Ed Burns는 Microsoft와 GitHub 기술에 자바다운(idiomatic) 개발 경험을 제공하는 Principal Software Engineer입니다. 1997년부터 자바를 사용해 왔으며, 클라이언트·서버·클라우드·AI 등 다양한 영역에서 활동해 왔습니다.
### Ed Burns의 역할
- Microsoft와 GitHub 기술 생태계에 자바 관용적 개발 경험을 도입하는 업무를 담당합니다.
- Principal Software Engineer로서 기술 방향과 개발 경험 개선에 기여합니다.
### 자바 경력과 전문 분야
- 1997년부터 자바를 다뤄 온 숙련된 개발자입니다.
- 다음과 같은 폭넓은 영역에서 경험을 쌓았습니다.
- 클라이언트 애플리케이션
- 서버 애플리케이션
- 클라우드 기술
- 인공지능(AI)
### 실용적인 결론
이 글은 특정 기술이나 방법론을 설명하기보다는 Ed Burns의 경력과 전문성을 소개하는 약력입니다. 자바가 클라이언트부터 AI까지 다양한 기술 영역에서 활용되어 왔다는 점을 보여줍니다.
GitHub 법무팀은 엔지니어가 아니어도 Copilot CLI를 활용해 반복적인 법무 업무를 자동화하고, 자신의 판단 기준을 반영한 도구를 직접 만들 수 있음을 보여준다. 계약서 작성·검토와 DMCA 통지 분석 같은 업무를 평문 지침, 정책 자료, 템플릿으로 구조화해 일관성과 처리 속도를 높였다. 다만 AI는 법률적 판단을 대체하는 것이 아니라, 사람이 최종 검토하는 의사결정 지원 시스템으로 활용됐다.
## 반복 업무를 AI 도구로 전환한 배경
- 법무팀의 업무에는 유사 계약 검토, 반복적인 법률 질의 응답, 기존 가이드 재활용 등 반복 작업이 많았다.
- 구성원들은 전통적인 프로그래밍 경험이 부족했지만, 자신의 업무 방식과 판단 기준은 명확히 알고 있었다.
- Copilot CLI에 자연어로 원하는 기능을 설명하고 저장소와 연결하면서, 프롬프트를 일회성으로 사용하는 대신 재사용 가능한 내부 도구로 발전시켰다.
- 지침과 자료를 저장소에서 관리해 버전 관리, 일관성 확보, 협업이 가능해졌다.
## `terms-ai`: 계약 작성 스타일 가이드 구축
- Ngandu Kasuku는 데이터·인프라·제품 통합 관련 파트너십 계약이 급증하자 계약 작성 도구 `terms-ai`를 만들었다.
- 저장소에 다음 자료를 정리했다.
- AI 작업 지침
- 계약 작성 리소스
- 업무 흐름
- 기존에 승인된 계약서
- 평문 중심의 계약 작성 원칙을 내부 스타일 가이드로 만들었다.
- 불필요하게 고어체인 법률 용어를 줄임
- 더 명확하고 읽기 쉬운 문장 사용
- 계약 전반에 동일한 문체와 기준 적용
- 기존 파트너와의 과거 계약 및 승인된 문서를 참고해 새 계약서나 부속합의서 초안을 작성할 수 있게 했다.
- 민감한 계약서와 내부 정보는 공개 저장소에 포함하지 않고, 접근 제어가 적용된 내부 환경에 보관했다.
- 결과적으로 계약 검토와 작성 시간이 약 절반으로 줄었고, 조항의 일관성과 개인의 작성 스타일 반영 수준이 향상됐다.
- 핵심은 AI가 단순히 초안을 생성한 것이 아니라, 변호사의 경험과 판단 방식을 도구에 내장했다는 점이다.
## DMCA 통지 분석을 위한 평문 기반 워크플로
- Jesse Geraci는 DMCA 통지를 처리하기 위해 소스 코드를 빠르고 정확하게 분석해야 하는 문제에서 출발했다.
- 처음에는 팀원들이 각자 작성하던 일회성 프롬프트를 다음과 같은 반복 가능한 지침으로 정리했다.
- DMCA 통지 분류
- 코드 비교
- 라이선스 확인
- 우회 행위 검토
- 분석 결과 보고서 작성
- 전통적인 소스 코드 대신 다음과 같은 평문 파일을 중심으로 워크플로를 구성했다.
- 업무 절차 지침
- 정책 및 법률 참고 자료
- 보고서 템플릿
- 변호사가 가진 언어 구성 능력과 법률적 방법론을 구조화된 업무 로직으로 활용했다.
- 고객용과 변호사용 분석 모드를 분리했다.
- 고객용: 빠른 결과와 에스컬레이션 권고 제공
- 변호사용: 심층 검토와 양측 주장 분석 제공
- 외부 데이터 소스를 연동하면서 팀이 재사용할 수 있는 표준 워크플로로 확장됐다.
## 데스크톱 앱과 재사용 가능한 법무 에이전트
- 초기 평문 워크플로는 이후 사전 정의된 법무 작업을 실행하는 데스크톱 앱으로 발전했다.
- 앱 자체를 구축하려면 상당한 코드가 필요했지만, 실제 업무 동작을 바꾸는 지침은 여전히 Markdown과 자연어로 편집할 수 있다.
- DMCA 코드 분석을 넘어 다음 업무로 범위가 확대됐다.
- 계약서 검토
- NDA 분류
- 위험 평가
- 컴플라이언스 점검
- 답변 초안 작성
- 내부적으로는 다음과 같은 재사용 가능한 스킬과 에이전트로 업무를 나눌 수 있다.
- 접수 및 초기 분류
- 플레이북 기준 대조
- 위험 점수 산정
- 증거 검증
- 에스컬레이션 경로 결정
- 보고서 조립
- 기술적 구현이 복잡해져도 법무팀은 읽기 쉬운 Markdown을 통해 AI의 동작과 기준을 직접 통제할 수 있다.
## 인간의 법률 판단을 중심에 둔 AI 활용
- 법무 Copilot은 변호사를 대체하는 시스템이 아니라 구조화된 의사결정 지원 도구다.
- AI 활용의 목적은 다음과 같다.
- 법률 분석의 일관성 향상
- 판단 과정의 투명성 확보
- 반복 업무의 확장성 강화
- 사람이 중요한 쟁점과 최종 판단에 집중하도록 지원
- 조직은 완벽한 상용 솔루션이나 전문 개발자를 기다리지 않고, 먼저 자신의 방법론·기준·결과 형식을 명확히 정의할 수 있다.
작게는 반복되는 계약 검토나 자료 분류처럼 시간을 가장 많이 빼앗는 업무 하나를 골라, 자연어 지침과 내부 자료를 재사용 가능한 워크플로로 정리하는 것이 현실적인 시작점이다. 단, 민감한 자료에는 접근 제어를 적용하고, AI 결과는 반드시 담당자의 검토와 승인을 거치도록 설계해야 한다.
Joseph은 사이버보안과 AI 분야에서 개발자들이 안전한 소프트웨어를 만들도록 돕는 전문가다. 오픈소스 게임, 영상, 강연을 통해 보안 지식을 실용적으로 전달하며, 전 세계 개발자와 청중에게 큰 영향력을 미치고 있다.
### 사이버보안 및 AI 분야의 전문성
- 개발자가 보안을 고려해 소프트웨어를 구축할 수 있도록 콘텐츠와 소프트웨어를 개발한다.
- 사이버보안과 AI를 결합한 실용적인 지식을 전달하는 인물로 소개된다.
### 오픈소스 보안 교육
- 오픈소스 게임 `gh.io/scg`를 제작했다.
- 이 게임은 10,000명 이상의 개발자가 미래에도 활용 가능한 보안 역량을 익히는 데 기여했다.
### 대중적인 보안 콘텐츠
- Joseph의 영상 콘텐츠는 누적 280만 회 이상의 조회수를 기록했다.
- 복잡한 보안 주제를 쉽게 설명하고, 개발자가 바로 적용할 수 있는 실용적인 조언을 제공한다.
- 콘텐츠는 전 세계 audience를 대상으로 한다.
### 국제적인 강연 활동
- 최근 4년간 25개국에서 총 79회의 강연을 진행했다.
- 전문적인 통찰력과 활기찬 무대 진행으로 청중의 관심을 끌었다.
개발자라면 Joseph의 오픈소스 게임이나 영상을 활용해 보안 개념을 실습 중심으로 익히고, 강연을 통해 최신 보안 동향과 적용 방법을 접할 수 있다.
오픈소스 보안은 코드와 도구만이 아니라 이를 유지하는 사람에 대한 투자에서 출발한다. GitHub는 AI로 취약점과 보안 보고서가 급증하는 상황에서 메인테이너의 부담을 줄이기 위해 자금, 교육, 보안 도구, AI 기능을 함께 강화하겠다고 밝혔다. 이를 통해 메인테이너가 지속 가능하게 프로젝트를 관리하고, 소프트웨어 공급망 전반의 보안을 높이는 것이 목표다.
## 메인테이너가 직면한 부담
- 메인테이너는 풀 리퀘스트 검토, 보안 신고 대응, 릴리스 관리 등을 자원봉사 또는 제한된 시간 안에 수행한다.
- 소규모 프로젝트가 갑자기 핵심 인프라로 사용되면서 유지보수 책임이 개인에게 집중될 수 있다.
- 늦은 시간까지 이어지는 업무와 경제적 보상 부족은 번아웃으로 이어진다.
- AI의 확산으로 자동 생성된 풀 리퀘스트와 보안 신고가 급증하면서 신뢰할 수 있는 문제와 단순한 노이즈를 구분하기 어려워졌다.
## 오픈소스 보안을 위한 공동 투자
- GitHub는 Anthropic, AWS, Google, OpenAI와 함께 Linux Foundation의 **Alpha-Omega** 이니셔티브에 총 1,250만 달러를 지원한다.
- 지원 목적은 다음과 같다.
- AI 기반 보안 기능을 메인테이너의 기존 작업 흐름에 통합
- 핵심 오픈소스 프로젝트의 보안 강화
- 메인테이너가 새로운 보안 위협에 대응할 수 있도록 교육과 실용적 도구 제공
- GitHub는 28만 명 이상의 메인테이너에게 다음 기능을 무료로 제공하고 있다.
- GitHub Copilot Pro
- GitHub Actions
- 코드 스캐닝 및 Autofix
- 시크릿 스캐닝과 푸시 보호
- 의존성 알림
## GitHub Secure Open Source Fund 확대
- **GitHub Secure Open Source Fund**에 550만 달러 규모의 Azure 크레딧과 재원을 추가한다.
- 지원 항목은 다음과 같다.
- 보안 교육과 전문 지식
- 프로젝트 간 협력과 커뮤니티 형성
- Datadog, Open WebUI, Atlantic Council, OWASP 등 새로운 파트너십
- 기존 프로그램에서는 38개국 200명 이상의 메인테이너가 참여한 138개 프로젝트를 지원했다.
- 그 결과 다음과 같은 보안 성과가 발생했다.
- 새로운 CVE 191건 등록
- 유출 전 차단된 시크릿 250건 이상
- 발견 및 해결된 유출 시크릿 600건 이상
- 월간 수십억 회 다운로드되는 프로젝트에 영향
- 단순한 자금 지원보다 보안 개선이라는 구체적 목표와 실습, 교육, 전문가 지원을 결합할 때 효과가 크다는 교훈을 얻었다.
## 보안 신고와 취약점 대응 개선
- GitHub Security Lab은 보안 권고 경험과 **Private Vulnerability Reporting(PVR)** 기능에 투자한다.
- 목표는 품질이 낮은 신고를 줄이고, 메인테이너가 늘어나는 보안 보고서를 더 효율적으로 관리하도록 돕는 것이다.
- GitHub는 보안 연구와 교육을 통해 일반적인 위협에 대한 대응력을 오픈소스 커뮤니티 전체로 확산시키고 있다.
- 보안 도구가 메인테이너의 실제 작업 흐름에 자연스럽게 결합되어야 한다고 강조한다.
## AI를 메인테이너의 부담 완화에 활용
- AI는 방어 측과 공격 측 모두의 취약점 발견 속도와 규모를 크게 높이고 있다.
- 따라서 메인테이너는 더 많은 취약점을 찾는 것뿐 아니라 다음 작업을 빠르게 수행해야 한다.
- 보안 신고 우선순위 지정
- 실제 위험과 노이즈 구분
- 취약점의 원인 이해
- 수정 코드 작성 및 검증
- GitHub는 AI가 추가적인 압박이 아니라 생산성 향상을 위한 도구가 되어야 한다고 설명한다.
- 이를 위해 다음 영역에 AI를 적용할 계획이다.
- 이슈 분류
- 풀 리퀘스트 검토
- 취약점 식별
- 보안 취약점 자동 수정
- 메인테이너에게 제공되는 Copilot Pro에는 AI 지원 코드 리뷰, 에이전트 기반 보안 수정 워크플로, 다양한 모델 활용 기능이 포함된다.
- GitHub는 보안 연구용 AI 프레임워크도 오픈소스로 공개해 특정 보안 조직뿐 아니라 메인테이너가 직접 활용할 수 있도록 했다.
## 지속 가능한 보안 생태계
- 메인테이너에게 시간, 전문성, 자금, 적절한 도구를 제공하면 프로젝트 보안이 개선되고 그 효과가 downstream 사용자와 다른 프로젝트로 확산된다.
- 이는 메인테이너 지원 → 보안 개선 → 생태계 전체의 신뢰 향상 → 더 많은 참여와 지원으로 이어지는 선순환 구조를 만든다.
- AI 시대의 오픈소스 보안은 자동화만으로 해결되지 않으며, 사람의 판단과 지속 가능한 유지보수가 함께 필요하다.
오픈소스 프로젝트를 운영한다면 보안 기능을 일회성으로 적용하기보다 코드 스캐닝, 시크릿 보호, 의존성 관리, 비공개 취약점 신고를 정기적인 유지보수 과정에 포함하는 것이 좋다. 동시에 AI 도구는 신고와 수정 작업을 줄이는 보조 수단으로 활용하되, 최종 판단은 메인테이너가 직접 검증해야 한다.
GitHub와 Andela는 AI 도구를 별도 교육 과정이 아니라 실제 프로덕션 개발 업무에 통합하는 방식으로 글로벌 개발자의 AI 활용 역량을 높였다. 2년간 Andela의 550만 명 네트워크를 대상으로 협력했고, AI Academy를 통해 3,000명의 엔지니어가 GitHub Copilot을 교육받았다. 사례에서 AI는 단순한 코드 생성보다 레거시 시스템 파악, 테스트 작성, 리팩터링 준비, 의사결정 지원을 통해 개발자의 자신감과 생산성을 높이는 데 효과적이었다.
## 지역에 따른 AI 학습 기회의 격차
- 아프리카, 남미, 동남아시아 등에는 뛰어난 개발자가 많지만 최신 기술, 멘토링, 학습 경로에 대한 접근성은 지역과 고용주에 따라 크게 다르다.
- 불안정한 인터넷 연결, 고성능 컴퓨팅 부족, 클라우드 도구와 데이터 비용 등이 AI 학습을 어렵게 만든다.
- 기존 교육 콘텐츠는 안정적인 인터넷과 충분한 자원을 전제로 하며, 지역 언어·문화·업무 환경을 충분히 반영하지 못하는 경우가 많다.
- 비정규직이나 계약직 개발자는 재교육에 투자할 시간과 경제적 여유가 부족할 수 있다.
- 저렴한 도구 접근성, 지역에 맞는 학습 과정, 커뮤니티 중심 생태계가 없으면 AI 발전이 기존의 기술 격차를 확대할 수 있다.
## 실제 업무 안에서 AI를 학습하는 방식
- 중견 개발자가 프로덕션 업무를 중단하고 AI를 실험하기는 현실적으로 어렵기 때문에, 학습은 기존 업무 흐름 안에서 이루어져야 한다.
- 단순히 조직 전체에 AI 도구를 배포하고 자율적인 실험을 맡기는 것만으로는 충분하지 않다.
- 어떤 직무가 AI의 효과를 크게 얻는지, 어떤 업무를 대상으로 하는지, 코드 리뷰와 품질 기준을 어떻게 바꿀지 명확히 해야 한다.
- Andela는 개발자의 담당 업무와 AI 활용 가능성을 기준으로 참여자를 선정하고, 실제 운영 중인 시스템에 맞춰 직무와 교육 과정을 설계했다.
- GitHub Copilot을 IDE, 풀 리퀘스트 리뷰, 리팩터링 작업에 직접 적용해 실제 제약 조건 속에서 효과를 평가했다.
- 교육은 이상적인 연습 문제가 아니라 개발자가 실제로 유지보수해야 하는 시스템과 업무를 기반으로 구성됐다.
## 레거시 시스템 이해와 안전한 변경
- AI를 활용했을 때 가장 먼저 나타난 효과는 코드 작성 속도보다 낯선 시스템에 빠르게 적응하는 능력이었다.
- 브라질의 시니어 엔지니어 Daniel Nascimento는 변경 전에 프로젝트의 목적, 아키텍처, 강점과 취약점을 파악하는 데 AI를 활용했다.
- 테스트 커버리지가 부족한 레거시 코드에서는 리팩터링 전에 AI로 단위 테스트를 생성해 기존 동작을 보호할 경계를 만들었다.
- 개발자들이 활용한 방식은 다음과 같다.
- 기존 동작을 파악하기 위한 테스트 생성
- 복잡한 제어 흐름을 명확하게 만드는 리팩터링 초안 작성
- 시스템 경계와 구성 요소를 이해하기 위한 다이어그램 구상
- AI가 생성한 결과는 정리되지 않았거나 미묘한 오류를 포함할 수 있으므로, 개발자의 검토와 품질 관리가 여전히 필수적이다.
## 생산성보다 중요한 자신감과 판단력
- 몇 주간 실제 시스템에 AI를 적용한 개발자들은 다음과 같은 변화를 보고했다.
- 익숙하지 않은 시스템에 더 빠르게 온보딩
- 모호하고 복잡한 업무를 맡는 데 대한 자신감 향상
- 환경 설정과 반복 작업에 쓰는 시간 감소
- 비즈니스 맥락과 실제 영향에 집중할 수 있는 시간 증가
- Daniel은 GitHub Copilot 사용 후 생산성이 약 50% 향상됐다고 평가했다.
- 다만 효과의 핵심은 단순히 더 많은 코드를 빠르게 생성하는 데 있지 않고, 개발자가 시스템을 이해하고 더 나은 결정을 내릴 시간을 확보하는 데 있다.
- AI는 개발자의 이해와 책임을 대체하지 않으며, 복잡한 프로덕션 환경에서는 검토·테스트·리팩터링 역량과 함께 사용해야 한다.
## 실무 적용을 위한 시사점
- AI 교육은 일회성 자격증 과정이 아니라 실제 담당 시스템과 업무에 연결해야 한다.
- 모든 개발자에게 동일한 방식으로 배포하기보다 AI 효과가 큰 역할과 문제를 먼저 선정하는 것이 좋다.
- 코드 생성뿐 아니라 테스트 작성, 레거시 분석, 문서화, 온보딩 등 초기 효과가 큰 영역부터 적용할 수 있다.
- AI 도구의 도입 성과는 코드 생산량만이 아니라 시스템 이해 속도, 변경 안정성, 개발자의 판단력과 자신감까지 함께 평가해야 한다.
- 지역별 인프라와 경제적 제약을 고려한 접근성 높은 교육·도구 지원이 글로벌 AI 격차를 줄이는 데 중요하다.
