SENAI: 소프트웨어 엔지니어링 기반 생성형 AI의 새 지평을 열다

본 기사는 소프트웨어 엔지니어링 원칙을 통합한 새로운 생성형 AI 모델 SENAI에 대한 연구를 소개합니다. 기존 모델의 한계를 극복하고, Bloom's Taxonomy 기반 평가 프레임워크를 제시하며, 실제 소프트웨어 개발에 적용 가능한 AI 모델 개발의 중요성을 강조합니다.

대규모 언어 모델(LLM)의 발전으로 코드 생성 분야가 혁신을 맞이했습니다. 기능적으로 정확한 코드 조각을 생성하는 능력은 놀랍지만, 기존 모델들은 모듈성, 단일 책임 원칙, 결합도, 응집도와 같은 핵심적인 소프트웨어 엔지니어링(SE) 원칙들을 간과하고 있습니다. Mootez Saad, José Antonio Hernández López 등 6명의 연구자들은 이러한 문제점을 지적하며, SENAI (Software Engineering Native Generative Artificial Intelligence)라는 새로운 비전을 제시하는 논문을 발표했습니다.

기존 모델의 한계: 기능적 정확성 너머

현재의 코드 생성 모델들은 사전 훈련 및 벤치마크 평가라는 단순한 파이프라인을 따릅니다. 이는 유지보수성, 확장성, 안정성과 같은 실제 소프트웨어 개발에서 중요한 요소들을 간과한 결과입니다. 단순히 기능적으로 동작하는 코드를 생성하는 것을 넘어, 실제 세계의 소프트웨어 엔지니어링 환경에서 필요한 견고하고 확장 가능한 시스템을 개발하기 위해서는 SE 원칙의 통합이 필수적입니다.

SENAI: SE 원칙을 LLM에 접목하다

SENAI는 LLM에 SE 지식을 통합하여 코드 및 기타 SE 아티팩트를 생성하는 능력을 향상시키는 것을 목표로 합니다. 이는 단순한 기능적 정확성을 넘어, SE 원칙과 모범 사례를 준수하는 생성 작업 수행을 가능하게 합니다. 연구자들은 LLM이 SE 지식을 얼마나 잘 내재화하는지 평가하기 위해 Bloom's Taxonomy를 프레임워크로 활용하는 것을 제안했습니다. 이는 기존의 선형 프로빙(linear probing)과 같은 방법보다 더 포괄적이고 엄격한 평가 기법입니다.

미래를 위한 도약: 실제 소프트웨어 엔지니어링 문제 해결

SENAI는 현존 모델의 단점을 극복할 뿐만 아니라, 실제 세계의 소프트웨어 엔지니어링 문제를 해결할 수 있는 차세대 생성형 모델의 길을 열어줄 것으로 기대됩니다. 이 연구는 단순히 코드 생성을 넘어, 소프트웨어 개발 전 과정에 걸쳐 AI를 활용하는 새로운 패러다임을 제시하며, 더욱 안전하고 효율적인 소프트웨어 개발의 미래를 향한 중요한 발걸음이 될 것입니다. 앞으로 SENAI가 어떻게 발전하고, 소프트웨어 개발 방식에 어떤 영향을 미칠지 주목할 필요가 있습니다.