최근 AWS가 공개한 AI 개발 수명 주기(AI-DLC) 방법론이 방대한 문서 중심의 접근 방식으로 인해 실제 AI 개발 현장에서 비효율적일 수 있다는 지적이 나왔습니다. AWS의 AI-DLC는 초기화부터 운영까지 5단계, 30여 개 이상의 세부 단계를 거치며 AI 생성 산출물에 대한 철저한 인간 검토를 요구하는데, 이는 사실상 자동화된 폭포수 모델에 가깝다는 비판입니다. 특히, 5단계 중 4단계가 문서 생성을 목표로 하고 있어, AI 개발의 속도와 확장성에 한계가 있다는 의견이 제시되었습니다.
이러한 문제의식 속에서 '애자일 AI-DLC'라는 새로운 방법론이 제안되었습니다. 이는 기존 AWS AI-DLC와 달리, 개발 단계에서 문서 대신 실행 가능한 프로토타입과 그 진화 버전을 만드는 데 집중합니다. 품질 보증 역시 인간의 검토가 아닌, 엄격한 린터(linter) 코드 검사, 타입 시스템, 스코어카드, CI/CD 파이프라인 같은 '결정론적 검사(deterministic checks)'를 통해 이루어집니다. 이 방법론의 핵심은 '포장된 길(paved paths)' 개념인데, 이는 피그마(Figma)에서 디자이너가 프로토타입을 만들거나, 제품 관리자가 슬랙 봇을 통해 프로토타입을 풀스택(full-stack) 기능으로 발전시키는 등, 조직 전체의 다양한 출발점부터 배포까지 표준화된 프로세스를 통해 개발을 안내하는 것을 의미합니다.
애자일 AI-DLC는 애자일 개발의 기본 원칙을 따르며, 개념 증명(PoC), 프로토타입(Prototype), 실행 가능한 명세(Executable Specification), 구현 루프(Implementation Loop), 평가(Evaluation), 회고(Retrospection)의 반복적인 주기로 진행됩니다. 특히 '실행 가능한 명세' 단계에서는 요구사항을 문서가 아닌 단위 테스트, 통합 테스트, 종단 간(end-to-end) 테스트와 같은 자동화된 검증이 가능한 형태로 정의하여, AI 에이전트가 이를 바탕으로 구현을 진행하도록 합니다. 이러한 접근 방식은 AI 개발의 속도를 높이고, 인력 의존도를 줄이며, 개발 과정의 투명성과 재현성을 확보하는 데 중요한 의미를 가집니다. 궁극적으로는 AI 기반의 엔지니어링 조직으로의 전환을 가속화하고, 대규모 AI 시스템 구축의 효율성을 극대화하는 데 기여할 것으로 기대됩니다.