지난 10년간 Big Tech에서 일하다가 한 달 전에 퇴사했음
회사 밖에서 일하니 생산성이 50배는 오른 느낌임
AI가 생산성에 미치는 영향을 보면, LLM은 (1) 보일러플레이트 코드 작성, (2) 언어 간 코드 변환, (3) 새로운 개념 학습과 요약, (4) 문서화 같은 단순 작업에 강함
하지만 대기업에서는 이런 일이 자주 일어나지 않음. 대부분은 회의와 시스템 통합에 시간을 씀
AI가 진짜 도움이 된 건 해커톤 때뿐이었음. 그 외에는 오히려 일이 늘었음
반면 독립적으로 일할 때는 네 가지 모두에서 큰 생산성 향상을 체감함. 법적 문제나 배포 버그 걱정도 덜함
결국 “누가 쓰느냐”에 따라 AI는 게임 체인저일 수도, 아닐 수도 있음
우리 회사는 거의 모든 내부 업무에 AI를 씀
하지만 AI에게 인생의 root access를 주면 실망만 남음. AI는 항상 아키텍트의 통제가 필요함
나는 AI가 이메일을 작성하게 하지만, 전송은 내가 직접 함. 데이터 접근은 허용하되 최종 결정은 내가 내림
MongoDB 시절의 교훈 덕분에 신기술에 신중하게 접근함. 지금은 Elixir로 직접 래퍼를 만들고, Ash framework와 Phoenix로 자동화를 구축했음
여러 모델을 병렬로 써서 한 회사가 내 데이터를 전부 알 수 없게 함. 진짜 과제는 프라이버시임
스타트업 창업자이자 초기 멤버로 일해본 입장에서, FAANG 출신만 경험한 사람들은 작은 팀의 소유 기반 생산성을 잘 모름
나도 (1)과 (3)에 가장 많이 의존함. LLM은 일종의 강화된 Stack Overflow 같음
하지만 대기업에서는 코드 작성이 전체 업무의 20% 정도라, 나머지 80%가 여전히 병목임
결국 조직 규모가 커질수록 병목은 조율 비용에서 생김
흥미로운데, 수익을 내고 있는지 궁금함. 수익이 없다면 그건 취미 생산성일 뿐, 노동 시장의 생산성이라 부르긴 어려움
AI로 생산성 향상을 못 느낀다는 사람들에게 묻고 싶음, 어디서 막히는지?
나는 이전 댓글에 워크플로우를 설명했는데, 레거시 코드베이스에서도 절반의 단계를 줄였음
이제는 거의 코드를 직접 안 쓰고, LLM이 제안한 변경을 검토만 함. 결과가 무섭게 좋음
해고하는 회사들은 비전이 없음. 우리 비영리 조직은 오히려 채용 중임
일이 빨라졌다면 더 많은 일을 하면 됨. 수익을 지역사회에 환원하며 실질적 가치를 만들어냄
LLM은 보일러플레이트 코드나 낯선 코드베이스에서 시작점을 잡을 때 유용함
하지만 복잡한 코드에서는 오히려 품질 저하로 이어짐. 유지보수 가능한 코드를 원하면 직접 하는 게 낫음
이번 릴리스에서 Claude Code와 Codex로 기능을 구현했는데, 버그 폭발로 이어짐
초기 구현은 빨랐지만, 디버깅 단계가 훨씬 오래 걸릴 듯함
AI에게 feature flag 정리 작업을 맡겼는데, 사람이 3분 걸리는 일을 15분에 끝냄
지시를 무시하고 코드 정리를 엉망으로 해서 오히려 비용이 5배로 늘었음
그래도 12월 이후 개선됐다는 말이 있어 다시 시도해볼 예정
실패율이 너무 높음. 단순 CRUD 수준을 넘어서면 환각과 과잉 코드 작성이 심함
Stack Overflow 대체 수준에 머물러 있음
나는 코드 작성보다는 운영과 유지보수를 담당함
지금까지 AI는 내 업무에 거의 영향을 주지 못했음. 오히려 Docker가 훨씬 큰 변화를 줬음
AI는 예전의 좋았던 검색엔진 수준임. 게임 개발에서는 거의 쓸모없음
기본 함수도 잘못 만들고, 논리 오류가 잦음
운영 쪽에서도 비슷함. 이메일은 AI가 써주지만, 전체 프로세스는 그대로임
클라우드, Terraform, Ansible 같은 기술들이 훨씬 더 큰 변화를 줬음
이건 80년대 생산성 역설(Productivity Paradox) 과 비슷함 위키 문서처럼, 기술은 보이지만 통계에는 안 나타나는 시기임
우리 회사는 AI 도입으로 6개월 로드맵을 몇 주 만에 끝내는 수준임
이제는 PM과 엔지니어링 매니저 감축까지 검토 중임. 35년 커리어 중 가장 큰 변화임
나도 생산성은 올랐지만 피로감이 커졌음
작은 NGO라서 AI 덕분에 더 많은 일을 같은 자금으로 처리함. 덕분에 학습 속도와 품질도 향상됨
하지만 일의 양은 줄지 않음. 오히려 더 많은 일을 하게 됨
개발자로서 생산성이 두 배로 늘었지만, 업무량은 그대로임
기대치가 함께 올라가서 결국 일정만 압축된 셈임
Hacker News 의견들
지난 10년간 Big Tech에서 일하다가 한 달 전에 퇴사했음
회사 밖에서 일하니 생산성이 50배는 오른 느낌임
AI가 생산성에 미치는 영향을 보면, LLM은 (1) 보일러플레이트 코드 작성, (2) 언어 간 코드 변환, (3) 새로운 개념 학습과 요약, (4) 문서화 같은 단순 작업에 강함
하지만 대기업에서는 이런 일이 자주 일어나지 않음. 대부분은 회의와 시스템 통합에 시간을 씀
AI가 진짜 도움이 된 건 해커톤 때뿐이었음. 그 외에는 오히려 일이 늘었음
반면 독립적으로 일할 때는 네 가지 모두에서 큰 생산성 향상을 체감함. 법적 문제나 배포 버그 걱정도 덜함
결국 “누가 쓰느냐”에 따라 AI는 게임 체인저일 수도, 아닐 수도 있음
하지만 AI에게 인생의 root access를 주면 실망만 남음. AI는 항상 아키텍트의 통제가 필요함
나는 AI가 이메일을 작성하게 하지만, 전송은 내가 직접 함. 데이터 접근은 허용하되 최종 결정은 내가 내림
MongoDB 시절의 교훈 덕분에 신기술에 신중하게 접근함. 지금은 Elixir로 직접 래퍼를 만들고, Ash framework와 Phoenix로 자동화를 구축했음
여러 모델을 병렬로 써서 한 회사가 내 데이터를 전부 알 수 없게 함. 진짜 과제는 프라이버시임
하지만 대기업에서는 코드 작성이 전체 업무의 20% 정도라, 나머지 80%가 여전히 병목임
AI로 생산성 향상을 못 느낀다는 사람들에게 묻고 싶음, 어디서 막히는지?
나는 이전 댓글에 워크플로우를 설명했는데, 레거시 코드베이스에서도 절반의 단계를 줄였음
이제는 거의 코드를 직접 안 쓰고, LLM이 제안한 변경을 검토만 함. 결과가 무섭게 좋음
일이 빨라졌다면 더 많은 일을 하면 됨. 수익을 지역사회에 환원하며 실질적 가치를 만들어냄
하지만 복잡한 코드에서는 오히려 품질 저하로 이어짐. 유지보수 가능한 코드를 원하면 직접 하는 게 낫음
초기 구현은 빨랐지만, 디버깅 단계가 훨씬 오래 걸릴 듯함
지시를 무시하고 코드 정리를 엉망으로 해서 오히려 비용이 5배로 늘었음
그래도 12월 이후 개선됐다는 말이 있어 다시 시도해볼 예정
Stack Overflow 대체 수준에 머물러 있음
나는 코드 작성보다는 운영과 유지보수를 담당함
지금까지 AI는 내 업무에 거의 영향을 주지 못했음. 오히려 Docker가 훨씬 큰 변화를 줬음
기본 함수도 잘못 만들고, 논리 오류가 잦음
클라우드, Terraform, Ansible 같은 기술들이 훨씬 더 큰 변화를 줬음
위키 문서처럼, 기술은 보이지만 통계에는 안 나타나는 시기임
이제는 PM과 엔지니어링 매니저 감축까지 검토 중임. 35년 커리어 중 가장 큰 변화임
작은 NGO라서 AI 덕분에 더 많은 일을 같은 자금으로 처리함. 덕분에 학습 속도와 품질도 향상됨
하지만 일의 양은 줄지 않음. 오히려 더 많은 일을 하게 됨
개발자로서 생산성이 두 배로 늘었지만, 업무량은 그대로임
기대치가 함께 올라가서 결국 일정만 압축된 셈임
지금 진행 중인 프로젝트는 AI 없이는 시도조차 못 했을 규모임
하지만 여전히 LLM의 출력을 완전히 신뢰하지 않음. SwiftLint 돌리기도 두려움
그래도 프로젝트 속도는 엄청나게 빨라졌음. 예전엔 2년 걸리던 걸 한 달 만에 절반 이상 완성함
AI의 실제 영향은 크지 않다고 봄
AI를 잘 쓰는 사람은 살짝 더 생산적이지만, 그걸 드러내면 업무가 10배 늘어남
진짜 변화는 인디 개발자나 프리랜서에게 있음
AI 제품을 파는 회사의 말은 신뢰하지 않음
마케팅 부서 동료는 회사 승인 LLM(Gemini)으로는 가짜 업무만 하고,
진짜 일은 개인 계정의 Claude로 처리함
이유는 회사가 프롬프트를 수집해 자신의 대체 모델을 학습시킬까 두렵기 때문임
회사에서 주니어 채용을 중단했음
이제는 그들이 하던 일을 AI에게 맡기는 게 더 효율적임
다만 이건 일시적 조정기임. 앞으로 전문성의 형태가 바뀌면 다시 채용이 재개될 것임
문제는 AI가 아니라 수익 구조와 같은 거시경제 요인임
혹시 Claude 로그에서 노출 빈도만으로 영향력을 추정한 건 아닌지 의문임
그건 마치 스네이크 오일 판매자가 자기 고객을 조사해 “의사가 필요 없다”고 주장하는 꼴임
데이터 해석이 완전히 왜곡된 전제 위에 서 있음