SK플래닛 개발자들의 GitHub Copilot 활용기(AI-assisted Coding과 개발 생산성 향상 #2)

간단 소개

SK플래닛의 GitHub Copilot 활용 사례 및 생산성 향상 실험 결과, 개발자 경험에 미치는 영향 분석.

AI Summary

코파일럿 활용 개요
- SK플래닛은 코파일럿 활용 사례 공유 및 생산성 영향 측정을 목표로 실험 진행, 백엔드, 프론트엔드 외 데이터, 인프라, 블록체인 개발자 피드백을 수렴.
- 외부 전문가 초빙하여 AI 기반 코딩 트렌드 공유, 내부 사용자 그룹을 구성하여 활용 사례 공유.
코파일럿 활용 사례
- 자연어 to Code, 개발자 의도 분석 후 추천(자동 완성), Copilot Chat을 활용한 코드 리팩터링, 레거시 코드 분석 및 문서화, 테스트 작성 등 다양한 개발 업무 지원.
- 데이터 분석 및 처리 활용 사례로 Database 대량 스키마 변경 작업 시 생산성 향상, LLM fine tuning을 위한 학습 데이터 생성 테스트 진행.
코파일럿 생산성 영향
- Microsoft 실험 결과, 코파일럿 사용 시 개발 속도 향상 및 사용자 선호도 높음.
- SK플래닛 자체 측정 결과, 코파일럿 사용 시 완료 시간 단축 및 개발 속도 개선, 개발자 숙련도에 따른 완료 시간 차이 감소.
- 개발자 체감 생산성 개선 및 긍정적 사용 선호도 확인.
코파일럿 사용 시 유의사항
- 보안, 환각, 개발 역량 저하에 대한 우려 존재, 프롬프트 엔지니어링 능력 필요.
- iOS 앱 개발 환경 및 Web3 개발에 제약 존재.