투명성과 추적성을 통한 AI 지원 과학 소프트웨어 개발의 격차 해소

요약

과학 소프트웨어 개발 분야에서 LLM을 활용한 AI 지원 개발이 확산되고 있으나, 공식적인 가이드라인 부재로 인해 품질 보증 및 추적성 문제가 제기되고 있습니다. 본 논문은 NQA-1과 같은 엄격한 품질 표준을 준수하기 위해, 핵융합 에너지용 코드인 TMAP8을 사례로 AI 지원 검증 및 확인(V&V)을 위한 구조화된 프레임워크와 가이드라인을 제안합니다.

핵심 포인트

• AI 지원 개발의 무분별한 사용은 과학 소프트웨어의 품질과 신뢰성에 체계적인 위험을 초래할 수 있음
• NQA-1과 같은 고도의 안전 표준이 요구되는 분야에서는 AI 사용에 대한 공식적인 워크플로우와 거버넌스가 필수적임
• 검증 및 확인(V&V) 케이스 개발은 객관적 정확성 측정과 감사 가능성 확보를 위한 이상적인 AI 활용 시험장임
• 제안된 가이드라인은 인간의 책임성을 보존하면서도 AI를 책임감 있게 관리할 수 있는 공개 및 검토 표준을 수립함