문제의 핵심은 노트북 내부의 데이터 처리 로직과 분석 의도였다. 이 부분은 단순 번역이 아니라 의미 해석이 필요하다.
그래서 시스템은 Databricks의 AI 기능인 Databricks Genie에 전달할 컨텍스트 기반 프롬프트를 자동으로 생성한다. 이를 통해 사용자는 AI 도움을 받아 노트북의 분석 로직을 Databricks 환경에 맞게 다시 작성한다.
이 방식의 특징은 완전 자동화 대신 인간 검증을 포함한 AI 보조 모델이라는 점이다.
전체 구조는 다음과 같은 구성 요소로 이루어졌다.
프로세스는 일반적으로 네 단계로 진행됐다.
이 과정은 자동화 + 생성형 AI + 인간 검증을 결합한 하이브리드 워크플로다.
도이체뵈르제에 따르면 기존에는 노트북 하나를 새 환경에서 다시 만드는 데 수 시간이 걸렸다.
2,000개 이상의 노트북을 기준으로 계산하면 다음과 같은 규모다.
많은 기업의 생성형 AI 프로젝트는 실험 단계에 머무르지만, 이 사례는 명확한 운영 문제를 해결한 프로젝트라는 점에서 주목된다.
이 접근 방식이 실용적인 이유는 다음과 같다.
즉, AI가 모든 코드를 자동 생성하는 구조가 아니라 사람이 이해하고 검증할 수 있는 방식으로 설계됐다.
이 프로젝트는 회사의 광범위한 클라우드 전환 전략의 일부이기도 하다.
도이체뵈르제는 Google Cloud 기반으로 핵심 시스템을 재설계하면서 다음과 같은 성과를 보고했다.
이러한 전환에서 분석 노트북과 같은 데이터 자산을 현대화하는 작업은 필수 단계다. 분석 자산이 옛 환경에 묶여 있다면 클라우드 플랫폼의 가치를 제대로 활용할 수 없기 때문이다.
도이체뵈르제의 사례는 기업 환경에서 생성형 AI를 적용하는 현실적인 모델을 보여준다.
이 전략 덕분에 2,000개 이상의 분석 노트북 이전이라는 대형 프로젝트가 완전 수작업 대신 반자동화 워크플로로 전환되었고, 노트북 하나당 재개발 시간을 몇 시간에서 15~20분 수준으로 줄일 수 있었다.
Comments
0 comments