우리는 떼돈을 벌게 될 것이다
(rocketpoweredjetpants.com)- 약 5년에 걸친 시나리오에서 AI 코딩 확산은 주니어 채용을 줄이고 코드 복잡성을 누적시켜, 이를 정리할 숙련된 시니어 개발자의 몸값을 크게 끌어올릴 수 있음
- 코딩 모델이 주니어 개발자를 대체할 만큼 발전했다고 보는 기업은 인력 대신 더 많은 토큰을 구매하기 시작했고, 실제 주니어 채용 기회도 감소하고 있음
- LLM은 기존 코드를 정리하기보다 새 코드를 추가하는 경향이 있으며, 저장소 전체를 담지 못하는 컨텍스트 창의 한계까지 겹쳐 중복 코드와 기술 부채가 늘어남
- AI 생성 코드의 결함률과 전체 코드량이 함께 증가하면서 버그가 많아지고, 제대로 추상화되지 않은 중복 구현 때문에 같은 결함을 여러 곳에서 반복해 고쳐야 함
- 주니어 채용 중단과 심각한 번아웃 22% 증가로 숙련 인력의 공급이 줄어들면, AI 이전의 유지보수 경험과 좋은 판단력을 갖춘 개발자는 Y2K 시기의 COBOL 개발자처럼 희소한 기회를 맞을 수 있음
AI가 키우는 코드 규모와 복잡성
- 전체 과정은 약 5년이 걸리며, 현재 이미 1.5~2년가량 진행됐다는 가정에서 출발함
- 최신 AI 모델은 완벽하지 않더라도 코딩에서 주니어 개발자와 비슷하거나 더 나은 수준에 도달함
- 같은 비용으로 주니어 개발자를 고용하는 대신 많은 토큰을 사용해 더 많은 작업을 처리할 수 있다는 판단이 확산됨
- 주니어 개발자 채용 공고가 줄어들 수 있으며, Stanford Digital Economy Lab의 분석에 따르면 이런 고용 변화가 이미 나타나고 있음
- LLM은 학습 데이터에서 접한 서드파티 라이브러리의 보조 함수와 메서드까지 직접 생성할 수 있어 새 코드 추가를 선호함
- 그 결과 작성되는 코드와 저장소 크기가 계속 증가하며, 관련 연구에서도 코드 규모 증가가 확인됨
- AI는 코드 정리, 중복 제거, 유지보수성 향상보다 기존 코드에 기능을 덧붙이는 경향이 강함
- 큰 컨텍스트 창도 현대적인 저장소 전체를 담지 못해 기존 구현을 놓칠 수 있음
- AI 작성 코드는 대부분 추가형이며 중복되는 경우가 잦고, AI 보조 코드 품질 연구에서도 같은 현상이 나타남
- AI는 사람보다 복잡한 코드와 제어 흐름을 더 빠르고 정확하게 읽을 수 있음
- 이에 따라 조직이 감수하는 복잡성 예산과 기술 부채도 커짐
- 디버깅은 코드 작성보다 두 배 어렵다는 원칙은 여전히 유효하며, 복잡성이 계속 쌓이면 AI조차 처리하지 못하는 지점에 도달할 수 있음
- 일부 코드베이스는 이미 사람이 감당할 수 있는 복잡성 수준을 넘어섰으며, AI 기술 부채 위기 사례에서도 이를 확인할 수 있음
- AI 생성 코드의 결함률은 일반적으로 인간 작성 코드보다 높음
- 향후 결함률이 인간보다 낮아지더라도 생성되는 코드 총량이 커지므로 전체 결함 수는 늘어날 수 있음
- 코드가 적절히 분리·추상화되지 않아 한 곳의 버그를 수정해도 다른 중복 구현은 그대로 남으며, 같은 결함을 반복해서 고치는 상황이 이어짐
숙련된 시니어 개발자의 희소성
- 복잡하고 구조가 나쁘며 버그와 중복이 많은 코드베이스에서는 무엇을 삭제할지, 어떤 추상화가 잘못됐는지, 접근법 전체를 다시 설계해야 하는지를 판단할 시니어 개발자가 필요함
- 숙련 인력은 자연스러운 업계 이탈뿐 아니라 AI 생성 복잡성을 관리하는 부담으로도 감소함
- 시니어 개발자의 심각한 번아웃이 22% 증가함
- 주니어 채용을 중단하면 차세대 시니어로 성장할 인력도 줄어듦
- AI 이후 경력을 시작한 개발자도 유능할 수 있지만, AI 이전 방식으로 유지보수 가능한 코드를 작성한 경험은 부족할 수 있음
- 이미 프로덕션 투입이 가능한 시니어 엔지니어가 인력 시장의 주요 병목이므로, 경험과 좋은 코드 감각을 갖춘 개발자의 필요성은 더욱 커질 것으로 보임
- 수요가 증가하고 공급이 감소하면 가격이 오르며, Y2K 전후 COBOL 개발자가 누렸던 것과 비슷한 기회가 시니어 개발자에게 생길 수 있음
- AI 주도 해고 시기를 버틴 숙련 개발자는 공급 부족이 본격화되는 시점에 높은 보상을 받을 가능성이 있음
댓글과 토론
Lobste.rs 의견들
- 앞으로 5년 안에 AI가 쏟아낸 엉망인 결과물을 고치는 일만으로 엄청난 돈을 벌고, 어딘가에서 요트를 타며 은퇴할 생각임
과거 WYSIWYG 도구나 해외 외주 팀이 만든 결과물을 정리하던 일보다 훨씬 심각한 규모가 될 것으로 봄- 돈을 아무리 많이 줘도 그런 정리 작업이 재미있을지는 의문이고, 실력이 있더라도 감당할 자신이 없음
- 관련 프로젝트: https://odra.dev/slopfix/
- 비전이 부족한 기업을 굳이 살리려 하기보다, 그대로 망하게 두고 새로운 사업을 시작하는 편이 나아 보임
- 올해 자주 해온 얘기인데, 엉망인 코드를 정리하는 것뿐 아니라 원래 결정론적으로 처리해야 할 작업에서 LLM을 제거하는 일도 큰 시장이 될 것 같음
사용자가 네 가지 선택지 중 무엇을 골랐는지 알아내려고 챗봇에 매달 2만 달러를 낸다면, 같은 금액에 토큰 가격이나 확률적 오류에 좌우되지 않는 프로그램을 만들어주고 월 1천 달러짜리 유지보수 계약까지 제안할 수 있음
기업들은 이미 많은 업무에 LLM을 도입하는 비용이 사람을 고용하는 것보다 비싸다는 사실을 깨닫고 있지만, 정작 기존 인력은 해고한 곳이 많아 5년보다 훨씬 빨리 수확기가 올 듯함- 이미 알려진 결정론적·최적 알고리즘이 있는 문제를 두고 사람들이 프롬프트 엔지니어링을 시도하는 대화를 실제로 여러 번 들었음
- 적어도 코드 중복과 유지보수성 측면에서는 앞으로 AI 에이전트가 크게 개선될 여지가 있음
매우 뛰어난 의미 검색이 있다면 거대한 컨텍스트 창이 꼭 필요하지 않음
코딩 에이전트가 중복된 개념을 잘 찾도록 임베딩 모델을 특화해 학습시키면, 우선순위 큐로 만료 시간을 관리하는 다른 리소스 다섯 개만 메모리에 불러와 하나의ExpirationQueue클래스로 통합할 수 있음
다만 이런 AI가 너무 성급하게 시기상조인 추상화를 적용할 위험도 있음