요약

AI, 소프트웨어 개발의 새로운 조력자

• 이 보고서는 AI를 활용하여 소프트웨어 개발을 더 빠르고 효율적으로 만드는 방법에 대해 이야기해요.

• 특히, 소프트웨어를 만들기 전에 '어떤 기능이 필요하고 어떻게 작동해야 하는지'를 정하는 도메인 모델링이라는 과정을 AI가 어떻게 도울 수 있는지 보여줍니다.

• AI를 통해 복잡한 비즈니스 절차를 더 빨리 파악하고 정리할 수 있어요.

• 이를 통해 개발 과정의 생산성을 크게 높일 수 있습니다.

• 이 내용은 AI 기술이 소프트웨어 개발 분야에 어떤 변화를 가져올지 궁금한 분들에게 아주 유용할 거예요.

Clarify 도구 소개: 비즈니스 프로세스를 시각화하다

• 스태판 팔로페가 만든 Clarify라는 도구는 소프트웨어 개발의 첫 단계를 도와줍니다.

• 이 도구는 마치 이야기를 그림으로 그리듯 비즈니스 프로세스를 시각화해요.

• 주요 기능으로는 이벤트 스토밍(일의 흐름 파악), 데이터 모델링(필요한 데이터 정리), 그리고 코드 자동 생성이 있어요.

• 사용자는 시간 흐름에 따라 주요 사건(이벤트)들을 배치하고, 누가 그 사건에 관여하는지(역할) 쉽게 표시할 수 있습니다.

• 또한, 각 사건에 필요한 정보나 문제점 등을 카드 형태로 추가하여 모델을 더욱 풍부하게 만들 수 있어요.

AI 코파일럿과 함께하는 도메인 모델링

• Clarify에서는 AI 코파일럿의 도움을 받아 도메인 모델을 빠르게 만들 수 있습니다.

• 마치 숙련된 조수에게 지시하듯, 원하는 비즈니스 과정에 대해 간단히 설명하면 AI가 초안을 만들어줘요.

• 예를 들어, '영업팀, 영업 관리자, 고객이 참여하는 CRM(고객 관계 관리) 프로세스'를 요청하면 AI가 관련 단계를 자동으로 생성해 줍니다.

• AI가 만들어준 모델에는 각 단계에 필요한 정보(카드)와 데이터 구조(데이터 모델)까지 포함되어 있어서 매우 편리해요.

• 이렇게 AI의 도움을 받으면 짧은 시간 안에 복잡한 워크플로우 모델을 완성할 수 있습니다.

시스템 관점에서 모델 살펴보기: API 정의로 연결

• AI가 만들어준 도메인 모델을 다른 시각으로 살펴볼 수도 있어요.

• 마치 건물의 설계도를 층별 또는 배관별로 나눠보듯, 이 도구는 모델을 시스템 관점에서 보여줍니다.

• 왼쪽에는 누가(역할), 가운데에는 어떤 시스템에서(시스템), 오른쪽에는 어떤 결과가(이벤트) 나타나는지를 한눈에 파악할 수 있어요.

• 각 시스템이 어떤 명령(Command)을 받고 어떤 결과(Event)를 내는지 명확하게 볼 수 있죠.

• 이렇게 정리된 정보는 소프트웨어가 다른 시스템과 어떻게 소통할지 정의하는 API를 만드는 데 아주 중요한 기초가 됩니다.

데이터 모델링: 이벤트 스토리를 활용한 접근

• 소프트웨어 개발에서 필요한 데이터를 정의하는 것도 중요해요.

• Clarify는 이벤트 스토리(Event Story)라는 방식을 사용하여 데이터를 모델링합니다.

• 이건 마치 '새로운 고객이 담당자에게 언제, 어디서, 어떤 경로로 만들어졌는지'와 같이 이야기를 풀어나가면서 필요한 정보를 찾아내는 방식이에요.

• AI에게 이런 이야기를 들려주거나, 직접 입력하면 AI가 이야기 속에서 어떤 정보(엔티티)가 중요한지 추천해 줍니다.

• 물론 AI의 추천이 완벽하지는 않지만, 데이터 모델링 과정을 훨씬 빠르게 시작하고 필요한 정보를 놓치지 않도록 도와줍니다.

마이크로서비스 분리 및 바운디드 컨텍스트 정의

• 큰 소프트웨어를 작고 독립적인 부분(마이크로서비스)으로 나누는 것은 요즘 개발 방식의 중요한 특징이에요.

• Clarify 도구는 만든 도메인 모델을 바탕으로 어떤 부분을 서비스로 분리할지 쉽게 정할 수 있도록 도와줍니다.

• 예를 들어, '고객 관리'와 관련된 부분들을 하나의 서비스로 묶고 싶다면, 그 부분만 따로 떼어내는 작업을 할 수 있어요.

• 이렇게 분리된 서비스들은 각자 자신만의 영역(바운디드 컨텍스트)을 가지게 되는데, 이는 다른 서비스와의 경계를 명확히 하는 데 도움이 됩니다.

• 도구는 분리된 서비스가 다른 서비스와 어떻게 데이터를 주고받아야 하는지(통합 지점)도 보여줘서 편리해요.

도메인 모델에서 실행 가능한 코드로: API 생성

• 도메인 모델링을 마치면, 이제 실제로 작동하는 소프트웨어를 만들 차례예요.

• Clarify는 완성된 도메인 모델을 바탕으로 API 코드를 자동으로 생성해주는 기능을 제공합니다.

• 원하는 프로그래밍 언어나 프레임워크를 선택하면, 도구가 모델에 정의된 내용을 기반으로 기본적인 코드 구조를 만들어줘요.

• 이렇게 생성된 코드는 완벽하지는 않더라도 즉시 실행해보고 작동하는지 확인할 수 있는 수준입니다.

• 이를 통해 개발자는 모델링 결과물을 바탕으로 빠르게 코드 구현을 시작할 수 있으며, 기본적인 부분은 자동화하여 시간을 절약할 수 있습니다.

AI 활용의 장점과 한계: 토론 및 Q&A

• AI 도구를 사용하는 것은 분명 많은 장점이 있지만, 현재의 한계도 명확히 인지해야 합니다.

• 장점으로는 복잡한 개념을 빠르게 배우고 작업 속도를 높이는 데 효과적이라는 점이 있습니다.

• 하지만 AI가 생성한 모델이 항상 완벽하거나 원하는 결과와 정확히 일치하지는 않아요.

• 또한, AI에 너무 의존하면 개발자와 비즈니스 담당자 간의 직접적인 소통이 줄어들 위험도 있습니다.

• AI 모델 자체에 편향성이 있을 수 있다는 점도 고려해야 할 부분입니다.

실제 적용 사례 및 활용 방안

• Clarify와 같은 AI 도구는 다양한 상황에서 유용하게 활용될 수 있습니다.

• 컨설턴트는 워크샵을 준비할 때, 익숙하지 않은 도메인(업무 영역)에 대해 빠르게 파악하고 예시 모델을 만드는 데 사용할 수 있어요.

• 이렇게 미리 준비된 모델은 워크샵 참가자들의 이해를 돕고 논의를 촉진하는 데 효과적입니다.

• 주니어 개발자나 컨설턴트의 경우, 이 도구를 통해 다양한 도메인의 기본적인 프로세스를 빠르게 학습하고 실무 경험을 쌓는 데 도움을 받을 수 있습니다.

• 즉, AI 도구는 숙련된 전문가부터 초심자까지 학습과 실무 효율을 높이는 조력자 역할을 할 수 있습니다.

향후 발전 방향 및 피드백 요청

• AI 도구는 아직 발전할 부분이 많이 남아있어요.

• 현재 모델을 수정하고 코드를 다시 생성하는 방식에서 나아가, 코드 수정 내용이 모델에 자동으로 반영되는 양방향 기능이 필요합니다.

• 또한, 기존 코드를 분석해서 자동으로 모델을 만들어주는 코드 역설계 기능도 유용할 것으로 예상됩니다.

• 이러한 기능 개선을 위해서는 실제 사용자의 경험과 피드백이 매우 중요해요.

• 사용자들의 의견을 통해 도구의 장단점을 파악하고, 실제 개발 과정에서 어떤 점이 더 필요한지 알 수 있기 때문입니다.

📌 AI를 활용하여 도메인 모델링 및 코드 생성을 가속화하는 Clarify 도구는 무엇인가요?

Clarify는 이벤트 스토밍, 데이터 모델링, 코드 생성을 지원하는 도구로, AI(GPT-4)를 활용하여 도메인 모델을 빠르게 생성하고 이를 기반으로 API 코드를 생성할 수 있습니다

💡 Clarify 도구의 주요 기능은 무엇인가요?

• 도메인 이벤트를 타임라인에 배치하고 역할을 정의

• 각 도메인 이벤트에 카드(문제, 기회, 사용자 스토리 등)를 추가하여 상세 정보 기록

• AI 코파일럿을 사용하여 워크플로우, 카드, 데이터 모델 생성

• 시스템 관점에서 명령, 시스템, 이벤트를 시각화

• 이벤트 스토리를 활용한 데이터 모델링

• 관련 엔티티 식별 및 AI를 통한 제안

• 마이크로서비스 및 바운디드 컨텍스트 분리

• 도메인 모델을 기반으로 API 코드 생성

이 컨텐츠는 ai를 활용하여 ddd(도메인 주도 설계) 및 도메인 모델링 프로세스를 가속화하는 방법을 시연합니다. 특히, Clarify라는 도구를 사용하여 ai 코파일럿의 도움을 받아 비즈니스 프로세스를 도메인 모델로 빠르게 변환하고, 이를 기반으로 api 코드를 생성하는 과정을 보여줍니다. 이 도구는 이벤트 스토밍, 데이터 모델링, 코드 생성 기능을 제공하며, ai를 통해 몇 분 안에 도메인 모델을 생성하여 설계 시간을 단축하고, 비즈니스 친화적인 모델에서 아키텍트 친화적인 api 정의까지 원활하게 전환할 수 있도록 돕습니다.

1. 발표 및 배경 소개

• 발표자는 Staffan으로, 20년 이상의 소프트웨어 개발 경험을 가지고 있음

  • 주로 비즈니스 측면에서 일했으나, 최근 몇 년간 다시 개발에 참여

• Clarify라는 회사의 공동 창업자로, 이벤트 스토밍, 데이터 모델링, 코드 생성이 가능한 도구를 개발 중임

• 오늘의 주제는 AI를 활용해 도메인 모델링을 빠르게 하고, 그 모델로부터 코드를 자동 생성하는 방법임

  • AI를 활용하면 도메인 모델을 며칠, 몇 주가 아닌 몇 분 만에 만들 수 있음

  • AI가 완벽한 모델을 만들지는 못해도, 빠른 피드백과 학습에 큰 도움이 됨

• Staffan의 개인적 배경: 스웨덴 북부에서 가족의 순록 사업을 이어받을 계획이었으나, 컴퓨터를 구입한 후 개발에 관심을 가짐

• 2008년 스톡홀름에서 Vio라는 회사를 창업, 스웨덴 최대 전자상거래 솔루션 공급업체 중 하나로 성장

• 4년 전 Clarify를 공동 창업, IT 프로젝트가 요구사항 수집 단계에서 자주 실패하는 문제를 해결하고자 함

2. Clarify 도구와 AI 통합의 계기

• 처음에는 비즈니스 프로세스 구축을 위한 빠른 도구로 시작했으나, 점차 도메인 모델 전체를 구축하는 도구로 발전

• 1년 전 Tech Stars 엑셀러레이터 프로그램에 선정되며, ChatGPT와의 통합을 시도

  • 단 몇 시간 만에 AI가 비즈니스 프로세스를 자동으로 그려주는 기능이 구현됨

  • AI가 사용자의 자연어를 이해하고, 원하는 데이터 형식이나 피드백을 반영할 수 있게 됨

• AI를 활용한 도메인 모델링은 계획에 없었으나, 실제로 큰 도움이 되었음

3. Clarify 도구의 주요 기능 및 워크플로우

• Clarify 도구의 주요 기능:

  • 도메인 이벤트를 타임라인에 배치하여 시각적으로 모델링

  • 역할별 swim lane, 이벤트 추가/이동, 흐름 병합 등 직관적 조작 가능

  • 각 도메인 이벤트에 카드(문제, 기회, 유저 스토리 등)를 추가해 정보 확장 가능

• 예시: Salesforce의 CRM 프로세스를 AI에게 프롬프트로 요청해 워크플로우 생성

  • "Salesperson, sales manager, customer" 역할, "new lead" 생성 등 구체적 요구사항 입력

  • AI가 워크플로우, 카드, 데이터 모델을 자동 생성

• 생성된 워크플로우에서 엔티티(예: lead, opportunity, proposal)와 시스템, 커맨드를 식별 가능

  • 시스템 관점, 역할별 커맨드, 이벤트 연결 등 다양한 시각 제공

4. 데이터 모델링 및 AI 활용

• 데이터 모델링은 이벤트 스토리 방식으로 진행

  • 도메인 전문가나 AI에게 "이 단계에서 필요한 데이터는?" 식으로 질문하여 데이터 필드 도출

  • 예시 데이터(회사 규모 등)를 입력받아 비즈니스 인사이트 확보

  • 7W(누가, 언제 등) 질문을 활용해 데이터 누락 방지

• 연관 엔티티(예: salesperson, contact person 등)도 AI의 도움으로 식별 가능

  • AI가 제안한 결과를 사람이 검토 및 수정하여 정확성 보완

5. 마이크로서비스 분리 및 바운디드 컨텍스트 설계

• 기존 모놀리스를 마이크로서비스로 분리하는 과정 시연

  • 예: lead를 Aggregate로 보고, Salesforce 대신 자체 서비스로 분리

  • 바운디드 컨텍스트(예: lead management) 생성, 관련 데이터 필드 및 통합 포인트 자동 식별

  • 간단한 컨텍스트 맵 형태로 바운디드 컨텍스트 간 통합 지점 시각화

• API 정의 및 구현에 필요한 정보(함수 인자, 내부 동작 등) 자동 확보

  • 유저 스토리를 추가해 세부 비즈니스 로직까지 모델에 반영 가능

6. 코드 자동 생성 및 실제 예시

• 모델에서 API 코드 자동 생성 가능

  • 예: Node.js + Express + SQL 기반 API, 파일 구조, Swagger 문서 등 자동 생성

  • 실제로 다운로드 받아 실행, 간단한 CRUD 동작 및 Swagger 문서 확인 가능

• 생성된 코드는 프로토타입 수준이나, 빠른 실험 및 테스트에 유용

7. 비즈니스-아키텍처 연계 및 모델의 활용성

• Clarify 도구는 비즈니스 친화적 모델에서 시작해, 아키텍처 친화적 뷰(데이터 필드, 엔티티, API)로 자연스럽게 전환 가능

• 향후에는 양방향 바인딩(코드-모델 상호 업데이트)도 목표

• 도구의 피드백 및 개선을 위해 아키텍트들의 의견을 적극적으로 수렴 중

8. 도메인 이벤트, 통합 이벤트, 비즈니스 언어의 활용

• 도메인 이벤트와 통합 이벤트의 구분에 대한 질문: 통합 이벤트도 도메인 이벤트의 일종으로 간주

• 비즈니스 언어(ubiquitous language)는 AI 프롬프트나 실제 도메인 전문가의 언어 모두 활용 가능

  • AI는 컨설턴트처럼 도메인 학습에 활용하거나, 실제 워크숍에서는 도메인 전문가의 언어를 직접 반영

• 도구는 아키텍트가 비즈니스와의 소통을 촉진하는 데 유용

9. AI 활용의 한계, 반복적 모델링, 도메인 특이성

• AI는 일반적/반복적인 도메인(예: 영업, 주문, KYC 등)에서는 높은 효율을 보임

  • 예시: 구글의 채용, 아마존 주문, 은행 KYC 등 다양한 도메인에서 활용

• 도메인 특이성이 높을수록 AI의 일관성/정확성은 떨어질 수 있음

  • AI가 60~70% 수준의 초안을 제공, 나머지는 전문가가 보완하는 방식이 현실적

• 생성된 모델은 팀의 논의와 수정을 통해 핵심 도메인, 차별화 요소를 추가할 수 있음

10. 전체 개발 사이클과 반복/진화적 모델링

• Clarify 도구는 이벤트 모델링 → 데이터 모델링 → 코드 생성까지 지원

• 변경사항 발생 시, 모델을 수정하고 다시 코드 생성하는 방식

  • 향후에는 코드-모델 간 양방향 동기화(two-way binding)도 계획 중

• 코드 재생성 시 전체 코드베이스가 바뀔 수 있다는 점은 과제로 남아 있음

11. 프로세스 중심/규칙 중심, UI 자동 생성 등 확장성

• 현재 도구는 프로세스 중심 도메인에 강점, 규칙 중심 도메인에는 한계가 있을 수 있음

• UI 자동 생성 실험도 진행: 백엔드와 연동되는 프론트엔드 앱, 칸반 보드 등 생성 가능

  • 하지만 프로토타입 수준이며, 실제 프로덕션에는 미흡

12. 데이터 모델과 도메인 모델의 구분, 복잡한 트랜잭션 처리

• 데이터 모델과 도메인 모델이 혼재될 위험에 대한 질문

  • 복잡한 비즈니스 로직, 메시징, 트랜잭션 등은 유저 스토리로 일부 보완 가능

  • 너무 복잡하게 만들면 비즈니스 친화성이 떨어질 수 있어, 단순함을 유지하는 것이 목표

• 여러 Aggregate를 아우르는 트랜잭션 등 고급 시나리오는 아직 연구 중

13. AI 도입 전후의 도구 변화와 온보딩 효과

• Clarify 도구는 원래 AI 없이 인간 중심 모델링을 위해 개발

  • AI 도입 후, 초안 생성 및 온보딩 속도가 크게 향상

• AI가 없는 상태에서 처음부터 모델링하는 것은 매우 어렵다는 점을 강조

• 모델과 코드 간의 지속적 동기화가 중요하며, 이를 위한 개선이 필요함

14. AI 도입의 커뮤니케이션 리스크와 활용 방안

• AI가 도입되면 비즈니스와 개발자 간 소통이 줄어들 위험이 있음

  • LLM이 생성한 산출물에만 의존할 수 있으므로, 인간 간 커뮤니케이션을 의식적으로 유지해야 함

• AI가 그럴듯한 결과를 내놓지만, 실제 요구사항과 다를 수 있으므로 주의 필요

15. 이벤트 모델링, CQRS, 데이터 흐름 지원

• 이벤트 모델링, CQRS, UI 기반 데이터 흐름 등 다양한 방식 지원

  • 각 단계별로 읽기/쓰기 모델, 커맨드, 이벤트를 명확히 구분 가능

• 데이터가 Aggregate를 따라 단계별로 이동하는 방식 등도 시각적으로 확인 가능

16. 유저 스토리 매핑, JIRA 연동 등 실무 활용

• 유저 스토리 매핑, JIRA로의 내보내기 등 실무에 바로 활용 가능한 기능 제공

  • 모델을 바로 백로그로 변환해 프로젝트 관리에 활용 가능

17. AI의 강점, 한계, 구조화된 산출물 생성

• AI는 일반적/반복적 도메인에서 초안 생성에 강점

• 텍스트가 아닌 구조화된 정보(JSON, 다이어그램 등)를 생성하는 사례로 주목

• 워크플로우, 카드, 데이터 모델 등은 각각 별도의 JSON 포맷으로 AI가 생성

  • 한 번에 모든 정보를 생성하기보다, 단계별로 요청하는 것이 더 효과적임

18. AI 활용의 실제 컨설팅 사례 및 효과

• 실제 컨설턴트가 도메인 지식이 부족한 상태에서 AI로 워크플로우 예시를 생성해 워크숍 준비에 활용한 사례

  • 예: 전자제품 리테일러의 라스트마일 딜리버리 프로세스, 10분 만에 워크플로우 초안 생성

• 도메인에 대한 사전 지식이 있으면 워크숍 진행이 수월하나, 편견(바이어스) 위험도 존재

• AI가 제공하는 예시, 위험, 기회 등은 아이디어 도출 및 논의 촉진에 유용

• 주니어 컨설턴트의 학습 및 실전 투입에도 도움이 될 수 있음

19. 사내 데이터로 AI 모델 훈련, 편견과 패턴 활용

• 대기업은 사내 위키, JIRA 등 자체 데이터를 활용해 LLM을 훈련하는 사례도 있음

  • 최신성, 맥락 반영 등에서 장점

• 산업 전반적으로 공통 패턴, 아키타입, 분석 패턴을 찾으려는 시도가 많음

• AI가 잘못된 모델을 제시해도, 도메인 전문가가 반박하며 올바른 답을 도출하는 촉진제 역할 가능

20. KPI, 예시, 확장성 및 마무리

• 워크플로우 내에서 KPI(핵심성과지표) 카드를 추가해 데이터 기반 논의 가능

  • 예: "이 워크플로우에서 한두 개 KPI만 고른다면?" 식의 질문으로 핵심 개선 포인트 도출

• 누구나 무료로 Clarify를 체험할 수 있으며, 피드백 제공 시 추가 프로젝트 제공

21. 마무리 및 추가 안내

• 피드백 요청 및 유튜브 녹화본 안내

• Clarify 및 발표자에게 직접 문의 가능, 다음 밋업 예고

NEXT : [영상분석] DDD & LLMs - Eric Evans - DDD Europe