핵심 내용 요약
스프링 프레임워크의 창시자인 로드 존슨(Rod Johnson)이 20년 만에 개발 현장으로 복귀하여 오픈소스 AI 프레임워크인 엠벨(Embabel)을 만들었습니다. 이 프레임워크는 기업용 AI 에이전트의 “제어 가능성, 설명 가능성, 감사 가능성” 문제를 해결하기 위해 고안되었습니다. 그는 충격적인 주장을 펼쳤습니다: 이것이 인간이 직접 선택하는 마지막 세대의 프레임워크가 될 수도 있다고 말입니다. 즉, 미래에는 AI 도구들이 개발자 대신 기술적인 결정을 내리게 되어 인간은 더 이상 프레임워크를 직접 선택하거나 기술 스택을 구성할 필요가 없을 것입니다. 또한, 그는 기업용 AI 응용에 대해 많은 “반직관적인” 견해를 제시했습니다. 예를 들어, AI를 위해 Java를 무작정 Python으로 재작성하는 것을 반대하며, AI 코딩 에이전트가 코드베이스를 파괴할 수 있다고 경고했으며, 게임의 NPC(Non-Player Character) 계획 알고리즘을 사용하여 AI 에이전트를 “잘 통제하도록” 하는 방법을 제안했습니다.
1. 스프링의 아버지가 돌아왔다: 왜 지금 AI 프레임워크를 만드는가?
로드 존슨은 갑자기 “분야를 넘나든” 것이 아닙니다. 그는 원래 음악 박사였으며, 프로그래밍으로 전향한 “다재다능한 인물”입니다. 20년 전에 그는 스프링을 사용하여 자바 기반의 기업 개발 방식을 재정의했습니다. 이번 복귀는 GPT-3/ChatGPT로 인해 AI가 실험실에서 실제 환경으로 나아갔지만, 기업들이 AI를 사용하면서 많은 문제에 직면했기 때문입니다:
- 경영진은 “AI를 전폭적으로 도입하라”고 하지만, 팀들은 명확한 비즈니스 목표 없이 무작정 프로젝트를 시작합니다;
- AI가 기존 시스템에 강제로 적용되어 자바 기반의 기존 비즈니스 스택과 단절되어 “고립된 섬”이 되었습니다;
- LLM(대규모 언어 모델)을 호출할 때는 제멋대로 이루어져 결과가 예측 불가능하고 감사도 어렵습니다.
그는 지난 2년간 텐서플로우(TensorFlow)를 사용해왔으며, 기업용 AI에는 LLM과 기존 비즈니스 시스템(예: 자바)을 원활하게 통합하고 AI의 행동을 “규칙적으로” 만들어주는 프레임워크가 필요하다는 것을 깨달았습니다. 그래서 엠벨이 탄생했습니다.
2. 기업용 AI는 무작정 Python을 사용하지 마라! 자바가 답이다
많은 회사 경영진들이 자바 팀에게 Python으로 AI 개발을 요구하지만, 로드 존슨은 이를 “오류”라고 말합니다:
- 두 가지를 명확히 구분해야 합니다: 데이터 과학(모델 훈련, 미세 조정)에는 Python이 적합하지만, 기업용 AI 응용(LLM을 비즈니스 시스템에 적용하는 것)에는 필요 없습니다. LLM은 본질적으로 HTTP 호출이며, 자바로도 Python과 마찬가지로 간단하게 호출할 수 있습니다;
- 연관성이 가장 중요합니다: 기업의 기존 시스템의 90%는 자바로 작성되어 있으므로, 자바를 사용하면 기존 시스템과 직접 연동할 수 있고 새로운 것을 만들 필요가 없습니다;
- 엠벨의 타협점: 핵심 부분은 코틀린(Kotlin)으로 작성되었지만, 자바 사용자에게는 완전히 원활하게 호환됩니다. 자바 코드로 엠벨을 호출해도 코틀린의 특이점을 전혀 느낄 수 없습니다.
예를 들어, 호주의 한 회사는 자바를 사용하여 작은 기능을 구현했고, 95%의 폼 검증 과정을 자동화했으며 Python으로 전환하지 않았습니다. 그 결과 매우 좋았습니다.
3. AI로 코드를 쓰는 것이 즐겁다고? 조심하세요, 코드베이스가 엉망이 될 수 있습니다
로드 존슨 자신도 95%의 코드를 AI로 작성하지만, 그는 경고합니다: AI에게 모든 것을 맡겨서는 안 됩니다:
- AI는 “일회용 코드”(예: UI 프로토타입)를 작성하는 데는 유능하지만, 심각한 비즈니스 코드를 작성할 때는 기능을 난폭하게 추가하여 설계가 퇴화되고 코드가 부풀어집니다;
- 그의 비결은 아키텍처에 대한 통제권을 스스로 가지며, AI에게는 “실행 세부 사항”만 작성하도록 하고, diff를 통해 수정하는 것입니다. 예를 들어, AI가 특정 값을 하드코딩할 때 그는 “여기서는 전략 패턴을 사용해야 한다”고 지적합니다;
- 기업에서 흔히 발생하는 문제: 경영진이 팀에게 AI를 사용하라고 강요하지만, 팀은 “왜 AI를 사용해야 하는지”조차 명확히 생각하지 않아 프로젝트가 실패합니다.
4. 엠벨의 혁신적인 기술: 게임 NPC 알고리즘으로 AI 에이전트를 효과적으로 제어하기
다른 AI 프레임워크(예: LangChain)는 LLM이 다음 단계를 스스로 결정하게 하지만, 결과가 예측 불가능합니다. 엠벨은 게임의 NPC에 사용되는 GOAP 알고리즘(목표 지향적 행동 계획)을 사용합니다:
- NPC처럼 계획하기: 예를 들어, “폼을 검증해야 한다”고 할 때, GOAP은 현재 상태(폼 내용)를 확인한 후 목표를 달성하기 위한 단계(필수 항목 확인 → 형식 검증 → LLM 호출 분석)를 찾습니다. 각 단계에는 명확한 조건이 있습니다(예: 필수 항목이 완성되지 않으면 다음 단계로 진행할 수 없음);
- 확실성 + 설명 가능성: GOAP은 동적 계획 알고리즘이지만, 모든 단계가 추적 가능합니다. 왜 AI가 그런 선택을 했는지 확인할 수 있으며 감사 로그도 생성됩니다;
- 비용 최적화: 각 단계에 비용을 설정할 수 있습니다(예: 비싼 LLM 호출 비용이 높음). GOAP은 자동으로 가장 저렴한 경로를 선택합니다.
LangChain과 비교하면, 엠벨의 AI 에이전트는 제멋대로 행동하지 않아 기업에서 사용하기에 더 안심할 수 있습니다.
5. 미래의 프레임워크는 인간이 선택하지 않을까? 이것이 마지막 세대가 직접 선택하는 프레임워크일 수도 있다
로드 존슨의 핵심적인 결론은: 개발자는 사라지지 않을 것이지만, 프레임워크를 선택하는 권한은 AI 도구에게 넘어갈 것입니다:
- 모델들은 점점 더 강력해질 것이며, 도구들이 가장 적합한 프레임워크와 기술 스택을 자동으로 선택해줄 것입니다;
- 그가 이런 말을 하는 이유는 스프링이 프레임워크에서 인프라로 진화한 경험 때문입니다. 지금 AI 도구들도 비슷한 역할을 하고 있습니다;
- 그러나 기업용 애플리케이션에는 여전히 엠벨과 같은 프레임워크가 필요합니다. 왜냐하면 기업은 확실성과 설명 가능성을 요구하기 때문입니다. AI가 선택한 프레임워크도 이러한 요구사항을 충족시켜야 하지만, 인간은 더 이상 직접 선택할 필요가 없습니다.
그는 심지어 농담으로 말합니다: “5년 후에도 사람들이 직접 애플리케이션을 작성할까요? 아마도 그렇지 않겠지만, 엠벨은 적어도 인간이 마지막으로 선택하는 프레임워크가 될 것입니다.”
결론
로드 존슨의 복귀는 단순히 AI 프레임워크를 만드는 것이 아니라, AI 시대에 “개발자의 가치”에 대해 다시 생각하는 계기입니다. 기업은 AI의 장점을 활용하면서도 인간의 전문성과 통제력을 유지해야 합니다.