Brain190. AI(LLM) 기반 요구사항 명세서 초안 자동 생성 지원
핵심 인사이트: 예전에는 고객이 회의에서 던진 파편화된 말들을 기획자가 밤새며 문서(SRS)로 타이핑했다. 이제는 회의 녹음본을 대규모 언어 모델(LLM)에 던져 넣으면, "고객이 말한 10가지 중 2개가 모순되고 1개가 보안 정책에 위배됩니다. 수정된 명세서 초안 10장 뽑았습니다"라고 비서가 대신 일해주는 시대다.
Ⅰ. AI(LLM) 기반 요구사항 공학의 개념
ChatGPT, Claude와 같은 대규모 언어 모델(LLM, Large Language Model) 을 활용하여, 고객과의 인터뷰 스크립트나 모호한 초기 요구사항 텍스트를 입력받아 정형화된 소프트웨어 요구사항 명세서(SRS, Software Requirements Specification) 나 유스케이스(Use Case) 초안을 자동으로 생성하고 검증하는 차세대 요구공학 기법입니다.
Ⅱ. AI(LLM)가 지원하는 요구공학 4단계
| 요구공학 단계 | 기존의 방식 (사람) | AI(LLM) 기반 지원 방식 |
|---|---|---|
| 1. 도출 (Elicitation) | 회의록을 들으며 수기로 요구사항 정리 | 회의 STT(음성 ➔ 텍스트) 데이터를 분석해 숨겨진 핵심 요구사항(Actor, Action, Goal) 자동 추출 |
| 2. 분석 (Analysis) | 수백 개의 요구사항 간 충돌(모순) 여부 눈으로 확인 | 수백 개의 문장을 벡터 유사도로 비교하여 기능적 충돌 및 누락된 엣지 케이스(예외 상황) 자동 경고 |
| 3. 명세 (Specification) | 워드/엑셀 템플릿에 맞추어 하루 종일 타이핑 | 지시한 템플릿(예: BDD의 Given-When-Then, IEEE 830)에 맞춰 완벽한 형식의 초안 문서 즉시 생성 |
| 4. 검증 (Validation) | 리뷰 회의를 열어 체크리스트 기반 수동 검사 | "ISO 27001 보안 표준에 위배되는 요구사항을 찾아라" 지시로 보안/성능 제약 사항 자동 교차 검증 |
Ⅲ. 프롬프트 엔지니어링 (Prompt Engineering)의 중요성
AI가 제대로 된 명세서를 뽑아내게 하려면, 기획자나 분석가(BA)가 "어떻게 질문할 것인가(프롬프트)" 가 가장 중요해집니다.
- 예시 프롬프트: "이 회의록을 바탕으로, 쇼핑몰 장바구니 결제 기능에 대한 요구사항 명세서를 작성해 줘. 1. 페르소나는 20대 여성, 2. 비기능 요구사항(응답속도, 보안) 분리, 3. 포맷은 BDD(Given-When-Then) 구조를 사용할 것."
Ⅳ. 도입 한계 및 극복 과제
- 할루시네이션 (환각): AI가 그럴듯한 거짓 기능(고객이 말하지도 않은 기능)을 멋대로 추가해 버릴 수 있어, 반드시 인간(Human-in-the-Loop)의 최종 리뷰와 승인이 필수입니다.
- 보안/기밀 유출: 기업의 핵심 비즈니스 로직이나 민감한 고객 정보가 퍼블릭 LLM(오픈AI 서버 등)으로 넘어가는 것을 막기 위해, 사내 전용 구축형 LLM(On-Premise sLLM) 도입이 동반되어야 합니다.
📢 섹션 요약 비유: 엉망진창으로 녹음된 "고객의 하소연 테이프"를 숙련된 타이피스트이자 법무사인 AI 비서에게 건네주면, 비서가 하소연 속에서 '계약 조건', '위약금', '면책 조항'을 완벽한 법률 문서(요구사항 명세서) 포맷으로 찍어내어 결재를 올리는 환상적인 업무 자동화입니다.