위축": 생성형 AI 로우 코드에 대한 과도한 의존은 문제 해결이나 디버깅과 같은 기본 기술을 제한할 수 있습니다.

• 비용 영향: 예상되는 이익에 비해 생성형 AI 소프트웨어 개발을 채택하는 데 드는 추가 비용이 증가하고 있습니다.

• 직업 이동: 재교육과 교육이 필요할 수 있습니다.

• 통합 제한 사항: 레거시 시스템이나 외부 API는 때때로 생성형 AI 로우 코드와 호환되지 않을 수 있습니다.

C-레벨 임원을 위한 유용한 기사:

가이드: 로우코드 문제 제거 및 위험 완화 

생성형 AI 로우코드의 미래를 준비하는 방법은 무엇입니까?

로우코드와 AI의 부상은 많은 기존 앱 개발 모델에 도전했기 때문에 처음에는 혼란을 가져왔습니다. 이 프로세스는 소프트웨어 생성을 민주화하고 기업이 기술과 혁신을 처리하는 방법과 회사 내에서 육성하는 문화를 재고해야 한다고 주장했습니다. AI와 로우코드가 빠르게 발전함에 따라 기업이 미래에 대비하기 위해 재구상하고 "재정비"해야 하는 것은 다음과 같습니다.

생성형 AI 로우코드가 할 수 있는 일에 대한 기대치 조정

제너레이티브 AI 로우 코드는 모놀리식이 아닙니다. 여전히 진화하고 있습니다. 그렇기 때문에 경영진은 기회와 위험에 대해 실용적이어야 합니다. 컴퓨터에 할당될 특정 작업을 정의합니다.

AI를 위한 무대 설정

로드맵을 만들고 AI 거버넌스, 데이터 관리, 인재 확보, 기술 인프라 및 윤리적 고려 사항과 같은 핵심 요소를 다루는 생성형 AI 로우코드 전략을 사용합니다.

실험에 대한 개방성

경직된 기존 개발 주기를 없애고, 해당되는 경우 애자일 워크플로로 전환하고, 새로운 접근 방식과 도구를 시도하고, 유연성을 위해 노력하는 것이 중요합니다.

지속적인 업스킬링에 대한 생각

교육 기회에 투자하고 기술 개발 이니셔티브를 위한 예산을 계획합니다. 이렇게 하면 생성형 AI가 로우코드 개발에 새로운 유형의 인력을 투입할 것이기 때문에 최고 경영진이 IT 역할의 변화를 관리할 수 있습니다.

AI 및 로우 코드에 대한 기회를 미리 파악

여기에는 비즈니스 프로세스 분석, 업계 벤치마크 검토, 모든 이해 관계자를 참여시켜 인사이트를 수집하고 AI가 관리할 수 있는 문제점을 확인, 타당성 조사 수행이 포함됩니다.

새로운 기술을 기존 전략에 연결

IDEA 프레임워크를 고려하면 식별하고, 결정하고, 외삽하고, 예측합니다. 이 접근 방식은 정기적으로 사용되며, 리더와 최고 경영진이 환경을 평가하고, 프로세스 내의 격차를 발견 및 제거하고, 미래를 계획하는 데 도움이 됩니다.

결론 + 기사 요점

우리는 프로세스와 사고 방식을 재정의하기 위해 기계와 인간의 힘이 공존하는 앱 개발의 중요한 전환기에 있다고 자신 있게 말할 수 있습니다. 우리는 AI가 독립적으로 부상하는 것을 보았지만, 이제는 로우 코드로 수렴되어 혁신을 따라잡고자 하는 기업과 팀에 완전히 새로운 패러다임을 도입합니다. 그러나 이 두 가지 기술 기둥은 이제 함께 작동하고 있습니다. 생성형 AI가 로우코드 개발에 미치는 영향은 앱 구축 방식, 앱 구축 가능 사용자, 앱 개발 속도를 변화시킵니다.

산업이 발전함에 따라 기업은 가장 효율적인 방법으로 책임을 염두에 두고 이러한 도구의 기능을 활용하는 방법을 배워야 합니다. 핵심은 이점을 활용하는 것뿐만 아니라 거버넌스, 보안 및 업스킬링과 관련된 문제를 해결하는 것입니다. 이를 통해 비즈니스 가치, 적절한 프로세스 최적화 및 성장을 이룰 수 있습니다.