From Scattered to Structured: A Vision for Automating Architectural Knowledge Management

기술 요약: 산재된 지식에서 구조화된 지식으로: 아키텍처 지식 관리를 자동화하기 위한 비전

문제 정의
소프트웨어 아키텍처는 본질적으로 지식 중심적이지만, 현재 이 지식은 요구사항 문서, 설계 다이어그램, 소스 코드, 문서 등 이질적인 산출물에 분산되어 있습니다. 이러한 분산은 개발자들이 아키텍처 지식에 효과적으로 접근하고 활용하는 데 상당한 장벽을 형성합니다. 또한, 시스템이 진화함에 따라 이러한 산출물들 사이에 불일치(예: 문서가 구현과 동기화되지 않는 현상)가 빈번하게 발생하며, 이는 아키텍처 침식(architectural erosion)을 초래하고 유지보수를 저해합니다. 결정적인 과제는 많은 아키텍처 지식이 개발자의 머릿속에 암묵적으로 존재하거나 문맥으로부터 추론해야 하는 상태로 남아 있다는 것이며, 회의록이나 녹음과 같은 외부 소스는 여전히 제대로 활용되지 못하고 있다는 점입니다.

방법론 및 제안된 접근 방식
저자들은 산재된 아키텍처 지식을 체계적으로 추출, 연결 및 통합하여 구조화된 지식 베이스(Knowledge Base, KB)로 구축하기 위한 자동화된 파이프라인에 대한 비전을 제안합니다. 이 접근 방식은 계획된 다섯 가지 기술적 단계로 구성됩니다:

1. 특화된 지식 추출 프레임워크: 파이프라인은 특정 산출물 유형에 맞춤화된 별도의 추출기를 채택합니다.

   • 텍스트 산출물(요구사항, 문서)은 자연어 처리(NLP)와 대규모 언어 모델(LLM)을 사용하여 아키텍처 요소, 결정 사항 및 근거를 식별합니다.
   • 코드 산출물은 정적 분석과 프로그램 이해(program comprehension)를 통해 구조적 및 행동적 지식을 추출합니다.
   • 시각적 산출물(다이어그램)은 컴포넌트 간의 관계를 포착하기 위해 파싱 메커니즘을 활용합니다.
   • 인간-AI 협업: 자동 추출의 한계(예: 누락된 용어 또는 도메인 특화 문맥)를 해결하기 위해, 본 프레임워크는 오류를 수정하고 KB를 정교화하기 위한 구조화된 사용자 입력(예: JSON)을 통한 수동 보강을 지원합니다.

2. 통합 지식 베이스 스키마: 다양한 출처로부터의 지식을 수용하면서도 의미적 관계와 추적 가능성 링크(Trace Link Recovery, TLR)를 유지할 수 있는 통합 스키마를 설계합니다. 이 스키마는 아키텍처 준수 확인(conformance checking), 변경 영향 분석 및 자연어 질의를 지원하도록 의도되었습니다.

3. 일관성 검사 및 해결: 시스템은 아키텍처 결정 간의 모순이나 문서화된 구조와 구현된 구조 간의 불일치와 같은 불일치를 탐지하는 메커니즘을 구현합니다. 저자들은 규칙 기반, 학습 기반 및 LLM 기반 접근 방식을 탐색하여 탐지를 수행하고, 인간 아키텍트가 중요한 의사결정에 참여하는 반자동 해결 전략을 결합할 계획입니다.

4. 에이전트 기반 지속적 모니터링: LLM 기반 에이전트가 파이프라인을 조율하며, 파일 시스템 및 버전 관리 통합을 통해 소프트웨어 산출물을 지속적으로 모니터링합니다. 변경 사항이 감지되면 에이전트는 TLR 및 일관성 검사를 트리거합니다. 이 에이전트는 사소한 문제를 자율적으로 해결하는 동시에, 중요한 갈등은 타겟팅된 명확화 요청과 함께 인간 이해관계자에게 에스컬레이션하도록 설계되어, 중요한 결정에 대한 인간의 감독이 중심이 되도록 보장합니다.

5. 질의응답(QA) 통합: 구조화된 KB를 활용하여, 시스템은 검색 증강 생성(Retrieval-Augmented Generation, RAG) 기술을 통합함으로써 대화형 질의가 가능하도록 합니다. 이를 통해 개발자는 과학적 지식을 위한 HubLink 시스템과 유사하게 자연어를 통해 아키텍처 지식에 접근할 수 있습니다.

주요 기여 및 계획된 연구
비전 논문으로서, 본 연구는 완전히 배포된 시스템의 경험적 결과를 제시하는 대신, 제안된 자동화를 실현하기 위한 체계적인 로드맵을 개괄합니다. 주요 기여는 다음과 같습니다:

• 포괄적인 파이프라인 아키텍처: 산재된 산출물로부터 구조화되고 질의 가능한 지식 베이스로 이동하는 엔드 투 엔드(end-to-end) 시스템에 대한 상세한 제안.
• 멀티모달 소스의 통합: 표준적인 코드 및 문서와 더불어 회의록, 통화 녹음, 스케치와 같은 비전통적인 소스를 명시적으로 포함.
• Human-in-the-Loop 에이전트 설계: 자율적인 유지보수와 모호하거나 중요한 갈등에 대한 선제적인 인간 참여 사이의 균형을 맞추는 지능형 에이전트의 구체적인 아키텍처 패턴.
• 분류 체계 및 프레임워크 개발: 저자들은 아키텍처 지식 유형의 분류 체계를 도출하고 추출 프레임워크의 이론적 토대를 구축하기 위해 문헌 검토를 수행할 계획입니다.

의의 및 주장
본 논문은 이 비전을 실현하는 것이 아키텍처 지식에 대한 접근을 민주화하여 소프트웨어 개발 생애 주기 전반에 걸쳐 더 정보에 입각한 소프트웨어 엔지니어링 관행을 지원할 것이라고 주장합니다. 산재된 지식을 통합함으로써, 시스템은 다음을 목표로 합니다:

• 아키텍처 준수 확인 및 변경 영향 분석과 같은 핵심 활동 지원.
• 특히 대규모 시스템에서 개발자가 지식 이해에 소비하는 시간과 자원 절감.
• 정확하고 일관된 지식을 유지하는 것의 실질적인 이점을 입증함으로써 더 나은 문서화 관행을 장려할 잠재력.
• 중요한 결정은 인간의 통제하에 두면서도 최소한의 인간 개입으로 지식 베이스의 무결성을 유지하는 지능형 에이전트 역할 수행.

예상되는 과제
저자들은 시스템의 효과성을 보장하기 위해 해결해야 할 몇 가지 중대한 장애물을 인정합니다:

• 이질성(Heterogeneity): 광범위한 수동 전처리 없이 멀티모달 데이터(구조화된 코드, 반구조화된 다이어그램, 비구조화된 노트)를 처리하는 문제.
• 확장성(Scalability): 수백만 줄의 코드와 수천 페이지의 문서를 다룰 때 LLM의 계산 자원 및 컨텍스트 윈도우 제한을 관리하는 문제.
• 설명 가능성 및 신뢰성(Explainability and Trust): LLM의 환각(hallucination) 현상을 완화하고 추출된 지식이 검증 가능하도록 하여 KB로의 사실적 오류 전파를 방지하는 문제.
• 오류 vs 불일치(Error vs. Inconsistency): 실제 아키텍처 갈등과 추출 과정 자체에서 발생한 오류를 구분하는 문제.
• 시간적 유효성(Temporal Validity): 아키텍처 지식이 시간이 지남에 따라 노후화되는 시스템의 진화를 관리하며, 현재의 질의가 관련성 있는 정보를 반환하도록 하면서 역사적 문맥을 보존하는 메커니즘.
• 보안 및 개인정보 보호(Security and Privacy): 회의 녹음과 같은 민감한 산출물을 처리할 때 적절한 접근 제어 및 익명화 보장.