구글의 분산 권한 시스템 잔지바르(Zanzibar)의 핵심 아이디어를 차용한 새로운 데이터로그(Datalog) 도메인 특화 언어(DSL)인 'ZIL'이 공개되어 AI 프로젝트의 지식 관리 방식에 새로운 가능성을 제시하고 있습니다. ZIL은 Lean 4 프로그래밍 언어 환경에서 동작하며, 프로젝트 내의 다양한 객체(코드, 요구사항, 문서, 테스트 등)와 그들 간의 관계를 '주체-관계-객체'의 간단한 튜플 형태로 정의하고, 이를 바탕으로 새로운 관계를 추론하는 규칙을 적용할 수 있도록 설계되었습니다.
ZIL의 관계형 모델은 구글 잔지바르가 '객체#관계@사용자' 형태로 권한을 정의하는 방식에서 영감을 받았습니다. 예를 들어, '문서:readme#소유자@사용자:10'과 같이 특정 문서의 소유자를 명시하거나, '문서:readme#뷰어@그룹:엔지니어링#멤버'처럼 그룹 멤버십을 통해 접근 권한을 상속하는 복잡한 관계도 표현할 수 있습니다. ZIL은 이러한 관계형 빌딩 블록을 권한 모델뿐만 아니라, '선언 ── 구현 ──▶ 요구사항', '모듈 ── 의존 ──▶ 모듈'과 같은 프로젝트 전반의 다양한 관계를 기술하는 데 확장하여 활용합니다. 또한, 데이터로그 스타일의 혼(Horn) 규칙을 사용하여 '그룹이 문서를 볼 수 있고 사용자가 그 그룹에 속하면, 사용자도 문서를 볼 수 있다'와 같은 논리적 추론을 통해 새로운 관계를 자동으로 도출할 수 있습니다.
이러한 ZIL의 접근 방식은 AI 프로젝트 개발 과정에서 중요한 의미를 가집니다. 복잡한 AI 모델, 데이터셋, 실험 결과, 요구사항, 코드 변경 사항 등 수많은 요소들이 유기적으로 연결되어 있는데, ZIL은 이 모든 것을 하나의 통일된 지식 기반(Knowledge Base)으로 구축하고 관리할 수 있게 합니다. 개발자, 코드 리뷰 도구, CI/CD 파이프라인, 문서화 도구, 그리고 AI 어시스턴트까지 동일한 저장된 관계를 쿼리하여 활용할 수 있어, 프로젝트의 일관성과 효율성을 크게 높일 수 있습니다. 특히, 외부의 거대한 엔진이나 인프라에 의존하지 않고도 Git을 통해 지식 기반을 버전 관리하고 지속적으로 개선할 수 있다는 점은 소규모 팀이나 개인 개발자에게도 큰 장점이 될 것입니다.