The success of cloud-native development has been driven not primarily by Microservice Architecture (MSA), but by the software engineering principles that underpin it. Software engineering is evolving into executable governance that directs and constrains the behavior of AI agents. CI/CD serves as the execution platform that continuously validates and enforces this governance.

AI 코딩 에이전트는 시니어 분석가/아키텍트/엔지니어가 가이드하고 검증해야 하는 주니어 개발자와 같다. 시니어의 역할은 SW 공학의 원칙, 패턴과 베스트 프랙티스가 잘 적용되어, 현장 사용자가 신뢰할 수 있고 미래에 장기적으로 발전·확장해 나갈 수 있는 애플리케이션이 구축되도록 관여하고 책임을 지는 것이다.

An AI coding agent is like a junior developer who must be guided and validated by senior analysts, architects, and engineers. The role of the senior is to take responsibility and remain actively involved in ensuring that software engineering principles, patterns, and best practices are properly applied, so that the resulting application is one that end users can trust and that can continue to grow and evolve over the long term.

직원의 AI 개발 역량 확보는 생성형 AI(GenAI) 프롬프팅과 AI 에이전트 구축 성공의 핵심 요소 중 하나다. AI 개발 역량은 훈련 대상 그룹이 누구인지, 개발하는 GenAI 시스템의 기술적 유형, 비즈니스 도메인 특성, 아키텍처 품질 요건(Architecturally Significant Requirements: ASR), 사용 툴, 그리고 배포 환경에 따라 교육 내용(Content)과 방법(Pedagogy)이 달라진다. 본고에서는 AI 커리큘럼의 설계 프로세스(Curriculum Engineering Process)를 살펴본다.

To build a successful business application via agent coding, we should apply well-known patterns for digital transformation. To build high-quality software via agent coding, we should stick to proven software engineering patterns. Since an AI coding agent is one kind of AI agent, it should inherit the growing set of patterns for AI agents, especially those for generative AI agents. We present the largest yet collection of 68 agent coding patterns that lead to high-quality, pr

AI를 이용한 SW 개발 자동화를 추구하는 에이전트 코딩이 급속히 발전하고 있다. 에이전트 코딩의 현 주소, 최적 개발 방법, 필수 역량과 팀 조직에 대해 살펴본다.