DevOps에서 컨텍스트 엔지니어까지, 새 직함은 새 전문성일까요?
핵심 요약
- DevOps는 개발과 운영의 협업을, SRE는 서비스 신뢰성을 중심에 둡니다.
- 플랫폼 엔지니어링은 개발팀이 반복해서 쓰는 기능을 공통 기반으로 제공합니다.
- 컨텍스트 엔지니어링은 AI가 작업에 필요한 정보를 받아 활용하도록 설계하는 일입니다.
- 새 직함이 어떤 역할인지는 담당하는 문제와 결정 권한, 평가 기준을 보면 알 수 있습니다.
AI에게 코드를 맡겨도 필요한 자료와 작업 범위는 사람이 정해야 합니다. 이 일을 ‘컨텍스트 엔지니어’라는 별도 직무로 묶으면 새로운 전문성이라고 볼 수 있을까요? DevOps와 SRE, 플랫폼 엔지니어링을 함께 살펴보면 직함이 바뀔 때 무엇을 확인해야 할지 좀 더 분명해집니다.
DevOps와 SRE는 출발하는 질문이 다릅니다
가상의 쇼핑몰 개발팀을 떠올려보겠습니다. 개발자가 할인 기능을 완성했지만, 배포 절차는 운영 담당자만 알고 있습니다. 문제가 생겼을 때 누가 대응할지도 불분명합니다.
DevOps는 이렇게 개발과 운영이 단절된 문제를 다룹니다. 소프트웨어를 만들고 배포한 뒤 관리하는 과정까지 개발과 운영이 함께 개선해 나가는 방식입니다. 배포 자동화도 여기에 포함됩니다. 다만 도구를 설치한다고 해서 누가 무엇을 책임질지까지 정해지는 것은 아닙니다.
SRE는 서비스 신뢰성에서 출발합니다. 사이트 신뢰성 엔지니어링이라는 뜻입니다. 서비스를 얼마나 안정적으로 제공할지 목표를 정하고, 그 목표를 지킬 수 있도록 소프트웨어와 자동화로 운영 방식을 개선합니다.
쇼핑몰에서는 결제 요청의 성공률이나 응답 시간을 관리할 수 있습니다. 장애가 날 때마다 사람이 같은 명령을 입력하고 있다면 그 작업을 자동화하는 것도 중요한 과제입니다.
두 개념은 서로 경쟁하지 않습니다. DevOps의 협업 원칙을 실천하면서 SRE의 방법을 활용할 수 있습니다. 그래서 ‘DevOps 다음 단계가 SRE’라는 식으로 직함에 순서를 매기기는 어렵습니다.
플랫폼 엔지니어링은 반복되는 요청을 제품으로 바꿉니다
쇼핑몰 회사에 개발팀이 여러 개 있다고 해보겠습니다. 각 팀은 테스트 환경을 만들고 배포 설정을 작성해야 합니다. 로그를 확인하는 방법도 따로 익히다 보니 팀마다 비슷한 수고를 반복합니다.
플랫폼 엔지니어링은 여러 팀에 공통으로 필요한 기능을 함께 쓸 수 있는 기반으로 만듭니다. 예를 들어 개발자가 표준 템플릿을 선택하면 새 서비스의 저장소와 배포 환경이 준비되도록 만들 수 있습니다.
이때 중요한 것은 내부 개발자를 사용자로 보는 관점입니다. 공통 도구를 만들었다고 곧바로 성공이라고 하기는 어렵습니다. 개발자가 그 도구를 쉽게 이해하고 쓸 수 있어야 하고, 실제로 작업에 드는 시간도 줄어야 합니다.
설계할 때는 표준을 어디까지 적용할지 고민하게 됩니다. 너무 엄격하게 적용하면 특수한 요구를 처리하기 어렵습니다. 그렇다고 선택지를 지나치게 많이 주면 개발자가 다시 모든 것을 알아야 합니다.
DevOps가 협업 방식에 초점을 둔다면, 플랫폼 엔지니어링은 그 협업에 필요한 공통 기능을 내부 제품으로 만드는 데 집중합니다. SRE와 자동화나 관측 도구를 함께 쓸 수도 있습니다. 조직 규모에 따라서는 한 사람이 이 역할들을 함께 맡기도 합니다.
컨텍스트 엔지니어링은 AI에게 무엇을 보여줄지 설계합니다
컨텍스트는 AI 모델이 답을 만들 때 참고하는 입력 정보입니다. 사용자의 요청 외에도 검색한 문서나 앞선 대화가 들어갈 수 있고, 도구 실행 결과도 포함할 수 있습니다.
컨텍스트 엔지니어링에서는 “AI가 지금 무엇을 보고 일하게 할 것인가”를 정해야 합니다.
쇼핑몰에 환불 안내 AI를 붙인다고 해보겠습니다. “친절하고 정확하게 답하세요”라는 지시만으로는 부족합니다. 해당 주문의 구매일과 상품 종류를 알아야 하고, 그 주문에 적용되는 환불 규정도 필요합니다.
이를 위해 설계해야 할 일은 꽤 구체적입니다. 어떤 문서를 검색할지 정하고, 오래된 규정이 섞이지 않도록 관리해야 합니다. 도구가 가져온 주문 정보 중에서는 답변에 필요한 항목을 골라야 합니다. 고객별로 어떤 정보에 접근할 권한이 있는지도 확인해야 합니다.
검색과 데이터 처리, 권한 관리는 기존 소프트웨어 개발에서도 해온 일입니다. 다만 이렇게 얻은 정보를 AI의 입력으로 쓰면 더 살펴야 할 문제가 생깁니다. 자료가 너무 많으면 핵심 정보가 묻힐 수 있고, 필요한 정보를 줬어도 모델이 답변에 제대로 반영하지 못할 수 있습니다.
그래서 검색 결과의 품질과 최종 답변의 품질을 함께 평가해야 합니다. 입력을 줄여 비용을 낮췄다면 정확성도 유지되는지 확인해야 합니다. 이런 판단을 계속 내리고 그 결과까지 책임지는 일이라면, 익숙한 기술을 쓰더라도 전문성이 쌓일 수 있습니다.
새 직함의 실체를 확인하는 세 가지 기준
기존 기술을 활용하는 일에서도 새 전문성이 생길 수 있습니다. 여러 기술을 묶어 특정 문제를 꾸준히 해결하는 능력에도 가치가 있기 때문입니다. 물론 이름이 새롭다는 이유만으로 업무까지 달라지는 것은 아닙니다.
직무 설명을 읽거나 팀의 역할을 정할 때는 다음 세 가지를 확인해 볼 수 있습니다.
- 담당 문제: 이 역할은 구체적으로 어떤 실패를 해결해야 하나요? 배포가 늦어지는 문제인지, 장애가 잦은 문제인지, AI가 잘못된 답변을 내놓는 문제인지 구분할 수 있어야 합니다.
- 결정 권한: 결과를 개선하려면 무엇을 바꿀 수 있나요? 도구와 데이터를 바꾸거나 작업 절차를 조정할 권한이 맡은 책임에 맞게 주어져야 합니다.
- 평가 기준: 일이 나아졌는지는 어떻게 확인하나요? 배포 준비 시간, 반복 운영 작업량, 답변 정확도처럼 담당하는 문제에 맞는 기준이 필요합니다.
가령 컨텍스트 엔지니어라는 직함을 붙이고, 다른 사람이 정한 지시문을 수정하는 일만 맡긴다고 해보겠습니다. 그 정도 권한으로 AI의 답변 품질 전체를 책임지라고 요구하기는 어렵습니다. 검색 구조와 입력 구성을 바꾸고 평가 방식까지 함께 개선할 수 있다면, 어떤 역할을 맡는지 훨씬 분명해집니다.
저는 새 직함을 볼 때 책임의 구체성을 먼저 봅니다. 어떤 실패를 줄이는지 설명할 수 있고, 그 일을 개선할 권한과 평가 기준이 있다면 전문성을 인정할 근거도 생깁니다. 팀에서 직함이 바뀐다면 다음 날부터 실제로 어떤 일이 달라지는지도 살펴봐야 합니다.
댓글
댓글을 불러오는 중...