🔥 오늘의 주요 소식
85% say code review is the new bottleneck. Here’s what the AI coding narrative leaves out.
GitLab의 최근 설문에서 응답자의 85%가 개발 병목이 '코드 작성'에서 '코드 리뷰'로 옮겨갔다고 답했다. The New Stack 기고자 Arjun Iyer는 그 원인을 AI 코딩 에이전트가 PR 물량을 폭증시키는 동안에도 병합(merge) 게이트가 여전히 빌드·정적분석·단위테스트라는 세 계층에서 멈춰 있기 때문이라고 짚는다. 오픈소스 PR 분석에 따르면 AI가 작성한 변경은 사람이 작성한 것보다 약 1.7배 많은 이슈를 포함하며 특히 로직·정합성 오류가 두드러진다. 문제는 다른 서비스와의 통합·엔드투엔드 검증이라는 '네 번째 계층'이 그동안 병합 이후에나 값비싸게 확인할 수 있었다는 점이다. 기사는 대안으로, 쿠버네티스 클러스터 하나에 모든 서비스의 안정 버전을 상시 배포해 두고 PR이 바뀐 서비스 한두 개만 추가 배포한 뒤 요청 헤더의 라벨로 트래픽을 라우팅해 PR마다 완전한 프로덕션급 환경을 초 단위로 만들어주는 방식을 제시한다. Signadot 같은 플랫폼이 이 라우팅 기반 격리를 제공하며, 이를 통해 네 번째 계층 검증 비용이 단위 테스트 수준으로 낮아진다. 결과적으로 CI는 빌드·정적분석·단위테스트·계약테스트라는 앞의 세 계층만 몇 분 안에 처리하고, 통합·E2E 검증은 병합 전 PR 단계로 옮겨가 병합 후 무거운 통합 단계가 얇아지거나 사라진다.
💡 왜 중요한가: 코드 리뷰 병목을 사람 손을 늘려 푸는 대신, PR 단위로 실제 서비스 환경을 초 단위로 복제해 병합 전에 통합 검증을 끝내는 아키텍처가 AI 코딩 시대의 실질적 대응책으로 떠오르고 있다.
🔗 원문 보기 · The New Stack
Kubernetes & Cloud Native
Where should AI workloads run? A sovereign and sensible approach
CNCF
KubeOps의 Johannes Hemminger와 Martin Hafner가 CNCF 블로그에 기고한 글로, AI 워크로드를 어디서 구동해야 하는지를 주권(sovereignty)과 비용 관점에서 다룬다. 쿠버네티스는 자원 관리·자동화·이식성·운영 일관성 덕분에 이미 AI 인프라의 공통 기반으로 자리잡았지만, 모델을 외부 서비스로 소비할지 원시 컴퓨팅을 임대할지 아니면 프라이빗 클라우드·코로케이션·온프레미스로 옮길지는 여전히 열린 질문이라고 지적한다. 저자들은 민감하지 않은 반복 작업은 오픈웨이트 모델이나 소비자급 하드웨어로 충분히 처리할 수 있는 반면, 민감 데이터나 규제 산업은 데이터 통제·컴플라이언스 때문에 온프레미스나 프라이빗 클라우드가 사실상 유일한 선택지가 될 수 있다고 본다. AI 인프라 투자가 막대해 결국 비용 상승이 불가피하므로 '그냥 구독 하나 사면 된다'는 사고방식은 끝나가고 있다고 경고한다. 독일 공공부문·핵심 인프라 프로젝트 경험을 바탕으로 디지털 주권을 운영 자율성, 컴플라이언스, 감사 가능성, 이식성, 복원력의 다섯 요소로 정의하고, 본격적으로 AI 워크로드를 옮기기 전에 가속기 용량·스토리지 성능·데이터 지역성·네트워크 격리·아이덴티티 통합·모니터링·백업·복구·소프트웨어 공급망·취약점 관리·정책 집행을 점검하는 'AI 준비도 점검'을 권한다. 결론적으로 완벽한 목적지를 미리 정하기보다, 워크로드 이식성·재현 가능한 운영·집행 가능한 보안·현실적인 마이그레이션·가시적인 비용을 갖춘 플랫폼을 구축해 변화에 대응해야 한다고 제언한다.
💡 AI 인프라를 어디에 둘지 결정할 때 모델 선호보다 데이터 주권·컴플라이언스·비용 변동성을 먼저 점검해야 하며, 쿠버네티스 기반의 이식 가능한 아키텍처를 유지하는 것이 특정 벤더·모델 종속을 피하는 실질적 보험이 된다.
DevOps & 인프라
The impressive AI demo is dead. Here’s what actually reaches production
The New Stack
Confluent의 '2026 데이터 스트리밍 리포트'에 따르면 에이전틱 AI를 실제 프로덕션에서 운영 중이라고 답한 조직은 32%에 불과했다. 응답자의 3분의 2는 데이터 인프라와 데이터 품질을 에이전틱 AI 성공의 걸림돌로 꼽았고, IT 리더의 72%는 실시간 데이터 처리 인프라 부족을 확장의 장벽으로 지목했다(전년 61%에서 상승). 기사는 데모가 잘 작동하는 이유는 데이터가 통제되고 정제된 상태이기 때문이며, 실제 운영 환경에서는 데이터베이스·이벤트 스트림·로그·서드파티 피드 등 수십 개 소스에 흩어진, 거버넌스가 허술한 데이터를 실시간으로 다뤄야 한다고 지적한다. 배치 파이프라인은 지연을 유발하고 데이터 계약이 없으며 리니지를 불투명하게 만들어, AI가 실제로는 낡고 불완전한 스냅샷을 기반으로 판단하게 만든다. 여기에 더해 IT 리더의 71%는 분산 시스템·스트리밍 아키텍처·데이터 품질 관리에 능한 인력 부족을 장벽으로 언급했다. 리포트는 IT 리더의 88%가 데이터 스트리밍 플랫폼이 이런 인프라·품질 문제 해결에 도움이 된다고 답했다고 밝혔으며, 처음으로 데이터 스트리밍 투자(88%)가 AI/ML 투자(82%)를 앞질렀다고 전한다.
💡 AI 프로젝트가 데모 단계에서 멈추는 주된 원인은 모델 성능이 아니라 실시간 데이터 인프라와 거버넌스 부족이므로, 프로덕션 AI를 목표로 한다면 스트리밍 데이터 파이프라인과 데이터 계약 투자를 AI 투자와 동등하게 취급해야 한다.
Microsoft joins Google in backing Go for AI agents — OpenAI and Anthropic lag
The New Stack
Microsoft가 지난 금요일, 자사 오픈소스 AI 에이전트 툴킷인 Agent Framework의 Go 언어 지원을 퍼블릭 프리뷰로 공개했다. Microsoft 시니어 소프트웨어 엔지니어 Quim Muntal에 따르면 이번 Go SDK는 Microsoft Foundry·Azure OpenAI·Anthropic·Gemini 모델 연동, 툴 호출, MCP 지원 등 기존 Python·.NET SDK가 제공하던 기능 대부분을 갖췄다. Agent Framework는 2025년 10월 AutoGen과 Semantic Kernel을 통합한 오픈소스 프로젝트로 처음 등장해 올해 4월 정식 출시됐고, 6월 Build 컨퍼런스에서는 에이전트 하니스, Microsoft Foundry 호스팅, 더 빠른 툴 호출 방식인 CodeAct, 멀티 에이전트 체이닝을 위한 handoff 패턴이 추가됐다. 다만 이번 Go SDK에는 handoff 오케스트레이션과 CodeAct 등 일부 기능이 아직 이식되지 않아 Python·.NET 대비 기능이 뒤처져 있다. 쿠버네티스·도커·테라폼이 모두 Go로 작성된 만큼 클라우드 네이티브 개발자들 사이에서 Go 에이전트 SDK 수요는 꾸준히 있었고, 이번 발표로 구글에 이어 Microsoft도 Go를 정식 지원하게 됐다. 구글은 2025년 4월 Python 전용으로 ADK를 내놓은 뒤 그해 11월 Go 지원을 추가했고 올해 3월 1.0 정식 출시했다. 반면 Anthropic의 Claude Agent SDK와 OpenAI의 Agents SDK는 커뮤니티 요청에도 불구하고 아직 Go를 공식 지원하지 않는다.
💡 쿠버네티스·도커·테라폼 등 클라우드 인프라 도구 대부분이 Go로 작성된 만큼, Go 네이티브 에이전트 SDK 등장은 별도 Python/Node 프로세스 없이 기존 Go 기반 마이크로서비스에 에이전트 기능을 직접 붙일 수 있게 해준다는 점에서 인프라 엔지니어에게 실질적 의미가 있다.
이 다이제스트는 RSS 피드에서 수집한 뒤 AI(Claude)가 요약·정리했습니다. 자세한 내용은 원문 링크를 확인하세요.