일주일에도 여러 번 같은 대화를 함: “AI가 개발자를 무의미하게 만들 것”이라길래 왜냐고 물으면 “LLM이 코드를 쓸 수 있으니까”라고 답함
그런데 실제로 내가 생계로 하는 일 중 코드 작성은 예전엔 2~5%, 지금은 더 적고, 나머지는 사물을 이해한 뒤 해결책을 구성하는 능력을 적용하는 일임
개발자 일이 코드 치는 것이라고 여전히 믿는 개발자는 미래에 일자리가 없을 수도 있고, LLM이 개발자를 대체한다고 믿고 개발자 없이 해보려는 사업자도 결국 자연선택이 처리할 것이라 봄
2000년쯤 첫 직장 중 하나에서 1970년대 초부터 일한 선배 소프트웨어 엔지니어와 짝이 됐고, 배울 생각에 들떠 있었음
나흘째쯤 그가 “내 커리어에 가장 도움 된 걸 가르쳐주겠다”고 하더니 “펀치카드에 항상 번호를 매겨라, 떨어뜨려도 쉽게 순서대로 돌릴 수 있다”고 함
이미 펀치카드를 쓰던 시대가 한참 지난 뒤라 실망했는데, 그는 “너에게 도움이 되는 게 아니라 나에게 도움이 됐던 것이라고 했다. 소프트웨어는 항상 변한다”고 덧붙였고, 요즘 그 말을 자주 떠올림
이 답은 좀 지나치게 매끈함. 실제 시간 대부분은 코딩에 쓰이고, 여기에는 타이핑, 다시 타이핑, 또 다시 타이핑하는 일이 포함됨
문서화가 부족한 API에 맞춰 재작성한 코드가 돌아가게 하려고 벽에 머리를 박는 시간도 들어감
원 댓글의 표현은 소프트웨어 공학을 수학처럼 순수하고 고귀한 활동처럼 보이게 하지만, 실제로는 계획을 가지고 들어갔어도 현실이 맞지 않아 촉박한 일정 속에서 드릴 스트링을 맞추려고 큰 망치로 금속을 두드리는 시추 노동자에 더 가까움
“코드 작성이 2~5%”인 사람도 있지만, 6~50%인 사람들도 있음
“사물을 이해하고 해결책을 구성한다”는 일도 AI가 노리는 영역임
운 좋게 기여를 인정받는 환경에 있거나, 훈련 데이터에 잘 없는 산업·도메인에 있거나, AI가 다루기엔 너무 복잡한 문제 공간에 있을 뿐일 수 있음
Jira 티켓을 처리하고 CRUD 웹앱을 만드는 사람들은 생계가 자주 사라지거나, 같은 혹은 더 낮은 급여로 더 많은 산출을 요구받고 AI로 따라잡아야 할 가능성이 큼
“자연선택이 처리할 것”이라는 표현이 좋음. AI가 소프트웨어와 그 너머를 어떻게 바꿀지 예측은 넘쳐나지만, 이제는 말이 멈추고 성과의 시연이 시작될 때가 언제인지 궁금함
된다면 될 것이고, 방법은 퍼져서 빠르게 모두가 접근 가능해지며 진전이 계속될 것임
안 된다면 실제 결과가 없다는 점으로 드러날 것이고, “나는 보고 있다”는 말만으로는 부족함. 모두가 보고 쓸 수 있는, 피할 수 없고 부정할 수 없는 현실이어야 함
원칙적으로는 동의하지만 2~5% 추정치는 극단적으로 낮아 보임. 대부분의 개발자가 코드에 25%, 많게는 40% 정도 쓴다고 하면 설득될 수 있지만, 2%만 쓰는 사람은 매우 드묾
거대 기업에서 CTO 자문역 같은 초상급 스태프라면 가능하겠지만, 이미 매우 희귀한 위치에 있는 셈임
AI에 대한 양극화된 반응은 어떤 렌즈로 보느냐에 달린 듯함. 주니어 역할은 빠르게 사라지고 있지만, 시니어 역할에서는 경험과 판단력이 그 어느 때보다 중요해짐
그래서 소프트웨어 공학이 더 이상 많은 사람에게 평생 직업이 아닐 수는 있음. 엘리트 스포츠가 대부분에게 현실적인 직업이 아닌 것과 비슷하지만, 그래도 일부는 이 일을 직업으로 삼을 것이고 그래야 함
내 경험은 정반대였음. 최신 도구를 실제로 쓰려는 매우 숙련된 엔지니어들은 40대, 50대를 포함해 이전보다 훨씬 나아졌음
전통적 프로그래머가 시간이 지나며 실전에서 약해지는 이유 중 하나는 체스처럼 집중력과 깊은 계산이 줄어드는 데 있음. 나이 든 체스 선수는 19세 천재보다 체스를 훨씬 잘 알지만, 같은 속도로 오래 계산하지 못해 결국 경험이 순수 계산력에 밀림
Claude Code와 Codex는 계산 부담을 덜어주고, 경험으로 쌓인 모든 본능과 2초짜리 “직관”은 그대로 살아 있음
이제 공정한 경쟁이 된 정도가 아니라 반대로 불공정해졌음. 예전엔 6명 팀을 이끌던 시니어가 이제는 에이전트 팀을 이끌고, 예전처럼 코드를 검토함. 주변 주니어보다 에이전트의 방향을 바꾸는 게 더 쉬울 때도 많음
다행히 소프트웨어 엔지니어에게는 아키텍트 경로가 있고, 세부 계산 방식이 계속 바뀌어도 깊은 직관을 보상하는 경우가 많음
다만 시급하지만 아직 알 수 없는 질문은, 실무의 참호를 거치지 않고도 좋은 아키텍트가 나올 수 있느냐임
LLM도 직관 비슷한 것을 하므로 구분할 필요가 있음. LLM은 인터넷의 집단 무의식에 가깝고, 좋은·나쁜 경험에서 생기는 취향과는 분명 다름
떠오르는 직관은 결국 “좋은 취향”이고, 이는 어떤 기술 분야에서든 시니어 역할의 핵심 업무에 가까움
시니어 한 명이 동료 6명의 일을 할 수 있다면, 그 동료들에게는 무슨 일이 생길까?
농업에서 트랙터에 대체된 사람들은 일자리를 유지하지 못했음. 지금은 무엇이 다른가?
“예전엔 6명 팀을 이끌던 시니어가 이제 에이전트 팀을 이끈다”는 말은 글쓴이의 요점을 확인해준 것임 6명 팀은 더 이상 필요하지 않고, 논리적으로 회사에서 제거됨
그러니 소프트웨어 엔지니어링은 일부에게는 여전히 직업으로 남겠지만, 인원은 85% 줄어들 수도 있음
나는 43세이고, 15년 경험 끝에 Java/Swing 개발자로 매우 생산적이었으며 도구도 속속들이 알았음
하지만 그 회사는 더 이상 존재하지 않고, 지금 쓰는 새 도구들로 효율적으로 일하는 법을 익히는 데 훨씬 오래 걸림. 새 환경의 세부를 10년 동안 익힌 적이 없기 때문임
그래서 AI는 올바른 문법을 알아내고, 단위 테스트 프레임워크의 세부를 기억하는 데 엄청난 시간을 아껴줌. 1~3년 머무르면 훨씬 빨라지고 도구도 더 잘 익히게 될 것 같음
의인화를 멈춰야 함. 에이전트 팀 같은 것은 없고, 그냥 컴퓨터에서 도는 도구와 프로세스일 뿐임
그 시니어 엔지니어 한 명이 사라지면 아무것도 남지 않음. 6명 팀이 있는 편이 더 낫다
“AI 사용자는 시간이 지날수록 기술 역량이 위축되어 덜 효과적인 엔지니어가 된다”는 말은 장기적으로 대체로 맞을 것 같아 안타까움
직업적으로 보면 사람들은 대체로 두 부류로 나뉨: AI로 추론을 보강하는 사람과, AI로 추론을 대체하는 사람. 전자는 크게 걱정하지 않지만 후자가 걱정됨
미국 공립 고등학교 교사인 어머니는 학생들이 “Google AI overview”를 절대적 진실의 출처로 받아들이는 일이 많다고 하소연함
어쩌면 예전의 “Wikipedia를 인용하면 안 된다”와 비슷한 새 현상일 수도 있지만, 팬데믹 이후 수업에 들어오는 아이들의 비판적 사고 능력이 눈에 띄게 떨어졌다고 느낌
인플루언서와 인터넷의 익명 사람들이 무엇을 좋아하고, 싫어하고, 믿어야 하는지 알려주는 환경에서 자란 세대가 한두 세대 있음. 이들은 LLM 이전부터 이미 추론을 외주화했고, 의심스러운 품질에도 자신이 원하는 것을 얻고 있다고 믿게 설계된 시스템과 생산적으로 상호작용할 준비가 되어 있어 보이지 않음
실제로 산출물을 제대로 보지 않고 해결책을 생성하는 사람들과 일함. 이들은 앱을 클릭해보거나 테스트 몇 개를 돌린 뒤 결과가 괜찮다고 판단하면 배포함
PR 전체에 Claude의 흔적이 보이고, 거의 수정하지 않았다고 봐도 안전함. 이들이 A그룹임
반면 문제를 끝까지 다루고, 변경을 시험할 하네스를 만들고 결과를 검증하며, 여러 해결책을 거쳐 이상적인 결과를 하나로 합성하고, 벤치마크하고 다듬고 철저히 테스트하며, PR에 합리적인 검증 절차를 제공하는 동료들도 있음. 이들이 B그룹임
둘은 완전히 다른 AI 사용 방식임. A는 지금은 그럭저럭 통과되는 것처럼 보이지만, B는 주어진 시간 안에서 가능한 것의 새 버전이며, 예외적으로 전문적인 환경 밖에서는 거의 보지 못했던 소프트웨어 공학의 새로운 기준을 정의함
A그룹은 꽤 빠르게 업계에서 밀려날 것 같음. LLM은 배우려는 의지만 있다면 놀라울 만큼 효과적으로 일하게 해줌. 그런 엄밀함이 기본값이 되고, 인간이 루프 안에서 여전히 유용한 구성요소가 되는 유일한 방식이 될 수도 있음
내 주변의 많은 어른들도 이제 Google AI overview를 절대적 출처처럼 받아들이고 있음
일화적으로는 올해 초 미국 소프트웨어 채용 시장에 실제 변화가 생긴 것처럼 느낌. 앞으로 몇 년간 인적 자본에 과투자하지 않으려고 점점 더 많은 기업이 관망 전략을 취하는 듯함
원래도 약했던 채용 신호는 이제 완전히 사라진 느낌임. 공고 하나를 내면 500개가 넘는 LLM 작성 지원서와 자기소개서가 들어오고, 모두 비슷하게 보이고 느껴짐
이 글의 프로 운동선수 비교는 좀 어색함. 근육으로 돈을 버는 경우 노화에 따른 신체 문제가 명확히 있지만, 법률이나 의학 같은 지식노동 분야와 비교하면 40대와 50대에도 매우 숙련되고 날카로운 실무자가 많음
일화이긴 하지만, 미국 회사들이 인도와 다른 개발도상 시장에서 대규모로 채용하고 있다고 봄
이들 국가에서 빅테크 리크루터에게 연락 한 번 없던 사람들이 매일 메시지를 받게 된 사례를 알고 있음
작년에 만료된 특정 미국 조항 때문이라는 말도 봤지만, 나는 문외한이라 이유를 논할 지식은 없음
현장에서는 AI가 채용 수요에 영향을 주는 느낌이 솔직히 들지 않음. 리더십이 상상한 모든 것을 AI가 작성해줘서 엔지니어들이 손 놓고 앉아 있는 상황은 아님
대신 경제가 추락 직전이거나 최소한 롤러코스터 같은 느낌임. 채용 세제 인센티브는 약하고, 제로금리 시대는 오래전에 끝났고, 채용 담당자들은 잡음성 지원서에 압도됨
그래도 상사들은 AI 때문이라고 말하는 걸 좋아함. 그렇게 말하면 통제하고 있는 것처럼 들리기 때문임
기업들이 코로나 시기에 과잉채용했고, 그 경험과 불확실한 시장 때문에 같은 실수를 반복하고 싶어 하지 않는 것이라고 봄
AI 때문에 괜찮을 것이라는 설명으로 “다른 직업으로 재훈련하면 된다”는 말을 계속 읽지만, 그 직업이 무엇인지나 재훈련 비용을 누가 낼지는 본 적이 없음
나에게는 대학으로 돌아가 바닥부터 새 커리어를 시작할 돈도 시간도 없음
논리는 “과거에도 늘 그렇게 됐다”는 것임
맞는 말이지만, 맞지 않게 되는 순간까지만 맞음
이런 사고가 얼마나 크게 실패할 수 있는지 보여주는 고전적 예가 맬서스 이론임. 식량 증가는 선형이고 인구 증가는 지수적이라 인구가 붕괴할 것이라는 이론은, 맬서스가 그 관찰을 내놓기 전까지의 역사 전체에서는 사실이었음
기계적 수준에서 “우리는 항상 다른 일자리를 찾았다”는 논리는, 인간이 자동화보다 항상 지능적 우위를 가져왔기 때문에 가능했다는 점을 놓침
조립 라인의 단순한 인간 입력조차 결국 로봇이 하지 못하는 미세하고 거의 보이지 않는 조정을 하는 인간 능력에 의존했음
하지만 AGI에 가까운 것이 실제로 작동한다면 인간 노동은 자동화보다 어떤 우위도 갖지 못하므로, 과거의 “자동화가 더 많은 인간 일자리를 만들었다”는 논리가 왜 계속되어야 하는지 불분명함
중국으로 일자리가 외주화된 숙련 산업 노동자들에게 그런 재훈련이 일어나지 않았듯, 이번에도 일어나지 않을 것임
정부는 상황을 관리 가능한 수준으로 유지할 정도의 복지만 지급하고, 이후 문화적으로 러다이트 같은 식으로 악마화할 것임
그런 직업은 없고, 설령 있다 해도 비용은 본인이 내야 함. 기업은 경쟁을 위해 어쩔 수 없는 아주 드문 경우가 아니면 절대 내지 않을 것임
소프트웨어가 파괴한 산업들에도 같은 일이 적용됨
다른 훌륭한 직업이 생긴다는 보장은 없음. 이는 사람들이 그냥 가정하는 것처럼 보임
물론 한동안은 인간의 육체노동이 필요한 일들이 남겠지만, 현실적으로 많은 육체노동 일자리는 임금이 더 싼 세계 다른 지역에서 수행됨
배관공이나 웨이트리스처럼 수출할 수 없는 일은 수요가 제한적임. 현재 화이트칼라 인력의 50%를 이런 직업에 밀어 넣고도 쉽게 일자리를 찾거나 괜찮은 임금을 받을 것이라고 기대할 수 없음. 수요가 존재하지 않음
동시에 화이트칼라 일자리가 사라지는 동안 “저숙련” 육체노동 일자리도 점점 자동화되고 있음. 셀프 계산대는 소매업 일자리를 줄이고, 로보택시와 드론 배송은 배송·물류 일자리를 줄이며, 창고 로봇은 창고 일자리를 줄일 것임
AI가 인간 고용주를 필요로 하는 고임금 일자리를 많이 만들 것이며, 동시에 해외로 더 싸게 외주화할 수 없는 일자리일 것이라는 암묵적 가정이 있는 듯함. AI에도 안전하고 외주화에도 안전한 고임금 직업이 대체 무엇일까? 모두가 고임금 청소부가 되는 건가? 말이 안 됨
오늘날 건설 노동자나 배관공으로 재훈련하라는 조언은 그런 노동 수요가 무한하다고 가정하는 듯하지만, 실제로는 그렇지 않음. 설령 건설 노동자 수요가 폭증한다고 해도 수백만 명이 건설업에 들어올 수 있도록 장비, 공급망, 인프라를 갖추는 데는 수년이 걸림
가장 가능성 높은 시나리오는 사람들이 일자리를 잃고, 국내 경제에 남은 제한된 일자리를 두고 끝없는 하향 경쟁에 갇히는 것임. 나머지는 외주화되거나 로봇과 AI가 처리함
더 나은 조언은 이 현실에 대비하기 시작하라는 것임. 정부가 보호해주거나 보호할 수 있다고 가정하지 말아야 함. 부가 집중되면 부패는 거의 필연적이고, 정치인들도 돌봐야 할 가족이 있음
진지하게 받아들여야 함. 내가 틀리더라도, 모든 것이 괜찮아져서 새 고임금 직업으로 재훈련할 수 있다고 가정하는 것보다 최악에 대비하는 편이 낫다
내 부모님은 두 분 다 건설 노동자였음. 무거운 물건을 영원히 들 수는 없다는 인식이 있음
결국 물건 들기를 멈추고 반장이나 감독자가 됨. 예전에 자신이 직접 하던 일을 다른 사람들이 하게 만드는 법을 배우는 것이 불편하면 몸이 완전히 망가지고, 그 결과는 끔찍함
이는 사실적 현실이기도 하지만, 내 커리어에서 위임에 대해 내면화하는 데 중요했던 비유이기도 함. AI 사용과 무관하지는 않지만, 완전히 깔끔하게 맞아떨어진다고 보지는 않음
합리적인 범위라면 무거운 물건 들기는 사람을 더 강하게 만들지만, 현재 AI 사용에 대한 가설은 대체로 그 반대라는 점도 짚을 만함
소프트웨어 개발자는 단순 프로그래머라기보다 아키텍트에 가까움. 아키텍트에게 무거운 것을 들게 하지는 않고, 그 무거운 것들이 어떻게 쓰일지 설계하게 해야 함
똑똑해 보이는 사람들이 글에서처럼 추상화 비유를 쓰는 것을 그만했으면 함. 핵심 단어는 결정성임
전동공구나 C 같은 모든 추상화 계층은 의지할 수 있는 결정적 계층을 추가했고, 매번 같은 결과를 내며 더 효과적으로 일을 하게 해줬음
LLM은 자연어로 프로그래밍을 묘사하고 결과는 좋게 봐도 다양함. 그래서 에이전트가 필요해지고 결과를 brute force로 밀어붙이는 것임
진짜 해자는 실제로 여전히 프로그래밍할 수 있는 사람이 되는 것이라고 봄
사람들이 늘 그렇게 말하지만, 내 생각엔 빗나간 주장임. LLM은 결정적이지 않지만 그건 전혀 중요하지 않음
LLM 출력물을 직접 실행하는 게 아니라, LLM으로 한 번 산출물을 만들고 그 산출물을 결정적으로 실행함
명세가 한 번 코드로 바뀌고, 명세를 편집하면 코드가 갱신될 수는 있지만 매번 전체 프로그램을 다시 만드는 게 아님. 그렇다면 결정성이 왜 중요한가?
LLM이 어떤 정의의 추상화에는 맞지 않는다는 점은 인정함. 하지만 LLM을 또 하나의 추상화 계층이라고 부르는 사람들이 모두 이를 오해하는 것은 아님. 그들은 그 단어를 더 추상적으로 쓰고 있음
예를 들어 5년 전 Mark Zuckerberg는 어떻게 소프트웨어를 만들었을까?
그도 나처럼 편집기를 열 수는 있지만, 상황상 인간 자원이라는 다른 인터페이스가 주어졌음. 편집기 대신 그 사람들과 상호작용했고, 그 사람들이 소프트웨어를 만들었음
그와 구축된 시스템 사이의 이 계층은 결정적이든 아니든 추상화임
오늘날 우리에게는 몇 년 전보다 많은 작업을 위임할 수 있는 더 넓은 권한이 생겼음
다른 계층들은 정말 결정적인가? 어떤 객체가 가비지 컬렉션됐는지 확실히 아는가? 이 명령어가 몇 사이클 걸릴지 확실히 아는가?
LLM이 많은 일을 대체하는 데 완전한 신뢰성을 달성할 필요는 없음. 특정 작업에 맞는 신뢰성과 비용의 균형에 도달하면 됨. 이는 작업에 따라 달라짐
말하려는 바는 알겠지만, 결정성이라는 단어도 정확하지 않음. LLM은 근본적으로 결정적임. 입력 텍스트와 네트워크 매개변수의 함수로 텍스트를 출력하는 순수 함수이기 때문임
자유의지에 대한 관점에 따라 인간도 결정적이라고 효과적으로 주장할 수 있음
여기서 건드리는 개념은 LLM과 인간이 불투명한 함수라는 점임. 그 동작을 머릿속에 들어가는 논리적 단계들의 열로 환원할 수 없고, 복잡성을 몇 개의 해석 가능한 상태로 깔끔하게 분해하는 불변식도 없으며, 입력·출력 공간은 구조화되지 않았고 모호하고 불완전하게 명시되어 있으며 사실상 무한함
이 때문에 전통적 프로그램에 적용하는 전략과 분석으로는 추론하거나 합성하기 거의 불가능함
선택적으로 엔트로피 원천을 넣어 비결정성을 추가할 수 있지만 필수는 아님. LLM 제공자들이 모두 의사난수 생성기 시드를 고정값으로 두더라도 거의 아무도 눈치채지 못할 것임
정확히 같은 프롬프트를 여러 번 넣고 출력이 어떤 통계적 분포를 갖는 데 의존하는 워크플로는 많지 않을 것 같음. 오히려 원해도 캐시된 응답을 받게 될 수 있음
소프트웨어 엔지니어링을 텍스트 편집기에 코드를 한 글자씩 입력하는 것으로 뜻한다면, 그런 일에 돈을 줄 사람을 찾기는 어려워질 것임
하지만 소프트웨어를 만드는 일을 뜻한다면, 우리는 어느 때보다 더 많은 소프트웨어를 만들고 있고 소프트웨어가 무엇인지의 정의도 그 어느 때보다 다양함. 여기서 여러 다른 커리어가 갈라져 나올 수 있다고 봄
토목 엔지니어가 계산자에서 계산기로 넘어가고, 전기 엔지니어가 수동 회로 경로 그리기에서 CAD 도구로 넘어갔던 일을 우리가 겪고 있음
흥미로운 점은 소프트웨어 공학도 진화해야 한다는 것임. 프로세스와 도구도 지난 세월처럼 진화해야 함
2004년 대학을 마칠 때 우리는 “소프트웨어 위기” 시기, 폭포수 개발 프로세스, 새 “반복적 방법론”이 막 시작되던 흐름을 배웠음
스파게티 코드가 Pascal/C의 구조적 프로그래밍으로, 다시 객체지향 프로그래밍으로 넘어간 과정도 배웠음
공학 방법론도 진화했음. 악명 높은 UML도 있었고, 형식 검증을 위한 Z 언어 같은 형식 기법이나 ABC, 순환 복잡도 같은 소프트웨어 복잡도 측정도 있었음
오늘날 컴퓨터가 코드 대부분을 쓰게 되면서 현재 언어와 소프트웨어 개발 프로세스의 가치는 줄어들고 있음. 프로그래밍 언어는 사람을 위해 만들어진 것임. 그렇지 않았다면 계속 어셈블리로 썼을 것임
이제는 컴퓨터에 의도를 전달하고 최종 명령이 우리가 원한 것을 수행하는지 검증하기 위해 쓰는 추상화를 바꿔야 함
이런 새 추상화가 매우 궁금함. 코딩의 작은 세부가 완전히 자동화되면 어쩌면 소프트웨어 공학 직업에서 더 많은 진짜 공학적 엄밀함을 보게 될 수도 있다고 믿음
2020년에 서로 경쟁하는 두 회사가 있고, 각각 프로그래머 100명을 고용했다고 하자. 두 조직이 어떻게 돌아가는지는 모두 알고 있음. 항상 뒤처지고, 기능 하나가 추가될 때마다 가능한 미래 기능이 더 생기며, 우리 모두 그 속에서 살아왔고 지금도 대체로 그렇음
2026년에 두 회사 모두 AI가 개발자를 10배 가속한다고 판단한다고 하자. 현실이라고 주장하는 건 아니고 그냥 둥근 숫자임
회사 1은 프로그래머 90명을 해고하고 10명으로 같은 일을 함
회사 2는 모든 프로그래머를 유지하고 예전보다 10배 많은 일을 하며, 어쩌면 더 채용함
시장에서 누가 이길까?
답은 언제나 그렇듯 “상황에 따라 다르다”지만, 회사 1이 이길 수 있는 공간은 회사 2보다 훨씬 좁다고 봄. 매우 정밀한 시장 조건 조합이 필요하고, 존재하지 않을 정도는 아니지만 자신이 예외에 속한다고 베팅하는 것은 위험함
가속이 일어나는 동안 새 현실에 아직 안착하지 못한 시기에는 회사 1의 답이 회계 담당자에게 표면적으로 매력적으로 보임
하지만 어떤 시장에서든 한 회사만 회사 2의 해법을 선택해 이탈하면, 제대로 경쟁하기 위해 업계 나머지 전체도 따라갈 수밖에 없음
중장기적으로 프로그래머 한 명이 만들어내고 급여로 포착할 수 있는 가치 창출도 줄어들 가능성은 낮음
걱정은 그런 소프트웨어를 만드는 일이 급등하는 생활비를 따라잡을 만큼 보수를 줄지임
과거 자동화가 만든 일자리는 대체로 더 낮은 임금과 더 적은 자율성을 가졌음
더 많은 소프트웨어를 만든다고 해도 그것이 대부분 다른 소프트웨어의 기능적 중복이라면 아무것도 해결하지 못함
다시 말해 모든 회사가 바퀴를 여러 번 재발명함. 새 반짝이는 프레임워크로 작성했다는 것 말고 새로운 것이 없는 소프트웨어 개발을 10배로 늘려도 의미가 없음
내 생각엔 대부분의 소프트웨어를 없애기 시작해야 함. 기본으로 돌아가서 무엇이 필요한지 보고, 그것을 더 낫게 만들고, 완성해야 함. 한 번쯤은 소프트웨어 하나를 끝내야 함
software engineer를 secretary로, creating software를 typing correspondence로 바꿔도 같은 말이 됨
AI가 소프트웨어 프로그래밍과 설계를 해결한 세계에서는 가치가 다른 도메인 전문성을 가진 사람들에게 쌓일 것임. 그들은 이제 전문 개발자 1000명의 힘을 얻었고, 더 좋고 빠르고 싼 AI 도구로 중복된 기술을 가진 사람들에게는 가치가 쌓이지 않음
내가 뭔가 놓친 게 아니라면 여기에는 분명한 논리 문제가 있음
LLM을 써서 생산성을 얻으려면 역량 위축을 감수해야 한다면, 제한된 수명을 가진 개발자는 우리뿐임. 다음 세대는 수작업을 통해 그 역량을 만들지 않았기 때문에 위축될 기술 세트도 없을 것임
그리고 “LLM의 코드 생성은 컴파일러의 기계어 생성과 같다”는 비유를 공개적으로 금지하자고 제안함. 같은 아이디어를 계속 다시 논쟁하는 것도 이제 지겨움
Hacker News 의견들
일주일에도 여러 번 같은 대화를 함: “AI가 개발자를 무의미하게 만들 것”이라길래 왜냐고 물으면 “LLM이 코드를 쓸 수 있으니까”라고 답함
그런데 실제로 내가 생계로 하는 일 중 코드 작성은 예전엔 2~5%, 지금은 더 적고, 나머지는 사물을 이해한 뒤 해결책을 구성하는 능력을 적용하는 일임
개발자 일이 코드 치는 것이라고 여전히 믿는 개발자는 미래에 일자리가 없을 수도 있고, LLM이 개발자를 대체한다고 믿고 개발자 없이 해보려는 사업자도 결국 자연선택이 처리할 것이라 봄
나흘째쯤 그가 “내 커리어에 가장 도움 된 걸 가르쳐주겠다”고 하더니 “펀치카드에 항상 번호를 매겨라, 떨어뜨려도 쉽게 순서대로 돌릴 수 있다”고 함
이미 펀치카드를 쓰던 시대가 한참 지난 뒤라 실망했는데, 그는 “너에게 도움이 되는 게 아니라 나에게 도움이 됐던 것이라고 했다. 소프트웨어는 항상 변한다”고 덧붙였고, 요즘 그 말을 자주 떠올림
문서화가 부족한 API에 맞춰 재작성한 코드가 돌아가게 하려고 벽에 머리를 박는 시간도 들어감
원 댓글의 표현은 소프트웨어 공학을 수학처럼 순수하고 고귀한 활동처럼 보이게 하지만, 실제로는 계획을 가지고 들어갔어도 현실이 맞지 않아 촉박한 일정 속에서 드릴 스트링을 맞추려고 큰 망치로 금속을 두드리는 시추 노동자에 더 가까움
“사물을 이해하고 해결책을 구성한다”는 일도 AI가 노리는 영역임
운 좋게 기여를 인정받는 환경에 있거나, 훈련 데이터에 잘 없는 산업·도메인에 있거나, AI가 다루기엔 너무 복잡한 문제 공간에 있을 뿐일 수 있음
Jira 티켓을 처리하고 CRUD 웹앱을 만드는 사람들은 생계가 자주 사라지거나, 같은 혹은 더 낮은 급여로 더 많은 산출을 요구받고 AI로 따라잡아야 할 가능성이 큼
된다면 될 것이고, 방법은 퍼져서 빠르게 모두가 접근 가능해지며 진전이 계속될 것임
안 된다면 실제 결과가 없다는 점으로 드러날 것이고, “나는 보고 있다”는 말만으로는 부족함. 모두가 보고 쓸 수 있는, 피할 수 없고 부정할 수 없는 현실이어야 함
거대 기업에서 CTO 자문역 같은 초상급 스태프라면 가능하겠지만, 이미 매우 희귀한 위치에 있는 셈임
AI에 대한 양극화된 반응은 어떤 렌즈로 보느냐에 달린 듯함. 주니어 역할은 빠르게 사라지고 있지만, 시니어 역할에서는 경험과 판단력이 그 어느 때보다 중요해짐
그래서 소프트웨어 공학이 더 이상 많은 사람에게 평생 직업이 아닐 수는 있음. 엘리트 스포츠가 대부분에게 현실적인 직업이 아닌 것과 비슷하지만, 그래도 일부는 이 일을 직업으로 삼을 것이고 그래야 함
내 경험은 정반대였음. 최신 도구를 실제로 쓰려는 매우 숙련된 엔지니어들은 40대, 50대를 포함해 이전보다 훨씬 나아졌음
전통적 프로그래머가 시간이 지나며 실전에서 약해지는 이유 중 하나는 체스처럼 집중력과 깊은 계산이 줄어드는 데 있음. 나이 든 체스 선수는 19세 천재보다 체스를 훨씬 잘 알지만, 같은 속도로 오래 계산하지 못해 결국 경험이 순수 계산력에 밀림
Claude Code와 Codex는 계산 부담을 덜어주고, 경험으로 쌓인 모든 본능과 2초짜리 “직관”은 그대로 살아 있음
이제 공정한 경쟁이 된 정도가 아니라 반대로 불공정해졌음. 예전엔 6명 팀을 이끌던 시니어가 이제는 에이전트 팀을 이끌고, 예전처럼 코드를 검토함. 주변 주니어보다 에이전트의 방향을 바꾸는 게 더 쉬울 때도 많음
다만 시급하지만 아직 알 수 없는 질문은, 실무의 참호를 거치지 않고도 좋은 아키텍트가 나올 수 있느냐임
LLM도 직관 비슷한 것을 하므로 구분할 필요가 있음. LLM은 인터넷의 집단 무의식에 가깝고, 좋은·나쁜 경험에서 생기는 취향과는 분명 다름
떠오르는 직관은 결국 “좋은 취향”이고, 이는 어떤 기술 분야에서든 시니어 역할의 핵심 업무에 가까움
농업에서 트랙터에 대체된 사람들은 일자리를 유지하지 못했음. 지금은 무엇이 다른가?
6명 팀은 더 이상 필요하지 않고, 논리적으로 회사에서 제거됨
그러니 소프트웨어 엔지니어링은 일부에게는 여전히 직업으로 남겠지만, 인원은 85% 줄어들 수도 있음
하지만 그 회사는 더 이상 존재하지 않고, 지금 쓰는 새 도구들로 효율적으로 일하는 법을 익히는 데 훨씬 오래 걸림. 새 환경의 세부를 10년 동안 익힌 적이 없기 때문임
그래서 AI는 올바른 문법을 알아내고, 단위 테스트 프레임워크의 세부를 기억하는 데 엄청난 시간을 아껴줌. 1~3년 머무르면 훨씬 빨라지고 도구도 더 잘 익히게 될 것 같음
그 시니어 엔지니어 한 명이 사라지면 아무것도 남지 않음. 6명 팀이 있는 편이 더 낫다
“AI 사용자는 시간이 지날수록 기술 역량이 위축되어 덜 효과적인 엔지니어가 된다”는 말은 장기적으로 대체로 맞을 것 같아 안타까움
직업적으로 보면 사람들은 대체로 두 부류로 나뉨: AI로 추론을 보강하는 사람과, AI로 추론을 대체하는 사람. 전자는 크게 걱정하지 않지만 후자가 걱정됨
미국 공립 고등학교 교사인 어머니는 학생들이 “Google AI overview”를 절대적 진실의 출처로 받아들이는 일이 많다고 하소연함
어쩌면 예전의 “Wikipedia를 인용하면 안 된다”와 비슷한 새 현상일 수도 있지만, 팬데믹 이후 수업에 들어오는 아이들의 비판적 사고 능력이 눈에 띄게 떨어졌다고 느낌
인플루언서와 인터넷의 익명 사람들이 무엇을 좋아하고, 싫어하고, 믿어야 하는지 알려주는 환경에서 자란 세대가 한두 세대 있음. 이들은 LLM 이전부터 이미 추론을 외주화했고, 의심스러운 품질에도 자신이 원하는 것을 얻고 있다고 믿게 설계된 시스템과 생산적으로 상호작용할 준비가 되어 있어 보이지 않음
PR 전체에 Claude의 흔적이 보이고, 거의 수정하지 않았다고 봐도 안전함. 이들이 A그룹임
반면 문제를 끝까지 다루고, 변경을 시험할 하네스를 만들고 결과를 검증하며, 여러 해결책을 거쳐 이상적인 결과를 하나로 합성하고, 벤치마크하고 다듬고 철저히 테스트하며, PR에 합리적인 검증 절차를 제공하는 동료들도 있음. 이들이 B그룹임
둘은 완전히 다른 AI 사용 방식임. A는 지금은 그럭저럭 통과되는 것처럼 보이지만, B는 주어진 시간 안에서 가능한 것의 새 버전이며, 예외적으로 전문적인 환경 밖에서는 거의 보지 못했던 소프트웨어 공학의 새로운 기준을 정의함
A그룹은 꽤 빠르게 업계에서 밀려날 것 같음. LLM은 배우려는 의지만 있다면 놀라울 만큼 효과적으로 일하게 해줌. 그런 엄밀함이 기본값이 되고, 인간이 루프 안에서 여전히 유용한 구성요소가 되는 유일한 방식이 될 수도 있음
일화적으로는 올해 초 미국 소프트웨어 채용 시장에 실제 변화가 생긴 것처럼 느낌. 앞으로 몇 년간 인적 자본에 과투자하지 않으려고 점점 더 많은 기업이 관망 전략을 취하는 듯함
원래도 약했던 채용 신호는 이제 완전히 사라진 느낌임. 공고 하나를 내면 500개가 넘는 LLM 작성 지원서와 자기소개서가 들어오고, 모두 비슷하게 보이고 느껴짐
이 글의 프로 운동선수 비교는 좀 어색함. 근육으로 돈을 버는 경우 노화에 따른 신체 문제가 명확히 있지만, 법률이나 의학 같은 지식노동 분야와 비교하면 40대와 50대에도 매우 숙련되고 날카로운 실무자가 많음
이들 국가에서 빅테크 리크루터에게 연락 한 번 없던 사람들이 매일 메시지를 받게 된 사례를 알고 있음
작년에 만료된 특정 미국 조항 때문이라는 말도 봤지만, 나는 문외한이라 이유를 논할 지식은 없음
대신 경제가 추락 직전이거나 최소한 롤러코스터 같은 느낌임. 채용 세제 인센티브는 약하고, 제로금리 시대는 오래전에 끝났고, 채용 담당자들은 잡음성 지원서에 압도됨
그래도 상사들은 AI 때문이라고 말하는 걸 좋아함. 그렇게 말하면 통제하고 있는 것처럼 들리기 때문임
AI 때문에 괜찮을 것이라는 설명으로 “다른 직업으로 재훈련하면 된다”는 말을 계속 읽지만, 그 직업이 무엇인지나 재훈련 비용을 누가 낼지는 본 적이 없음
나에게는 대학으로 돌아가 바닥부터 새 커리어를 시작할 돈도 시간도 없음
맞는 말이지만, 맞지 않게 되는 순간까지만 맞음
이런 사고가 얼마나 크게 실패할 수 있는지 보여주는 고전적 예가 맬서스 이론임. 식량 증가는 선형이고 인구 증가는 지수적이라 인구가 붕괴할 것이라는 이론은, 맬서스가 그 관찰을 내놓기 전까지의 역사 전체에서는 사실이었음
기계적 수준에서 “우리는 항상 다른 일자리를 찾았다”는 논리는, 인간이 자동화보다 항상 지능적 우위를 가져왔기 때문에 가능했다는 점을 놓침
조립 라인의 단순한 인간 입력조차 결국 로봇이 하지 못하는 미세하고 거의 보이지 않는 조정을 하는 인간 능력에 의존했음
하지만 AGI에 가까운 것이 실제로 작동한다면 인간 노동은 자동화보다 어떤 우위도 갖지 못하므로, 과거의 “자동화가 더 많은 인간 일자리를 만들었다”는 논리가 왜 계속되어야 하는지 불분명함
정부는 상황을 관리 가능한 수준으로 유지할 정도의 복지만 지급하고, 이후 문화적으로 러다이트 같은 식으로 악마화할 것임
물론 한동안은 인간의 육체노동이 필요한 일들이 남겠지만, 현실적으로 많은 육체노동 일자리는 임금이 더 싼 세계 다른 지역에서 수행됨
배관공이나 웨이트리스처럼 수출할 수 없는 일은 수요가 제한적임. 현재 화이트칼라 인력의 50%를 이런 직업에 밀어 넣고도 쉽게 일자리를 찾거나 괜찮은 임금을 받을 것이라고 기대할 수 없음. 수요가 존재하지 않음
동시에 화이트칼라 일자리가 사라지는 동안 “저숙련” 육체노동 일자리도 점점 자동화되고 있음. 셀프 계산대는 소매업 일자리를 줄이고, 로보택시와 드론 배송은 배송·물류 일자리를 줄이며, 창고 로봇은 창고 일자리를 줄일 것임
AI가 인간 고용주를 필요로 하는 고임금 일자리를 많이 만들 것이며, 동시에 해외로 더 싸게 외주화할 수 없는 일자리일 것이라는 암묵적 가정이 있는 듯함. AI에도 안전하고 외주화에도 안전한 고임금 직업이 대체 무엇일까? 모두가 고임금 청소부가 되는 건가? 말이 안 됨
오늘날 건설 노동자나 배관공으로 재훈련하라는 조언은 그런 노동 수요가 무한하다고 가정하는 듯하지만, 실제로는 그렇지 않음. 설령 건설 노동자 수요가 폭증한다고 해도 수백만 명이 건설업에 들어올 수 있도록 장비, 공급망, 인프라를 갖추는 데는 수년이 걸림
가장 가능성 높은 시나리오는 사람들이 일자리를 잃고, 국내 경제에 남은 제한된 일자리를 두고 끝없는 하향 경쟁에 갇히는 것임. 나머지는 외주화되거나 로봇과 AI가 처리함
더 나은 조언은 이 현실에 대비하기 시작하라는 것임. 정부가 보호해주거나 보호할 수 있다고 가정하지 말아야 함. 부가 집중되면 부패는 거의 필연적이고, 정치인들도 돌봐야 할 가족이 있음
진지하게 받아들여야 함. 내가 틀리더라도, 모든 것이 괜찮아져서 새 고임금 직업으로 재훈련할 수 있다고 가정하는 것보다 최악에 대비하는 편이 낫다
내 부모님은 두 분 다 건설 노동자였음. 무거운 물건을 영원히 들 수는 없다는 인식이 있음
결국 물건 들기를 멈추고 반장이나 감독자가 됨. 예전에 자신이 직접 하던 일을 다른 사람들이 하게 만드는 법을 배우는 것이 불편하면 몸이 완전히 망가지고, 그 결과는 끔찍함
이는 사실적 현실이기도 하지만, 내 커리어에서 위임에 대해 내면화하는 데 중요했던 비유이기도 함. AI 사용과 무관하지는 않지만, 완전히 깔끔하게 맞아떨어진다고 보지는 않음
똑똑해 보이는 사람들이 글에서처럼 추상화 비유를 쓰는 것을 그만했으면 함. 핵심 단어는 결정성임
전동공구나 C 같은 모든 추상화 계층은 의지할 수 있는 결정적 계층을 추가했고, 매번 같은 결과를 내며 더 효과적으로 일을 하게 해줬음
LLM은 자연어로 프로그래밍을 묘사하고 결과는 좋게 봐도 다양함. 그래서 에이전트가 필요해지고 결과를 brute force로 밀어붙이는 것임
진짜 해자는 실제로 여전히 프로그래밍할 수 있는 사람이 되는 것이라고 봄
LLM 출력물을 직접 실행하는 게 아니라, LLM으로 한 번 산출물을 만들고 그 산출물을 결정적으로 실행함
명세가 한 번 코드로 바뀌고, 명세를 편집하면 코드가 갱신될 수는 있지만 매번 전체 프로그램을 다시 만드는 게 아님. 그렇다면 결정성이 왜 중요한가?
예를 들어 5년 전 Mark Zuckerberg는 어떻게 소프트웨어를 만들었을까?
그도 나처럼 편집기를 열 수는 있지만, 상황상 인간 자원이라는 다른 인터페이스가 주어졌음. 편집기 대신 그 사람들과 상호작용했고, 그 사람들이 소프트웨어를 만들었음
그와 구축된 시스템 사이의 이 계층은 결정적이든 아니든 추상화임
오늘날 우리에게는 몇 년 전보다 많은 작업을 위임할 수 있는 더 넓은 권한이 생겼음
자유의지에 대한 관점에 따라 인간도 결정적이라고 효과적으로 주장할 수 있음
여기서 건드리는 개념은 LLM과 인간이 불투명한 함수라는 점임. 그 동작을 머릿속에 들어가는 논리적 단계들의 열로 환원할 수 없고, 복잡성을 몇 개의 해석 가능한 상태로 깔끔하게 분해하는 불변식도 없으며, 입력·출력 공간은 구조화되지 않았고 모호하고 불완전하게 명시되어 있으며 사실상 무한함
이 때문에 전통적 프로그램에 적용하는 전략과 분석으로는 추론하거나 합성하기 거의 불가능함
선택적으로 엔트로피 원천을 넣어 비결정성을 추가할 수 있지만 필수는 아님. LLM 제공자들이 모두 의사난수 생성기 시드를 고정값으로 두더라도 거의 아무도 눈치채지 못할 것임
정확히 같은 프롬프트를 여러 번 넣고 출력이 어떤 통계적 분포를 갖는 데 의존하는 워크플로는 많지 않을 것 같음. 오히려 원해도 캐시된 응답을 받게 될 수 있음
소프트웨어 엔지니어링을 텍스트 편집기에 코드를 한 글자씩 입력하는 것으로 뜻한다면, 그런 일에 돈을 줄 사람을 찾기는 어려워질 것임
하지만 소프트웨어를 만드는 일을 뜻한다면, 우리는 어느 때보다 더 많은 소프트웨어를 만들고 있고 소프트웨어가 무엇인지의 정의도 그 어느 때보다 다양함. 여기서 여러 다른 커리어가 갈라져 나올 수 있다고 봄
흥미로운 점은 소프트웨어 공학도 진화해야 한다는 것임. 프로세스와 도구도 지난 세월처럼 진화해야 함
2004년 대학을 마칠 때 우리는 “소프트웨어 위기” 시기, 폭포수 개발 프로세스, 새 “반복적 방법론”이 막 시작되던 흐름을 배웠음
스파게티 코드가 Pascal/C의 구조적 프로그래밍으로, 다시 객체지향 프로그래밍으로 넘어간 과정도 배웠음
공학 방법론도 진화했음. 악명 높은 UML도 있었고, 형식 검증을 위한 Z 언어 같은 형식 기법이나 ABC, 순환 복잡도 같은 소프트웨어 복잡도 측정도 있었음
오늘날 컴퓨터가 코드 대부분을 쓰게 되면서 현재 언어와 소프트웨어 개발 프로세스의 가치는 줄어들고 있음. 프로그래밍 언어는 사람을 위해 만들어진 것임. 그렇지 않았다면 계속 어셈블리로 썼을 것임
이제는 컴퓨터에 의도를 전달하고 최종 명령이 우리가 원한 것을 수행하는지 검증하기 위해 쓰는 추상화를 바꿔야 함
이런 새 추상화가 매우 궁금함. 코딩의 작은 세부가 완전히 자동화되면 어쩌면 소프트웨어 공학 직업에서 더 많은 진짜 공학적 엄밀함을 보게 될 수도 있다고 믿음
2026년에 두 회사 모두 AI가 개발자를 10배 가속한다고 판단한다고 하자. 현실이라고 주장하는 건 아니고 그냥 둥근 숫자임
회사 1은 프로그래머 90명을 해고하고 10명으로 같은 일을 함
회사 2는 모든 프로그래머를 유지하고 예전보다 10배 많은 일을 하며, 어쩌면 더 채용함
시장에서 누가 이길까?
답은 언제나 그렇듯 “상황에 따라 다르다”지만, 회사 1이 이길 수 있는 공간은 회사 2보다 훨씬 좁다고 봄. 매우 정밀한 시장 조건 조합이 필요하고, 존재하지 않을 정도는 아니지만 자신이 예외에 속한다고 베팅하는 것은 위험함
가속이 일어나는 동안 새 현실에 아직 안착하지 못한 시기에는 회사 1의 답이 회계 담당자에게 표면적으로 매력적으로 보임
하지만 어떤 시장에서든 한 회사만 회사 2의 해법을 선택해 이탈하면, 제대로 경쟁하기 위해 업계 나머지 전체도 따라갈 수밖에 없음
중장기적으로 프로그래머 한 명이 만들어내고 급여로 포착할 수 있는 가치 창출도 줄어들 가능성은 낮음
과거 자동화가 만든 일자리는 대체로 더 낮은 임금과 더 적은 자율성을 가졌음
다시 말해 모든 회사가 바퀴를 여러 번 재발명함. 새 반짝이는 프레임워크로 작성했다는 것 말고 새로운 것이 없는 소프트웨어 개발을 10배로 늘려도 의미가 없음
내 생각엔 대부분의 소프트웨어를 없애기 시작해야 함. 기본으로 돌아가서 무엇이 필요한지 보고, 그것을 더 낫게 만들고, 완성해야 함. 한 번쯤은 소프트웨어 하나를 끝내야 함
software engineer를secretary로,creating software를typing correspondence로 바꿔도 같은 말이 됨AI가 소프트웨어 프로그래밍과 설계를 해결한 세계에서는 가치가 다른 도메인 전문성을 가진 사람들에게 쌓일 것임. 그들은 이제 전문 개발자 1000명의 힘을 얻었고, 더 좋고 빠르고 싼 AI 도구로 중복된 기술을 가진 사람들에게는 가치가 쌓이지 않음
내가 뭔가 놓친 게 아니라면 여기에는 분명한 논리 문제가 있음
LLM을 써서 생산성을 얻으려면 역량 위축을 감수해야 한다면, 제한된 수명을 가진 개발자는 우리뿐임. 다음 세대는 수작업을 통해 그 역량을 만들지 않았기 때문에 위축될 기술 세트도 없을 것임
그리고 “LLM의 코드 생성은 컴파일러의 기계어 생성과 같다”는 비유를 공개적으로 금지하자고 제안함. 같은 아이디어를 계속 다시 논쟁하는 것도 이제 지겨움