소프트웨어 엔지니어링은 "정확성"과 복잡한 관계를 맺고 있습니다. 우리는 완전한 형식적 엄밀성을 달성하는 데 따르는 어려움과 기능적 정확성을 넘어 요구되는 여러 속성을 인지하고 있습니다. 실제로 만족스러운 결과를 얻기 위해 노력하지만, 충분한 정보만 있다면 추론을 통해 정확성에 도달할 수 있을 것이라는 생각에 여전히 사로잡혀 있습니다. 하지만 형식적 엄밀성에 대한 우리의 기대는 개인적이고 주관적이며 정성적이고 대부분 접근 불가능한 암묵적인 지식에 의해 좌우됩니다. 생성형 AI는 보증에 새로운 차원을 도입했습니다. 그 기반이 형식적인 것이 아니라 통계적인 것이기 때문입니다. 전통적인 소프트웨어 엔지니어링은 엄격한 추론, 도메인 지식, 전문가의 판단을 통해 신뢰성을 확보합니다. 반면 생성형 AI의 결과는 정교한 예측으로, "대략적으로 정확할 가능성이 높다"는 것입니다. 이는 결과에 대한 보증을 확률적 주장으로 제한합니다. 더욱이 인간의 판단을 이끄는 미묘한 차이는 종종 암묵적이거나 내재되어 있습니다. 이러한 지식은 디지털 기록에 거의 반영되지 않기 때문에, 중요한 지식의 원천은 AI 모델에서 희미하게만 나타납니다.
소프트웨어 시스템이 예상대로 작동한다는 것을 보장하는 방법은 여러 가지가 있지만, 대부분은 시스템 요구사항보다는 코드 명세에 초점을 맞추고 있으며, 시스템의 목적 적합성은 더욱 간과하고 있습니다. 우리는 다양한 보장 접근 방식의 장단점을 체계적으로 이해하는 데 실패해 왔습니다.
저는 생성형 인공지능이 마침내 이러한 문제를 해결하도록 우리를 이끌어 줄 것이라고 기대합니다. 이를 위해 저는 우리의 보장 기법, 특히 숨겨진 맥락의 역할과 인공지능이 제시하는 과제에 대해 체계적으로 생각해 볼 것을 제안합니다. 시스템에 대한 신뢰를 구축하기 위한 비용 효율적인 접근 방식 조합에 대해 정보에 입각한 합리적인 선택을 할 수 있는 방법이 필요합니다.
우리는 스스로를 소프트웨어 엔지니어라고 부릅니다. 이제 엔지니어답게 행동합시다. | 
✅ 제목: 정확성, 신뢰성, 그리고 맥락: AI 시대의 소프트웨어 품질 보증 체계 구축
✅ 저자: 메리 쇼 (Mary Shaw, 카네기 멜런 대학교 교수) -> Mary Shaw, 미국 카네기멜론대학교 교수
✅ 출처 : FSE(Foundations of Software Engineering) 2026 초청 기조연설, arXiv:2607.04667 [cs.SE], 2026.7.6.
arxiv 논문 바로가기