오늘날 디지털 제품 개발의 복잡성이 증가함에 따라 ALM(Application Lifecycle Management)도구는 팀의 협업, 요구사항 관리, 테스트 및 검증과정을 체계적으로 지원하고 프로젝트 전체 과정의 추적성을 유지 관리 하는데 필수적인 역할을 하고 있습니다. 최근에는 인공지능(AI) 기술의 급속한 발전과 함께, ALM 도구의 자동화 기능들은 또 다른 전환점을 맞이하고 있습니다.
이 글에서는 Jama Software에서 제공 중인 AI 연동 기능과 앞으로 제공 예정인 기능들을 참고하여 ALM 도구에 통합되는 AI 기능들의 현주소를 살펴보고, 여기에 나아가서 앞으로 제공가능성이 있는 기능과 연동의 형태에 대해 종합적으로 살펴보도록 하겠습니다.
Jama Connect의 AI 연동 기능
Jama Software Labs에서는 현재 사용할 수 있거나 앞으로 제공예정인 다양한 AI 연동 기능 에 대해서 소개하고 있습니다. Jama Connect Advisor™를 통해 INCOSE(International Council on Systems Engineering) 규칙과 EARS(Easy Approach to Requirements Syntax) 패턴을 적용하여 모호하거나 일관성 없는 표현을 감지하고, 자연어 처리(NLP) 적용을 통해 요구사항의 오류 및 위반사항을 감지하여 구체적인 개선 방향을 제시할 수 있습니다. 더 나아가 사용자 수정 사항을 지속적으로 학습하여 시간이 지남에 따라 정확도를 개선할 수도 있습니다. 그 외에도 다음과 같은 기능들을 장단기 로드맵으로 두고 개발 중에 있습니다.
Lexicon (단기 로드맵)
AI를 활용하여 요구사항 문서에서 주로 사용되는 용어, 약어 등을 추출하고 표준화된 용어집을 생성합니다. 이를 통해 프로젝트 멤버들 간의 표준화된 용어 사용을 보장하고 다양한 이해 관계 조직의 용어 오용과 혼동을 방지하여 커뮤니케이션의 일관성을 유지할 수 있습니다.
Intelligent Reviews (장기 로드맵)
리뷰 담당자의 주요 피드백을 요약하고 리뷰 Comment를 기반으로 다음 단계를 제안해줍니다. 감정 분석을 통해 재작업이 필요한 Comment를 식별하고 리뷰 의견 분석으로 요구사항에서 고위험 영역을 자동으로 감지하여 요구사항 우선순위를 지정해줍니다. Intelligent Reviews를 통해 팀은 요구사항 내용 중 중요한 부분에 집중하여 리뷰 효율성을 높이고, 결함을 사전에 방지할 수 있습니다.
Test Case Intelligence (단기 로드맵)
AI를 통해 요구사항을 기반으로 요구사항에 연결된 테스트케이스와 테스트 스텝을 자동으로 생성하여 검증과정을 간소화 하고 제품 일정을 단축합니다. 또한 검증 및 검증 과정의 효율성과 일관성, 규정 준수를 강화하여 테스트케이스를 표준화하는 데에 도움을 주고 테스트 커버리지를 향상시킬 수 있습니다.
Intelligent Parsing, Reuse & Response (단기 로드맵)
PDF 및 Office 파일 형식의 복잡한 규제 문서 및 RFP(제안요청서) 등을 자동으로 파싱하고 AI기반 검색 및 추천 시스템을 사용하여 추출된 요구사항과 기존 요구사항을 매칭하거나 새로운 요구사항을 생성합니다. 이전 프로젝트에서 검증된 요구사항을 식별하고 추천하여 요구사항 IP(지식 재산) 재사용을 촉진하고 RFP 또는 감사에 대한 응답시간을 단축해 줍니다.
AI의 발전은 이제 단순한 자동화를 넘어 ALM 도구에 지능적인 분석과 의사결정 보조 기능을 더하고 있습니다. Jama Software Labs의 AI 기능들은 요구사항 관리의 품질 향상, 리뷰 효율성 증대, 테스트 자동화 등 다양한 측면에서 개발 프로세스를 혁신할 수 있는 가능성을 가지고 있습니다.
AI와 ALM의 결합은 이제 상용화가 시작되고 있는 단계이지만 다양한 프로토타입과 실험적 기능들이 이미 등장하고 있으며, 머지않아 개발 현장의 필수 요소로 자리잡을 것입니다. 여기서부터는 현업에 적합한 다양한 AI 기능의 가능성을 살펴보도록 하겠습니다.
스펙 문서 기반 프로젝트 Template 자동생성
ALM 도입 초기 기간 또는 신규 프로젝트를 시작하려고 할 때 스펙 문서에서 요구하는 다양한 속성과 프로젝트 팀에게 필요한 프로세스를 고스란히 녹여서 ALM 프로젝트를 생성하는 과정에는 적지 않은 노력이 필요합니다.
ALM 프로젝트 관리자는 ALM 도구 기능에 대한 깊은 이해도를 바탕으로 스펙 문서의 내용을 구체적으로 파악해야 하며, 팀 내부의 요구사항 처리 프로세스에 대해서도 잘 이해하고 있어야 합니다. 대부분의 ALM 도구에서는 한번 만들어진 프로젝트를 다양한 방법으로 재사용 할 수 있는 기능을 제공하지만, 그럼에도 불구하고 초기 프로젝트를 생성하는 과정은 모든 관리자가 반드시 거쳐야 하는 과정입니다.
AI가 프로젝트 생성과정에 기여할 수 있다면 과거에 작성된 수많은 요구사항 기반 학습데이터를 바탕으로 신규 프로젝트로 생성이 필요한 스펙 문서의 내용을 파악하여 특정 도메인(전장, 의료 산업 등) 성격에 맞는 프로젝트 템플릿을 자동으로 생성하는 것이 가능합니다. 이 프로젝트 템플릿에는 필요한 Item의 Type과 함께 다양한 필드속성이 포함되며 한번 작성된 템플릿을 자유롭게 수정 및 재사용할 수도 있게 됩니다.
요구사항 기반 Review Checklist 자동 생성 및 자동 Review 진행
대부분의 ALM 도구에서는 요구사항 스펙을 포함한 다양한 성격의 Item들을 Review 할 수 있는 기능을 제공하고 있습니다. Review 담당자로써 Review를 진행하다 보면 Review 과정에서 중점적으로 검토해야 하는 포인트나 수많은 참고 사항들을 놓치는 경우가 발생할 수 있으며, 이러한 부분을 보완하기 위해 일부 ALM 도구에서는 Review Checklist를 작성하여 Review 진행시 참고할 수 있도록 기능을 제공하기도 하지만 다양한 고객과 제품의 서로 다른 성격을 가진 다수의 요구사항을 다루어야 하는 팀에게는 일관성 있게 Checklist를 매번 생성하는 것이 쉽지 않은 작업이 될 수 있습니다.
이때 AI를 통해 Review Checklist를 생성하게 되면 담당자의 노력 없이도 요구사항 스펙 내용과 그 동안 팀에서 진행하였던 Review 결과를 바탕으로 요구사항이 기능 또는 비 기능인지, 외부 시스템과의 인터페이스가 포함되었는지, 조건 문이 명확한지 등 Review 진행 시 더 중점적으로 염두 해두어야 하는 부분과 참고 사항들을 자동으로 제시하고 Checklist를 일관성 있게 유지 관리할 수 있게 됩니다. Review 진행이 거듭될 수록 AI의 학습이 진행되어 Checklist를 제시하는 것에 그치지 않고 AI가 Review 담당자의 역할이 되어 자동으로 Review를 진행하여 AI Review 기반의 요구사항 검토 커뮤니케이션 프로세스를 구축하는 것도 가능할 것입니다.
요구사항 기반 설계 다이어그램 자동생성
개발 진행 단계에 따라 제품 요구사항이 작성된 후에는 제품에 대한 설계가 진행됩니다. 복잡한 제품 설계 다이어그램을 작성하기 위해서는 일부 ALM 도구에서 제공되는 오픈 소스 기반의 간단한 UML 도구보다는 보다 다양한 기능을 제공하는 Enterprise Architect 등의 전문 UML 도구를 사용하는 것이 설계 문서 관리에 유리할 수 있지만, 이러한 UML 도구에서 충족하지 못하는 ALM 요구사항 항목과의 추적성을 관리하기 위하여 LemonTree 등의 ALM – UML 연동도구를 함께 사용하는 사이트 또한 적지 않습니다. 이 과정에 AI를 도입하면 자연어로 작성된 요구사항을 구조화 하여 UML 설계 다이어그램을 자동으로 생성하는 것이 가능합니다.
이를 통해 ALM, UML 이종간의 도구를 이동하며 발생할 수 있는 설계 누락을 방지하고, 요구사항과 설계 항목간의 추적성을 자동으로 확보, 유지하여 시각적 커뮤니케이션을 강화하고 설계 초기의 효율을 향상시킬 수 있습니다.
요구사항 변화 추적과 변경 영향분석
하나의 요구사항은 다른 요구사항뿐 아니라 테스트 케이스, 설계문서, 코드, 검증 결과 등 다양한 개발 산출물과 연결되어 있습니다. 이 상태에서 특정 요구사항에 대한 변경이 필요하면 각 분야의 담당자는 요구사항 변경에 따른 영향도를 확인하여 서로 연관이 있는 항목들이 일관성 있게 수정될 수 있도록 유지관리 해야 합니다. 각 ALM 도구에서는 이러한 변경 영향도를 추적 관리할 수 있도록 다양한 기능을 제공하고 있지만, AI 연동 을 통해 좀 더 간편하고 정확한 추적관리가 이루어지도록 구성하는 것도 가능할 것입니다.
요구사항간 또는 다양한 산출물 간의 링크 정보를 기반으로 직접적인 영향 경로를 파악하는 것은 물론, 명시적으로 링크가 되어있지 않은 경우에도 문맥 유사성, 텍스트 기반의 의존성 분석이나 변경 패턴 학습 등을 통해 영향을 받을 수 있는 항목들을 직/간접적으로 추적할 수 있습니다. 이러한 추적 데이터를 바탕으로 영향 맵(Impact Map)을 자동 생성하여 연쇄적으로 영향을 받을 수 있는 항목들을 그래프로 생성, 영향도를 시각화 하고, 영향도와 우선순위를 종합적으로 고려해 가장먼저 검토해야 할 항목을 추천하여 Review Workflow도 자동으로 생성할 수 있습니다.
또한 변경된 요구사항 유형의 반복성, 변경시점의 프로젝트 상태(테스트를 실패 또는 리뷰 지연 등)를 추적하는 등의 변경 이력을 분석하고, 분석된 데이터를 기반으로 유사한 속성을 가진 요구사항이 추후에 변경될 가능성을 예측하는 것도 가능합니다. 이러한 예측데이터를 기반으로 자주 변경되는 패턴을 가진 요구사항에 대해서는 사전검토를 유도하고, 현재 변경하고자 하는 요구사항에 대해 과거 유사한 상황의 변경기록을 자동으로 제시해주는 것도 가능해질 것입니다.
AI는 이제 단순한 보조 도구가 아닌 요구사항 작성부터 설계, 검토, 테스트, 릴리즈에 이르기까지 전 단계에 걸쳐 ALM을 혁신할 주역으로 떠오르고 있습니다. Jama Software와 같은 선도 기업들의 실험적 접근은 이러한 가능성을 현실로 만들고 있으며, 앞으로 더욱 정교하고 직관적인 AI 기능들이 개발현장에 자연스럽게 녹아들 것으로 기대됩니다. ALM 도구에 AI를 적극 도입하고자 하거나 관련 기술에 관심이 있으시다면 슬렉슨과 함께 고민해보시는 것을 권해드립니다. 실질적인 경험과 기술 인사이트를 바탕으로 여러분의 조직에 맞는 방향성을 함께 찾아드리겠습니다.
