Terraform으로 클라우드 리소스를 관리하는 모든 팀에게 인프라 드리프트 (Infrastructure drift)는 피할 수 없는 현실입니다. 장애 발생 중에 개발자가 AWS 콘솔에서 수동으로 빠르게 변경을 수행하거나, 오토스케일러 (auto-scaler)가 보안 그룹을 업데이트하거나, 핫픽스 (hotfix)가 CI/CD 파이프라인을 우회할 수 있습니다. 다음에 terraform plan을 실행하면 수십 개의 예상치 못한 리소스 수정 또는 삭제 메시지를 마주하게 됩니다.

전통적인 드리프트 탐지는 보통 알림 단계에서 멈춥니다. 크론 잡 (cron job)이 terraform plan을 실행하고, 0이 아닌 종료 코드 (exit code)를 감지한 뒤, 방대한 텍스트 페이로드 (payload)를 Slack 채널에 쏟아냅니다. 엔지니어들은 소음 같은 알림을 무시하게 되고, 드리프트는 운영 환경 배포를 망가뜨릴 때까지 계속 누적됩니다.

알림에서 워크플로 내 복구 (In-Workflow Remediation)로의 전환

엔지니어에게 가공되지 않은 로그 덤프를 보내는 대신, 현대적인 팀들은 AI 에이전트를 CI/CD 파이프라인 내부에 직접 배치하고 있습니다. 워크플로 내 프로덕션 AI 에이전트는 단순히 드리프트에 대해 알림만 보내는 것이 아닙니다. 실제 플랜 (plan)을 파싱 (parse)하고, 차이점 (delta)을 평가하며, 필요한 정확한 복구 단계를 실행합니다.

자동화된 복구 루프가 실제로 작동하는 방식은 다음과 같습니다:

• 탐지 (Detection): 예약된 파이프라인이 terraform plan -detailed-exitcode -out=tfplan.binary를 실행하고, terraform show -json tfplan.binary를 사용하여 이를 JSON으로 변환합니다.
• 분석 (Analysis): AI 에이전트가 JSON 출력을 입력받아 최근 커밋 히스토리 (commit history)와 교차 참조하고, 해당 드리프트가 승인되지 않은 수동 변경인지 아니면 HCL에 커밋되지 않은 의도적인 업데이트인지 평가합니다.
• 복구 (Remediation): 변경 사항이 유지되어야 하는 경우, 에이전트는 업데이트된 Terraform 코드가 포함된 풀 리퀘스트 (Pull Request)를 생성합니다. 변경 사항이 보안 정책을 위반하는 경우, 에이전트는 리소스를 정의된 상태로 되돌리는 PR을 엽니다.

# 워크플로 내 에이전트를 호출하는 GitHub Action 스니펫 예시
- name: Run Drift Remediation Agent
  if: steps.plan.outputs.exitcode == 2
...

프로덕션 에이전트를 위한 가드레일 (Guardrails)

프로덕션 파이프라인에서 AI 에이전트를 안전하게 실행하려면 엄격한 가드레일이 필요합니다:

• 기본적으로 읽기 전용 실행 (Read-only execution by default): 에이전트가 중요한 프로덕션 상태 파일 (state files)에 자동 적용 (auto-applies)을 실행하는 대신, 풀 리퀘스트 (pull requests)를 생성하는 것으로 제한합니다.
• 결정론적 파싱 (Deterministic parsing): 환각 (hallucination)된 리소스 타겟을 방지하기 위해 비정형 표준 출력 (stdout) 대신 구조화된 JSON 플랜 (plan) 파일을 전달합니다.

AI 에이전트가 가치를 증명하는 지점

대부분의 엔지니어링 팀은 AI 도구의 데모를 경험하지만, 실제로 필요한 것은 프로덕션 환경에서의 신뢰성입니다. 에이전트가 워크플로 (workflow) 내부에서 동작할 때, 지루한 분류 (triage) 작업과 컨텍스트 스위칭 (context switching)을 제거해 줍니다.

이 전략은 Terraform을 넘어 확장됩니다. 예를 들어, https://gaper.io를 사용하는 팀은 숙련된 개발자와 자동화된 티켓 분류 및 파이프라인 수정을 처리하는 맞춤형 AI 에이전트를 결합하여, 수동 지원 업무량을 약 40% 절감했습니다.

AI의 진정한 가치는 자동화된 에이전트가 개발자 워크플로의 마찰을 제거하는 이러한 집중적이고 반복 가능한 작업에 있습니다. 풀 리퀘스트 프로세스 내에서 Terraform 드리프트 (drift) 수정을 직접 자동화함으로써, 상태 파일 (state files)을 깨끗하게 유지하고 인프라를 안전하게 보호하며, 개발자가 제품 구축에 집중할 수 있도록 할 수 있습니다.