개발자는 인공지능 챗봇을 어떻게 활용할까?
이론 검색부터 코드 작성까지, 챗봇의 다양한 활용법
오늘은 개발자가 인공지능 챗봇(e.g. ChatGPT, Gemini)을 업무에 어떻게 활용하는지 이야기해 보려고 한다. 물론 개인적인 경험에 기반한 이야기이니, ‘이렇게 활용하는 개발자도 있구나’ 정도로 봐주면 좋겠다.
GPT 시대가 도래하면서 인공지능 챗봇은 다양한 업무 분야에서 혁신을 일으킬 것으로 기대되고 있다. 이러한 기술의 발전으로 인해 여러 직군에서의 업무 형태가 새롭게 변화할 것으로 보이며, 일부 전문가들은 많은 직업이 자동화되어 사라질 것이라고 예상한다. 개발자들 역시 이 기술 덕분에 더욱 효율적으로 작업할 수 있을 것이라는 기대가 크다.
이런 변화의 흐름 속에서, 내가 현업에서 챗봇을 어떻게 활용하고 있는지에 대해 공유하고자 한다.
특정 이론/개념 검색
처음 보는 이론이나 잘 기억나지 않는 특정 개념에 대해 설명이 필요할 때, 챗봇을 사용한다. 여러 논문을 보다 보면 다양한 도메인의 이론이 등장하는데, 매번 이러한 개념들을 어려운 문서를 통해 공부하는 것은 번거롭다. 이럴 때 챗봇에게 간단한 설명을 요청하는 경우가 자주 있다.
예를 들어, 다양한 수학적 이론이 머신러닝에 활용될 때, 단순히 수학 이론만을 설명해달라고 하기보다는 그 이론이 머신러닝이나 다른 분야에서 어떻게 활용되는지를 설명해 달라고 묻는 경우가 있다. 물론 만족스러운 답변을 얻지 못하는 경우도 있지만, 구글에 검색하기 전에 먼저 챗봇에게 물어보면 더 빠르게 유용한 정보를 찾을 수 있다.
검색 키워드 추출 (무엇을 검색해야 할지 모를 때)
두 번째로는 무엇을 검색해야 할지 모를 때, 챗봇을 활용한다. 개발 업무를 하다 보면, 검색할 키워드가 감이 안 잡히는 경우가 종종 있다. 포털에 긴 글을 장황하게 검색하면 원하는 정보를 찾기 어려울 때도 많다. 하지만 챗봇을 이용하면, 비교적 장황하게 설명하더라도 원하는 정보를 찾거나, 어떤 키워드로 검색해야 할지에 대한 힌트를 얻을 수 있다.
최근에는 Python API 개발, DB 비동기 트랜잭션 등에 대한 정보를 챗봇을 통해 검색해보면서 원하는 정보를 빠르게 얻을 수 있었다. 물론 실제 도큐먼트를 참고해 팩트를 체크하는 것은 필수다. 챗봇이 교묘하게 틀린 정보를 제공할 때도 있기 때문이다.
예제 코드 작성
마지막으로는 코드 작성에 도움을 받을 때 챗봇을 활용한다. 챗봇들의 프로그래밍 스킬이 점점 향상되어, 간단한 알고리즘이나 라이브러리 사용법에서 도움을 받을 수 있다. 처음 사용하는 라이브러리나 프레임워크, 관련 자료가 부족할 때, 챗봇에게 예제 코드 작성을 요청하기도 한다. 업무 중에 SQL을 작성해야 할 때, 복잡한 쿼리를 작성하는 데 시간이 많이 걸리고, 시행착오도 많이 겪는다. 데이터 관련 업무가 전문이 아니다 보니 더욱 그렇다. 이럴 때, 원하는 바를 명확하게 설명하면 챗봇이 정확한 쿼리를 작성해준다.
물론 챗봇에게 코드 작성을 부탁할 때는 주의할 점이 많다. 가끔 존재하지 않는 패키지나 클래스, 메서드 등을 작성하거나, 심각한 오류가 있는 코드를 제공하기도 한다. 문제가 되는 것은 그럴듯한 코드 사이에 교묘한 실수가 있어서 이를 알아차리기 쉽지 않다는 점이다. 때문에 나는 아주 작은 단위의 예제 코드만 참고하고, 여러 번 테스트한 후에 사용한다. 몇 번 발등을 찍힌 적이 있어서 더욱 조심한다.
아직 인공지능 챗봇을 완전히 신뢰할 수 있는 단계는 아니지만, 검색과 챗봇을 함께 활용하면 양질의 정보를 더 빠르고 효율적으로 찾을 수 있다는 점은 확실하다. 최근 들어 주변에서도 업무에 챗봇을 활용하는 사례가 점점 늘어나고 있다. 많은 사람들이 자신만의 팁과 노하우를 공유하면서, 챗봇을 효과적으로 활용하는 건강한 생태계가 구축되길 바란다.
