글로벌 혁신 워크스페이스 기업 미로(Miro)가 아마존 베드록(Amazon Bedrock)을 활용한 AI 기반 버그 관리 솔루션 'BugManager'를 구축하여 소프트웨어 버그 처리 효율을 획기적으로 개선했다. 미로의 개발자 경험(Developer Experience) 팀은 버그 보고서를 적절한 담당 팀으로 자동 분류하는 시스템을 도입함으로써, 기존에 며칠씩 소요되던 버그 해결 시간(Time-to-resolution)을 몇 시간 단위로 단축하는 성과를 거두었다.

AI 기반 자동 분류로 개발 생산성 저해 요소 제거

전 세계 9,500만 명 이상의 사용자를 보유한 미로는 비정형 아이디어를 조직화된 워크플로로 변환하는 AI 기반 워크스페이스를 운영하고 있다. 급격한 사용자 규모 확대에 따라 미로 개발팀은 소프트웨어 버그를 약 100여 개의 소프트웨어 팀에 정확하게 배정해야 하는 복잡한 과제에 직면했다.

기존 시스템에서는 버그 보고서가 잘못 배정되거나 팀 간에 반복적으로 재할당되는 문제가 발생했다. 이로 인해 내부 서비스 수준 협약(SLA)을 준수하지 못하는 사례가 빈번했으며, 지연 및 중복 조사로 인해 발생하는 연간 누적 생산성 손실은 약 42년에 달하는 것으로 추산되었다. 버그 보고서는 텍스트, 스택 트레이스(Stack traces), 스크린샷, 비디오 등 다양한 형태의 데이터를 포함하고 있어 단순한 규칙 기반 분류로는 정확한 라벨링이 어려운 다중 클래스 분류(Multi-class classification) 문제였다.

아마존 베드록을 통한 버그 분류 성능 혁신

미로는 AWS 프로토타이핑 및 클라우드 엔지니어링(PACE) 팀과 협력하여 버그 분류 자동화를 위한 'BugManager'를 개발했다. 이 솔루션은 아마존 베드록(Amazon Bedrock)의 생성형 AI 기능을 활용하여 복잡한 버그 데이터를 분석하고 적절한 담당 팀을 식별한다.

도입 결과, 팀 간의 버그 재할당 횟수는 기존 대비 6배 감소했으며, 버그 해결 시간은 5배 단축되는 성과를 나타냈다. 정확한 버그 라우팅(Routing)은 개발자의 문맥 전환(Context-switching)을 방지하고 업무 좌절감을 줄여, 궁극적으로 제품 품질 향상과 고객 만족도 증대로 이어지는 구조를 완성했다.

기술적 과제와 해결 과정

현대적인 소프트웨어 환경에서 버그 분류 자동화는 매우 복잡한 작업이다. 버그 보고서는 맥락이 부족하거나 데이터 형식이 불일치하는 경우가 많다. 미로는 이러한 비정형 데이터를 처리하기 위해 아마존 베드록의 대규모 언어 모델(LLM) 역량을 활용하여 100여 개 팀에 대한 정밀한 분류 체계를 구축했다.

미로는 이번 사례를 통해 기업 내부의 개발자 생산성을 높이기 위해 최신 AI 기술을 어떻게 워크플로에 통합할 수 있는지 증명했다. 향후 미로는 BugManager의 운영 안정성을 유지하며 개발자 경험을 지속적으로 고도화할 계획이다.