서비스 구조화 설계의 필요성을 보여주는 다양한 보고서 및 사례

플랜앤서치는 서비스 구조화 설계 전문 부티크입니다. 앱이나 웹 서비스 시작 시 먼저 서비스 구조화 설계를 공학적으로 완성하는 것을 주장하는 기업입니다. 여기서는 지금까지 이론적으로 말한 구조화 설계의 선행 필요성에 대한 다양한 보고서와 케이스 사례를 정리해 보겠습니다.

수 많은 프로젝트 문제점에서 도출된 서비스 구조화 필요성

지금까지 다양한 프로젝트를 하면서 IT 프로젝트의 실패 유형을 몇 가지로 정리할 수 있습니다.

• 계획 오류: 처음부터 프로젝트 예산, 기간, 범위 등의 계획이 잘못된 경우

• 분석/설계 실패: 계획한 프로젝트의 실행(개발)을 위한 분석/설계에 실패한 경우

• 개발 실패: 개발자 능력/역량 부족 또는 인원 부족으로 인한 실패

계획 오류의 경우 사업적 측면이 강한 합니다. 그러므로 사업 계획이 실행(개발)에 영향을 주는 경우라 개발 프로젝트의 간접 영향 변수로 볼수 있습니다.

분석/설계 실패의 경우는 아무리 능력 좋은 개발자를 충분히 투입한다고 해도 프로젝트가 실패한다는 점에서 직접적인 개발보다 프로젝트 실패에 광범위한 영향을 미치는 직접적 요소라 볼수 있습니다.

이러한 분석/설계는 다른 말로 해당 프로젝트 구조화라 할 수 있습니다. 서비스 플랫폼을 개발하는 프로젝트에서는 서비스 구조화가 될 것입니다.

이 구조화와 관련한 다양한 보고서 및 케이스 사례를 정리해 보았습니다.

서비스 구조화 관련 보고서 및 사례 (이미지 생성-제미나이)

서비스 구조화 중요성 1: KISTI의 IT 프로젝트 애자일 스크럼 기법 적용 사례 연구

애자일은 설계 없이 빠르게 개발하는 것이라 오해하고는 합니다. 하지만 KISTI의 사례 연구는 그 반대의 중요성을 강조하고 있습니다.

• 프로젝트 성공율 향상: 애자일 프로젝트의 특징인 변화하는 요구사항에 대한 수용을 효율적으로 하기 위해서는 설계의 유연성이 필요합니다. 컴포넌트 기반 유연한 구조화가 선행된팀이 그렇지 않은 팀보다 스프린트 성공율이 40%이상 높았다고 사례 연구는 말합니다.

• 비용 절감: 비즈니스 로직이 파편화되지 않고 논리적으로 잘 정의되어 있을 때, 개발 단계에서 발생하는 재작업 비율이 현저히 낮아진다는 점을 실증적으로 사례 연구에서 입증하였습니다.

즉, 애자일일수록 단단한 로직 설계가 필수라는 결론을 KISTI 사례 연구는 보여준 것입니다. 이는 서비스 구조화 설계의 중요성을 보여주는 사례 연구 입니다.

서비스 구조화 중요성 2: PwC의 생성형 AI를 활용한 비즈니스 현주소

PwC는 AI 도입의 성패가 데이터의 질에 달려 있다고 경고하며, 데이터 정체 비용이라는 개념을 제시합니다.

'데이터 정체 비용'은 데이터가 구조화 되지 않은 채 쌓여 있어, AI가 이를 학습하거나 활용하기 위한 정제에 막대한 비용과 시간이 소요 되는 것을 의미합니다.

데이터 정체 비용이 발생하는 경우 AX(AI 전환)은 지연됩니다. 정제되지 못한 데이터는 AI 모델의 할루시네이션(환각)을 높여 신뢰도를 떨어뜨립니다. 이 경우 경쟁사가 AI로 생산성을 높일 때, 데이터 정리에 시간과 예산을 소진하게 되는 기회 비용의 상실을 하게 됩니다.

서비스 구조화 중요성 3: IIBA의 글로벌 표준 BA(Business Analyst)의 역할 가이드라인

IIBA의 BABOK(Business Anaysis Body of Knowledge) 가이드라인은 BA의 역할을 단순히 국내 현장에서 말하는 화면 설계 기획자로 한정 짓지 않습니다.

BA는 이해 관계자 간의 브리지입니다. 비즈니스 요구사항을 식별하고, 그것을 실제 기업 가치로 이어질 수 있도록 솔루션의 모결성을 검증합니다.

단순히 문서를 만드는 것이 아니라 비즈니스 케이스 분석, 요구사항 수명 주기 관리, 그리고 최종 솔루션의 가치 평가까지 담당하는 전략적 파트너로서의 역할을 수행합니다.

서비스 구조화 중요성 4: Scale(스케일) AI와 Superb(슈퍼브) AI의 데이터 라벨링의 공학적 설계

Scale(스케일) AI와 Superb(슈퍼브) AI 사례는 데이터 작업을 단순히 노가성 입력으로 보는 시각을 완전히 뒤집은 것입니다.

• Scale(스케일) AI 사례: 자율주행 모델 성능 향상을 위해 단순히 라벨링 하는 것이 아니라, RLHF(인간 피드백 기반 강화학습)를 통해 데이터의 가중치를 정림하게 설계합니다.

• Superb(슈퍼비) AI 사례: 데이터셋의 편향성을 분석하고 구조화하는 과정을 데이터 엔지니어링의 영역으로 봅니다. 고품질의 구조화된 데이터가 모델의 성능을 결정 짓는 핵심 설계 자산임을 입증한 사례입니다.

서비스 구조화 중요성 5: AWS, Red Hat AIOps 및 IT 운영 혁신 가이드

AWS와 Red Hat(레드햇)은 현대 IT 프로젝트에서 시스템 설계 시점부터 운영(Ops)을 고려해야 하는 이유를 설명합니다.

• AI Ops의 필수성: 시스템이 복잡해지면서 사람이 수동으로 모니터링하고 대응하는 것은불가능해졌습니다. 설계 단계부터 AI 기반 운영 자동화를 고려해야 운영 효율성을 극대화 할 수 있습니다.

• Shift Keft 전략: 운영 단계에서 발생할 문제를 설계 단계(왼쪽)에서 미리 예측하고 반영하여 가시성을 확보해야 합니다. 로그, 메트릭, 트레이싱이 유기적으로 연결되도록 테이터 구조를 설계해야 AI가 자동으로 장애를 감지하고 복구할 수 있습니다.

위의 보고서 및 사례는 결국 초기 기획 단계에서 비지느스를 얼마나 공학적으로 정밀하게 구조화하느냐가 프로젝트의 비용, 속도, 안정성, 확장성을 결정짓는다는 것입니다.

플랜앤서치가 서비스 구조화 설계를 강조하는 이유인 프로젝트 또는 서비스 비즈니스의 경로 의존성과 구조적 결정론이 바로 그 근거입니다.