AI 기술의 발전 속도가 빠른 만큼, AI 모델을 개발하는 것 또한 매우 복잡해지고 있습니다. 이전에는 소규모 팀이나 개인이 단일 목적의 모델을 개발하는 것이 일반적이었다면, 이제는 대규모 데이터셋, 복잡한 모델 구조, 고성능 연산 자원, 배포·운영 전략까지 아우르는 다층적인 프로젝트가 기본이 되었습니다. 이를 구현하려면 하나의 역할만으로는 한계가 있습니다. 데이터 수집과 전처리를 담당하는 데이터 엔지니어, 모델 설계를 주도하는 머신러닝 엔지니어, 서비스와의 연계를 고려하는 소프트웨어 개발자, 인프라와 보안을 관리하는 운영자 등, 다양한 역할이 동시다발적으로 협업해야만 합니다.

 

사내의 여러 부서가 협업해야 하는 만큼 민감한 데이터나 핵심 자산에 대한 접근 통제 및 보안 관리도 매우 중요해졌습니다. 역할 기반의 접근 권한 설정이나, 협업 툴과의 통합을 통한 커뮤니케이션 효율화는 AI 개발에서 빠질 수 없는 기본 요건이 되어가고 있습니다. 결국, AI 기술의 발전은 단순히 더 똑똑한 알고리즘을 개발하는 것만으로는 완성되지 않습니다. 그 알고리즘이 어떻게 만들어지고, 어떻게 관리되며, 어떻게 협업을 통해 발전되는지가 프로젝트의 성공을 좌우합니다. 고도화된 AI 개발 환경에서는 이제 ‘효율적인 협업’과 ‘체계적인 관리’ 기능이 선택이 아닌 필수 인프라로 자리잡고 있는 것입니다.

 

클루닉스는 최근 AI EXPO KOREA 2025에 참석하여 803명의 AI 개발자와 관련 업계 전문가를 대상으로 설문조사를 실시해, 실무자들은 실제로 어떤 기능을 가장 필요시하는지 물었습니다.

 

▶ [지난 설문조사 결과 보러가기 ①] AI 개발 환경에서 가장 중요하게 생각하는 것?

▶ [지난 설문조사 결과 보러가기 ②] AI 개발 환경 도입, 실무자가 말하는 가장 큰 걸림돌은?

​

 

▲ 클루닉스가 실시한 설문조사 결과

 

 

1. 실시간 공동 작업 (코드/노트북) (28%)

 

AI 개발 환경에 꼭 있었으면 하는 협업/관리 기능으로 가장 많이 선택된 항목은 ‘실시간 공동 작업 (코드/노트북)’으로, 전체 803명 중 28%가 해당 답변을 선택했습니다. 많았지만, 지금의 AI 프로젝트는 데이터 엔지니어, 머신러닝 엔지니어, MLOps 엔지니어, 프론트/백엔드 개발자 등 다양한 역할의 전문가들이 동시에 협업하는 구조로 바뀌었습니다.

 

이들은 하나의 코드베이스나 노트북에서 의견을 주고받고, 즉시 수정을 반영하며, 실험 결과를 함께 검토해야 합니다. 이런 과정이 병렬적으로 이뤄지지 않으면 피드백 루프가 길어지고, 개발 속도가 느려집니다. 단순히 코드를 공유하는 것만으로는 부족하고, 어떤 파라미터 설정으로 어떤 결과가 나왔는지, 왜 해당 접근을 선택했는지 등 맥락(Context)까지 함께 공유하고 협의해야 의미 있는 협업이 이뤄집니다.

 

실시간 공동 작업 기능은 이러한 맥락을 빠르게 전달하고, 동시에 검토하고, 바로 수정해 재실험하는 속도와 유연성을 제공합니다.

 

▶ Clunix’s Approach         - 웹 인터페이스를 통해 동일한 개발 환경 (Jupyter Lab, VSCode 등)에서 동시에 코드 편집 가능     - 필요한 소프트웨어 버전과 라이브러리가 세팅된 컨테이너 이미지를 간편하게 공유 가능

 

 

2. 작업 이력 및 로그 관리 (28%)

 

AI 모델 개발은 끊임없는 실험과 튜닝의 연속입니다. 하나의 모델을 완성하기 위해 수십, 수백 번의 학습 시도가 이루어지고, 매 실험마다 데이터 전처리 방식, 모델 아키텍처, 하이퍼파라미터, 학습 환경이 미세하게 달라집니다. 만약 각 실험의 실행 이력이나 결과 로그가 제대로 기록되지 않는다면, 어떤 시도가 좋은 성과를 냈는지 정확히 알 수 없고, 동일한 실험을 재현하는 것도 어렵습니다. 실험이 반복될수록 개발자들은 점점 과거의 맥락을 잃고, 같은 실수를 반복하거나 비효율적인 시도를 다시 하게 됩니다.

 

관리자의 입장에서는 이러한 실험의 흐름과 자원 사용 현황을 파악하고, 문제가 발생했을 때 빠르게 원인을 추적할 수 있어야 합니다. 특히 GPU나 고성능 스토리지 같은 고가의 자원이 투입되는 AI 개발 환경에서는, 어떤 작업이 언제 어떤 자원을 얼마나 사용했는지를 기록하고 분석하는 것이 비용 관리와 프로젝트 운영의 핵심입니다. 또한 여러 인원이 동시에 다양한 프로젝트를 수행할 경우, 작업 충돌이나 리소스 낭비를 방지하기 위해서도 로그 기반 관리가 필수적입니다.

 

 

▶ Clunix’s Approach       - 자원 사용 및 작업 실행에 대한 상세한 기록 유지     - 시스템 성능 및 자원 사용량 등에 대한 명확한 가시성을 제공하여 정확한 문제 해결 및 성능 평가 지원

 

 

 

3. 프로젝트별 자원 할당 및 모니터링 (14%)

 

AI 모델 학습에는 대량의 GPU, CPU, 메모리 등 고가의 컴퓨팅 자원이 투입되며, 여러 프로젝트가 동시에 진행될 때 자원이 부족하거나 과다 배분되는 문제가 자주 발생합니다. 이때 프로젝트별로 자원을 할당하고 실시간으로 모니터링할 수 있으면, 각 팀이나 프로젝트가 필요한 만큼의 자원을 적시에 확보할 수 있어 자원 낭비를 줄이고, 작업 효율성을 극대화할 수 있습니다. 예를 들어, 자원이 한쪽에 몰려 다른 프로젝트가 지연되는 상황이나, 유휴 자원이 방치되어 비용이 증가하는 상황을 예방할 수 있습니다.

 

또한 실시간 모니터링을 통해 현재 자원 사용 현황을 한눈에 파악하고, 병목 구간이나 비효율적인 배분을 즉시 발견하여 빠르게 조치할 수 있습니다. 이러한 모니터링은 과거 데이터를 바탕으로 향후 자원 수요를 미리 예측해볼 수 있어 데이터 기반의 의사결정이 가능하게 돕습니다.

 

 

▶ Clunix’s Approach       - 프로젝트 / 부서별 전용 자원 그룹 구성 가능     - 관리자는 워크로드 요구사항에 따라 맞춤형 자원 할당 정책 정의 가능     - 유휴 자원을 자동으로 회수하거나 자원을 재할당하는 기능 편리하게 사용 가능     - 실시간 모니터링 대시보드 및 통계 지원

 

 

▲ 클루닉스 아렌티어 딥러닝 모니터링 화면

 

 

4. 커뮤니케이션 / 피드백 도구 연동 (13%)

 

AI 개발자 및 관리자들이 ‘커뮤니케이션 / 피드백’ 기능을 필요로 하는 가장 큰 이유는, 팀원들 간에 중요한 정보를 신속하고 명확하게 전달·공유하는 것이 프로젝트의 성공에 직결되기 때문입니다. AI 개발 환경에서는 코드 변경, 데이터 업데이트, 실험 결과, 이슈 발생 등 다양한 정보가 빠르게 오가며, 이 과정에서 정보가 늦게 전달되거나 잘못 이해되면 불필요한 시행착오와 프로젝트 지연이 발생할 수 있습니다. 명확하고 구체적인 정보 정단을 개발자의 요구사항 반영, 오류 수정, 의사 결정 등에 있어 핵심적인 역할을 하며, 팀워크와 신뢰를 높여줄 수 있습니다.

 

중요한 정보를 빠르게 전달하고 공유할 수 있는 커뮤니케이션 환경은 AI 개발 현장에서 협업의 질을 높이고, 프로젝트 완성도를 끌어올리는 데 필수적인 요소입니다.

 

▶ Clunix’s Approach       - 다중 사용자가 동일 세션에 참여하여 원활하고 빠른 커뮤니케이션 가능     - 조직 내 공지사항 상단 고정 노출을 통한 중요한 정보의 신속한 확산

 

 

5. 버전 관리 및 롤백 (12%)

 

여러 작업자가 동시에 작업을 진행하다 보면 예상하지 못한 오류나 성능 저하, 데이터 손상 등이 발생할 수 있습니다. 이럴 때 버전 관리 기능이 있는 솔루션을 활용하면, 프로젝트의 모든 변경 이력을 체계적으로 기록하고, 누가 언제 어떤 변경을 했는지 추적할 수 있습니다.

 

이는 협업 과정에서 발생할 수 있는 충돌이나 중복 작업을  최소화하며, 만약 새로운 코드나 모델 업데이트로 문제가 발생했을 때, 롤백 기능을 통해 빠르게 이전 버전으로 되돌릴 수 있어 서비스 중단이나 데이터 손실 위험을 줄일 수 있습니다.

 

▶ Clunix’s Approach       - 컨테이너 환경(코드, 라이브러리, 설정 등)을 하나의 이미지로 저장하여 버전 관리 가능     - 코드, 데이터, 실행 결과 등 모든 작업 이력을 중앙에서 통합 관리     - 모든 데이터 검색, 공유, 재사용 가능

 

 

6. 역할 / 권한 기반 접근 제어 (5%)

 

다양한 사용자가 동시에 시스템에 접근하는 AI 개발 환경에서는, 각 사용자가 반드시 필요한 데이터와 기능에만 접근하도록 제한하는 것이 매우 중요합니다. 이를 통해 민감한 정보의 무단 노출이나 실수로 인한 데이터 손상을 예방할 수 있습니다.

 

역할 기반 접근 제어(RBAC)는 사용자의 직무나 책임에 따라 미리 정의된 역할을 부여하고, 각 역할별로 필요한 권한만을 할당합니다. 예를 들어, 개발자는 코드와 실험 결과에만 접근하고, 관리자는 자원 할당과 시스템 설정을 조정할 수 있도록 권한을 분리할 수 있습니다.

 

▶ Clunix’s Approach       - 사용자, 그룹, 프로젝트 등에 대한 읽기, 쓰기, 실행 권한 설정을 통한 세분화된 초기 제어     - 데이터 암호화 및 사용 이력 추적을 통한 일관된 보안 정책 적용     - 조직 정책에 따른 시스템 접근 권한 관리

 

 

AI 개발의 핵심은 '협업할 수 있는 환경'

 

AI 개발은 더 이상 혼자서 모든 것을 해결하는 작업이 아닙니다. 복잡한 기술 스택과 다양한 역할의 협업이 요구되는 만큼, 개발자의 역량 뿐 아니라 다양한 부서의 사람들이 얼마나 효율적으로 함께 일할 수 있는지가 프로젝트의 품질과 속도를 결정짓습니다. 실시간 공동 작업, 작업 이력 관리, 자원 할당과 모니터링, 커뮤니케이션, 권한 제어까지, 이 모든 기능은 단순한 ‘옵션’이 아닌 협업을 더욱 원활하게 만들어 업무의 혁신을 가져오게 만들 수 있는 ‘인프라’입니다. 클루닉스는 이번 AI EXPO KOREA 2025 설문조사를 통해 AI 개발 실무자들이 어떤 기능을 가장 필요로 하는지, 그 목소리를 직접 들을 수 있었습니다.

 

AI 기술이 고도화될수록 개발 환경도 함께 진화해야 합니다. 클루닉스는 다양한 현장의 목소리를 바탕으로, 기술 그 자체뿐만 아니라 ‘사람 간의 협업’과 ‘프로세스의 연결’을 강화하는 방향으로 AI 개발 플랫폼 ‘아렌티어 딥러닝’을 제공하고 있습니다. 자원 분배, 작업 추적, 접근 통제, 협업 등의 모든 것을 하나의 플랫폼에서 제공함으로써 개발자는 개발에만, 관리자는 운영에만 집중할 수 있습니다. AI 개발 환경을 아렌티어로 시작해보세요.

 

 

 

[참고자료]

[1] https://wikidocs.net/275502