함께 "좋은 책"을 만들어 갑니다.

서문

제1장. AI, 개발자의 의사결정 동반자
1.1 소프트웨어 아키텍처, 전략적 의사결정의 본질
1.2 아키텍처 의사결정의 타이밍과 범위
1.3 GPT AI와 아키텍트의 협업
1.4 GPT AI와 함께하는 설계 자동화 프로세스

제2장. 요구사항 정의 및 분석
2.1 아키텍처 스토리: AI를 위한 전략적 나침반
2.1.1 아키텍처 스토리의 핵심 가치
2.1.2 아키텍처 스토리 작성 6단계 전략
2.1.3 아키텍처 스토리 예시: ShopSmart 이커머스 플랫폼
2.2 핵심 요구사항 도출: GPT AI와 체계적 분석
2.2.1 ASR의 중요성: 전략적 설계의 나침반
2.2.2 ASR의 분류와 특징
2.2.3 GPT를 활용한 ASR 도출 방법
2.3 품질 속성 분석 및 시나리오 구체화
2.3.1 품질 속성의 개념: 시스템의 실질적 품질
2.3.2 GPT를 활용한 품질 속성 시나리오 개발
2.4 제약사항 식별 및 최종 ASR 목록 검증
2.4.1 제약사항의 유형: 설계의 경계
2.4.2 ASR 통합 및 일관성 검증: 트레이드-오프 관리

제3장. GPT 기반 아키텍처 합성 및 가시화
3.1 아키텍처 합성: 무한한 가능성의 조합
3.1.1 ASR 기반의 아키텍처 스타일 선정
3.1.2 품질 속성 전술 및 패턴 합성
3.1.3 기술 스택 합성
3.2 아키텍처 가시화: 설계의 시각적 소통
3.2.1 가시화의 중요성과 다이어그램 작성 원칙
3.2.2 아키텍처 뷰(View)의 종류와 역할
3.2.3 GPT AI를 활용한 다이어그램 협업 혁신
3.2.4 UML 다이어그램 유형 및 GPT 활용
3.2.5 GPT를 활용한 다이어그램 코드 생성 및 최적화
3.3 아키텍처 문서화: 설계의 흔적을 남기다
3.3.1 아키텍처 문서화의 핵심 요소
3.3.2 GPT를 활용한 문서화 자동화 및 개선

제4장. GPT 기반 아키텍처 평가 및 개선
4.1 아키텍처 평가의 개념과 중요성
4.2 GPT를 활용한 아키텍처 평가
4.2.1 ATAM 활용 강화
4.2.2 SAAM 활용 심화
4.3 GPT AI를 활용한 아키텍처 개선
4.3.1 잠재적 위험 요소 분석 및 완화 방안 제안
4.3.2 아키텍처 개선 및 신기술 도입 검토
4.4 워킹 스켈레톤 코드 생성
4.4.1 아키텍처적 약속과 프롬프트 설계
4.4.2 GPT가 제공하는 ‘안전한 놀이터’
4.5 GPT AI의 한계와 아키텍트의 최종 책임 심화
4.5.1 GPT AI의 환각, 편향, 정보의 최신성 문제에 대한 비판적 검토
4.5.2 인간 아키텍트의 전략적 역할과 최종 책임

제5장. 성능 및 보안 최적화
5.1 상충하는 품질 속성, 균형의 미학
5.2 성능 최적화
5.2.1 성능 최적화 핵심 전술과 GPT AI 활용
5.2.2 성능 최적화 트레이드-오프 결정 실전 가이드
5.3 보안 최적화
5.3.1 보안 최적화 핵심 전술과 GPT AI 활용
5.3.2 보안 최적화 트레이드-오프 결정 실전 가이드
5.4 성능과 보안, 아키텍처의 지속적인 여정

제6장. 확장용이성 및 가용성 최적화
6.1 성장과 안정성을 위한 아키텍처의 필수 조건
6.2 확장용이성 최적화
6.2.1 확장용이성 최적화 핵심 전술과 GPT AI 활용
6.2.2 확장용이성 트레이드-오프 결정 실전 가이드
6.3 아키텍처 가용성 최적화
6.3.1 가용성 최적화 핵심 전술과 GPT AI 활용
6.3.2 가용성 최적화 트레이드-오프 결정 실전 가이드
6.4 확장과 가용성, 비즈니스 성장의 엔진

제7장. 변경용이성 및 사용편의성 최적화
7.1 끊임없는 변화에 대한 적응과 사용자 만족
7.2 변경용이성 최적화
7.2.1 핵심 변경용이성 최적화 전술과 GPT AI 활용
7.2.2 변경용이성 트레이드-오프 결정 실전 가이드
7.3 사용편의성 최적화
7.3.1 사용편의성 최적화 핵심 전술과 GPT AI 활용
7.3.2 사용편의성 트레이드-오프 결정 실전 가이드
7.4 변화 적응과 사용자 만족을 통한 지속 가능성

제8장. 품질 속성 간 트레이드-오프
8.1 아키텍처 설계의 본질: 트레이드-오프
8.2 주요 품질 속성 간의 트레이드-오프 관계 분석
8.2.1 보안 vs 성능
8.2.2 가용성 vs 일관성(CAP 이론)
8.2.3 확장용이성 vs 변경용이성
8.2.4 사용편의성 vs 보안
8.3 트레이드-오프 의사결정 과정과 GPT AI의 활용
8.3.1 트레이드-오프 의사결정 과정
8.3.2 GPT AI를 활용한 트레이드-오프 의사결정 지원
8.4 성공적인 트레이드-오프를 위한 아키텍트의 자세

제9장. 아키텍처와 바이브 코딩
9.1 아키텍처 없는 바이브 코딩의 함정
9.2 아키텍처: 자유로운 놀이터를 위한 울타리
9.3 ‘아키텍처와 바이브 코딩’의 실천 전략: 워킹 스켈레톤
9.3.1 워킹 스켈레톤의 역할과 중요성
9.3.2 GPT AI를 활용한 워킹 스켈레톤 구축 가속화
9.4 사례 연구: ShopSmart의 추천 서비스와 워킹 스켈레톤

제10장. GPT AI와 아키텍트의 대화법
10.1 프롬프트 엔지니어링의 본질: GPT AI와 명확하게 소통하는 기술
10.1.1 프롬프트 엔지니어링 vs 단순 질문
10.1.2 프롬프트 엔지니어링의 핵심 가치
10.2 아키텍트의 GPT AI 활용 4가지 핵심 원칙
10.2.1 원칙 1: 명확한 역할(페르소나)과 목표 부여
10.2.2 원칙 2: 풍부하고 정확한 맥락(Context) 제공
10.2.3 원칙 3: 구체적인 결과물 형식과 구조 정의
10.2.4 원칙 4: 단계적 대화와 반복적 개선(Chain of Thought)
10.3 6가지 프롬프트 패턴 상세 가이드
10.3.1 패턴 1: 아키텍처 대안 평가
10.3.2 패턴 2: 성능 병목 진단
10.3.3 패턴 3: 보안 위협 분석
10.3.4 패턴 4: 트레이드-오프 의사결정
10.3.5 패턴 5: 아키텍처 문서 작성
10.3.6 패턴 6: 설계 리뷰 및 개선
10.4 흔한 실수와 해결책
10.4.1 실수 1: 맥락 제공 부족
10.4.2 실수 2: 기대치 불명확
10.4.3 실수 3: 한 번에 모든 것을 요구
10.5 GPT AI 활용의 한계와 아키텍트의 최종 책임
10.5.1 GPT AI가 잘하는 것
10.5.2 GPT AI가 못하는 것
10.5.3 아키텍트의 역할

제11장. ShopSmart 사례 연구
11.1 이론에서 실전으로, 복합적인 아키텍처 도전 과제
11.2 ShopSmart 개요
11.3 아키텍처 설계 여정: GPT AI와 함께하는 ShopSmart
11.3.1 아키텍처 스토리 및 이해관계자 요구사항 분석
11.3.2 주요 아키텍처 요구사항(ASR) 도출
11.3.3 아키텍처 합성: 최적 스타일 검증 및 모델 시각화
11.3.4 기술 스택 모델 평가 및 트레이드-오프 분석
11.3.5 품질 속성별 아키텍처 전술 적용 및 평가
11.3.6 워킹 스켈레톤 코드 생성: 설계에서 구현의 가교
11.4 AI 시대 아키텍트의 역할과 책임

부록 A. 참고문헌
부록 B. 주요 용어집
핵심 용어집