From Sustainability Assessment to Decision Records: The SEEDS Framework for Sustainable Requirements Engineering in Digital Health Software

현대 사회에서 소프트웨어는 더 이상 단순한 도구가 아닙니다. 그것은 은행 계좌를 관리하는 앱부터 응급 의료를 조율하는 시스템에 이르기까지, 우리 일상생활의 보이지 않는 인프라입니다. 우리가 이러한 디지털 시스템을 구축할 때, 우리는 흔가히 이 시스템이 잘 작동하는지, 안전한지, 그리고 사용하기 쉬운지를 묻곤 합니다. 하지만 엔지니어들 사이에서는 이러한 질문만으로는 충분하지 않다는 인식이 커지고 있습니다. 진정으로 성공적인 시스템은 반드시 지속 가능해야 합니다. 이 문맥에서 지속 가능성이란 단순히 전기를 아끼거나 탄소 발자국을 줄이는 것만을 의미하지 않습니다. 물론 그것들도 지속 가능성의 일부입니다. 이는 훨씬 더 넓은 개념으로, 어떤 소프트웨어가 깨지지 않고 수년간 지속될 수 있는지, 모든 사용자를 공정하게 대우하는지, 병원의 예산 범위 내에 적합한지, 그리고 매일 사용하는 사람들의 정신적 웰빙을 지원할 수 있는지를 묻는 것입니다. 문제는 항상 이러한 크고 추상적인 아이디어를 코드를 작성하는 사람들을 위한 구체적인 지침으로 어떻게 바꾸느냐 하는 것이었습니다. "더 지속 가능하게 만들자"와 같은 모호한 목표에서 컴퓨터 프로그램에 대한 구체적인 규칙으로 가는 명확한 경로가 없다면, 이러한 목표들은 그저 바람에 그칠 뿐이며 실제 제품에 구현되지 못합니다.

브라질 포르투 알레그레 연방 보건 대학교의 연구진은 특히 복잡한 디지털 헬스케어 분야를 위해 이 간극을 메울 수 있는 새로운 방법을 개발했습니다. 그들은 SEEDS라고 불리는 프레임워크를 만들었는데, 이는 개인 사용자에게 미치는 영향, 사회적 영향, 경제적 생존 능력, 기술적 강점, 그리고 환경적 발자국이라는 다섯 가지 핵심 영역에 걸쳐 소프트웨어를 지속 가능하게 만드는 구조화된 접근 방식을 의미합니다. 연구진은 환자, 의사, 소프트웨어 개발자가 동일한 소프트웨어를 보더라도 완전히 다른 방식으로 바라본다는 점을 인식했습니다. 환자는 앱이 읽기 쉬운지 걱정할 수 있는 반면, 개발자는 시스템이 충돌 없이 수백만 명의 사용자를 처리할 수 있는지 걱정합니다. 기존의 지속 가능성 점검 방식은 모든 사람을 똑같이 취급하여, 환자에게는 볼 수 없는 기술적 세부 사항을 판단하도록 요구하거나, 개발자에게는 환자의 기분을 추측하도록 요구하곤 했습니다. 이 새로운 프레임워크는 모든 우려 사항을 그것을 제기하는 사람의 특정 관점을 통해 바라보도록 함으로써 이 문제를 해결합니다.

이 새로운 방법의 핵심은 '지속 가능성 결정 기록(Sustainability Decision Record)'이라고 불리는 문서입니다. 이것을 문제와 해결책을 연결하는 상세한 항해 일지라고 생각하십시오. 간호사나 병원 관리자와 같은 이해관계자가 지속 가능성 문제를 식별하면, 프레 framework은 그들이 특정 형식에 맞춰 이를 기록하도록 안내합니다. 이 형식은 그들이 문제를 바라보는 주체가 누구인지, 다섯 가지 지속 가능성 차원 중 어느 부분에 해당하는지, 그리고 이를 해결하기 위해 소프트웨어가 따라야 할 구체적인 규칙이 무엇인지를 정확히 정의하도록 강제합니다. 예를 들어, 환자가 건강 포털이 너무 혼란스럽다고 말한다면, 기록에는 단순히 "개선하라"고 적지 않습니다. 대신 이를 "시스템은 모든 의학 용어에 대해 쉬운 언어를 사용해야 한다"와 같은 구체적인 요구사항으로 번역하고, 그 후 "실제 사용자를 대상으로 테스트를 실시한다"와 같이 그것이 작동함을 증명할 구체적인 방법까지 나열합니다. 결정적으로, 이 기록은 팀이 어떠한 트레이드오프(절충)가 발생하는지도 반드시 기록하게 합니다. 만약 환자를 위해 시스템을 더 단순하게 만드는 것이 보안을 유지하는 것을 어렵게 만든다면, 그 긴장 관계가 명시적으로 기록되어, 나중에 아무도 결정의 비용을 잊지 않도록 보장합니다.

연구진은 이 접근 방식이 실제 세계에서 작동하는지 확인하기 위해 세 가지 매우 다른 상황에서 테스트를 진행했습니다. 첫째, 이미 사용 중인 디지털 헬스 시스템을 살펴보고, 이 프레임워크가 어떻게 개선에 도움을 줄 수 있는지 조사했습니다. 그들은 특정 역할의 관점에서 바라봄으로써, 기술적으로는 견고하지만 고령 환자에게는 혼란스러운 시스템과 같은 숨겨진 문제를 찾아내고, 이러한 관찰을 명확한 업데이트 지침으로 바꿀 수 있음을 발견했습니다. 둘째, 공공 보건 시스템을 위해 새로운 디지털 헬스 솔루션을 도입할지 결정하는 과정에 이를 적용했습니다. 여기서 프레임워크는 관리자들이 계약을 체k하기 전에, 예를 들어 새로운 도구가 기존 시스템과 데이터를 공유할 수 있다는 증거를 요구하는 등 올바른 질문을 던질 수 있도록 도왔으며, 이를 통해 특정 벤더에 종속되는 미래의 문제를 방지했습니다. 셋째, 병원에서 완전히 새로운 시스템을 구축하고자 할 때 이를 사용했습니다. 시작 단계부터 지속 가능성 규칙을 도입함으로써, 단 한 줄의 코드도 쓰이기 전에 데이터 프라이버시나 장기 유지 관리 비용과 같은 문제들이 사후에 수정하는 것이 아니라 사전에 고려되도록 보장했습니다.

이러한 상세한 기록을 작성하는 것이 시간이 많이 걸릴 수 있다는 점을 해결하기 위해, 팀은 인공지능을 활용하는 방법도 탐구했습니다. 그들은 거대 언어 모델이 초기 우려 사항을 읽고 결정 기록의 초안을 작성할 수 있는 시스템을 구축했습니다. 그러나 그들은 컴퓨터가 결정권자가 아닌 오직 조력자로서만 기능하도록 설계하는 데 매우 주의를 기울였습니다. 인공지능은 규칙이 무엇이어야 하는지, 어떤 증거가 필요한지를 제안할 수 있지만, 인간 전문가가 모든 제안을 검토하고, 오류를 수정하며, 최종 결정을 내려야 합니다. 이 접근 방식은 컴퓨터가 서류 작업을 가속화할 수는 있지만, 결정이 안전하고 공정하도록 보장하기 위해서는 의사, 간호사, 관리자의 인간적 판단이 필수적임을 보여주었습니다.

이 연구는 이 방법이 지속 가능성이라는 모호한 개념을 엔지니어가 실제로 구축하고 테스트할 수 있는 것으로 성공적으로 전환했음을 시사합니다. 사람의 걱정과 구체적인 소프트웨어 규칙 사이의 연결을 만듦으로써, 이 프레임워크는 지속 가능성이 단순한 유행어가 아니라 추적 가능한 소프트웨어의 생애 일부가 되도록 보장합니다. 연구진은 팀이 이 방법을 사용할 때, 시스템을 빠르게 만드는 것과 보안을 강화하는 것 사이의 긴장 관계와 같은 목표 간의 충돌을 더 잘 파악할 수 있었으며, 자신들의 선택을 명확하게 기록할 수 있었다는 것을 발견했습니다. 이는 몇 년 후 소프트웨어를 변경해야 할 때, 다음 팀이 원래의 결정이 왜 내려졌는지 정확히 알 수 있음을 의미합니다. 연구진은 이 방식이 다른 국가나 다른 유형의 소프트웨어에서도 작동하는지 확인하기 위해 더 많은 테스트가 필요하다고 언급하면서도, 이들의 작업이 유망한 길을 제시하고 있다고 말합니다. 이는 디지털 헬로스케어가 장기적으로 진정으로 사람들을 위해 봉사하기 위해서는, 그것을 만드는 사람들이 무엇이 가장 중요한지에 대해 이야기할 수 있는 명확하고 공유된 언어를 가져야 함을 보여줍니다.