GitLab의 Root Cause Analysis 기능은 실패한 CI/CD 파이프라인의 근본 원인을 파악하고, 해결 방법을 제안하는 인공지능(AI) 기반 기능입니다.

안녕하세요. 인포그랩에서 DevOps 엔지니어로 일하는 Chris입니다. 요즘 IT 업계에서는 ‘인공지능(AI)’만큼 센세이셔널한 키워드를 찾기 어려울 정도로 이 기술이 핫 이슈입니다.

n8n은 인공지능(AI) 기반 워크플로 자동화 도구입니다. 이 도구는 다양한 애플리케이션과 서비스를 손쉽게 연결하고, 워크플로를 최적화하도록 지원합니다.

요즘 많은 개발자가 코드를 작성하는 데 생성형 인공지능(AI)을 사용합니다.

GitLab이 최근 ‘AI 투명성 센터’를 선보였습니다. 여기에는 GitLab의 제품 개발을 위한 AI 윤리 원칙, AI 지속성 계획 등이 있는데요.

인포그랩은 올해 2월 ‘GitLab 공식 기술 문서 한글판 by 인포그랩(이하 GitLab 공식 기술 문서 한글판)’이라는 신규 서비스를 선보였습니다.

인공지능(AI) 기반 생산성 도구는 ‘반복적인 코딩과 지루한 작업을 자동화하고, 코드를 생성하여 생산성을 향상한다’고 약속합니다. 그러나 조직이 ‘생산성 도구의 AI 영향력’을 측정하는 방법은 아직 제대로 알려지지 않았습니다.

오늘날 많은 IT 기업이 개발 업무의 생산성과 효율성을 높이며 시장에 더 나은 제품을 빠르게 선보이려고 애씁니다. 이로써 기업은 고객에게 더 큰 가치를 제공하려 하는데요.

오늘날 소프트웨어 개발 업무는 AI의 영향을 받고 있습니다. GitLab은 이러한 영향을 긍정적인 방향으로 발전시키고자 다양한 AI 기능을 선보이는데요. 특히 여러 AI 기능을 한데 모은 ’GitLab Duo’를 제공해 조직이 원활하게 협업하고, 코드를 신속하게 작성하며 리뷰하도록 지원합니다. 이는 업무 생산성과 효율성을 높여 비즈니스 목표를 달성하는 데 도움이 될 수 있습니다. 이 글에서는 GitLab Duo를 활용해 소프트웨어 개발 업무 속도와 편의를 높이는 방법을 알아보겠습니다.

6월 26일, GitLab 코리아에서 16번째 밋업을 진행하였습니다. 이날은 평소보다 많은 분이 밋업에 참가해 주었는데요. 아마도 밋업 주제가 상당한 흥미를 불러온 것으로 생각합니다. 이날의 밋업 주제는 ‘GitLab + AI로 생산성 **높이기, 코드 리뷰 자동화’**였습니다.

밋업은 세션 1, 2로 나눠 진행됐습니다. **세션 1에서는 유인철 GitLab 코리아 이사가 ‘GitLab AI Assisted 주요 기능 알아보기’**를 주제로 발표했고요. 주요 내용으로 Code Suggestions, Suggested Reviewers 등 업무에 강력한 도움을 주는 AI 기능을 모은 GitLab Duo를 설명했습니다.

**세션 2에서는 신철호(Dexter) 인포그랩 이사가 ‘GitLab MR에서 코드 리뷰하기 - GPT & Plumber를 활용한 코드 리뷰 자동화’**를 주제로 발표를 진행했습니다. 주요 내용으로 리뷰의 중요성 및 다른 IT 회사의 모범사례, 코드 리뷰 자동화 방안을 설명해 주었고요. 코드 리뷰에 사용하는 도구로 ‘Plumber’도 소개했습니다. Plumber는 CI/CD 파이프라인을 손쉽게 구축하도록 도와주는 제품으로, 인포그랩이 개발했습니다.

최근 AI를 활용한 업무 자동화로 생산성을 높이는 것이 큰 화두인데요. 두 세션 모두 공통적으로 AI를 활용하여 업무를 효율적으로 수행하는 기능 및 방법을 알아보는 시간이었습니다. 이 글에서는 이번 밋업의 주요 발표 내용을 살펴보겠습니다.

ChatGPT는 OpenAI에서 개발한 대화형 인공지능(AI) 도구입니다. 이는 2022년 말에 공개되었으며, 전례 없는 놀라운 성능으로 전 세계에 GPT 열풍을 불러일으켰습니다. 그 결과, ChatGPT가 나온 지 반년이 지난 지금도 생성형 AI 뉴스는 끊임없이 쏟아지고 있습니다. AI API를 이용한 다양한 도구도 계속 등장하고 있고요.

빠르게 변화하는 소프트웨어 개발 세계에서 시간은 귀중한 자원입니다. 개발자는 워크플로의 생산성과 효율성을 개선하기 위해 끊임없이 노력합니다. 이 글에서는 일상적인 개발자 경험을 혁신하는 대규모 언어 모델(LLM) 기반 기술인 ‘코드 제안’을 소개합니다.

다음은 코드 제안의 사용 사례입니다:

• 작업 간소화
• 신규 개발자의 언어 탐색 지원
• 숙련된 개발자의 잦은 웹 검색 필요성 제거

이 모든 사례는 코드 제안이 어떻게 일상적인 개발자 경험을 향상하는지 보여주는 예시입니다. 이러한 사용 사례의 구체적인 예를 살펴보겠습니다.