AI 시대 개발자의 역량

손으로 한 땀씩 짜던 코딩을 이제 재봉틀 같은 AI가 박아 냅니다. 다만 재봉틀은 사람이 붙어야 돌아가죠. 요즘 개발자들이 배우는 건 그 재봉틀 다루는 법입니다. 그런데 재봉틀을 통째로 대체하는 로봇팔이 나와 사람 없이 박기 시작하면, 우리에게 남는 일은 무엇일까요? 정답이 있는 일은 언젠가 기계에 의해 대체됩니다. 끝까지 남는 건 무엇을 만들지 정하는 일, 학습 데이터에 없는 우리만의 맥락, 결과를 책임지는 일입니다.

바느질, 재봉틀, 로봇팔

순수하게 손으로만 코딩하던 시절은 바느질에 가깝습니다. 한 줄 한 줄 사람 손으로 꿰니 느리고, 한 벌을 짓는 데 오래 걸립니다.

거기에 재봉틀이 등장했습니다. AI 코딩 에이전트죠. 같은 시간에 사람 손의 수십 배를 박아 냅니다. 생산성이 기하급수적으로 늘어났습니다. 다만 재봉틀은 여전히 사람이 붙어 발판을 밟고 천을 대줘야 돌아갑니다. 그래서 지금 개발자들이 익히는 건 대부분 재봉틀을 잘 다루는 법입니다. 프롬프트를 어떻게 쓰고, 에이전트를 어떻게 짜 붙이고, 일을 어떻게 시킬지를 배웁니다.

그런데 재봉틀을 통째로 대체하는 새 기계, 이를테면 로봇팔이 나와 사람 없이도 천을 잡고 박는다면 어떻게 될까요. 재봉틀을 잘 다루던 기술 자체가 쓸모를 잃습니다. 실제로 그런 기계가 지금 하나씩 나오고 있습니다. 그러면 개발자는 무엇을 공부해야 할까요?

연봉 20만 달러 직업의 흥망

2023년 프롬프트 엔지니어는 연봉 20만 달러까지 받는 신종 직업이었습니다. 2년 뒤인 2025년 5월 7일, Fortune이 이 직업은 이미 사라졌다고 보도했습니다. Indeed의 관련 검색량은 2023년 4월을 정점으로 급감했고, Microsoft가 의뢰한 설문에서도 기업이 새로 뽑겠다는 직군 중 뒤에서 두 번째였습니다.

이유는 모델이 좋아졌기 때문입니다. 대충 말해도 알아듣는 모델 앞에서는 프롬프트를 정교하게 다듬는 기술이 필요 없습니다. 명확하게 쓰면 충분합니다. AI가 발전함에 프롬프트 엔지니어링도 알아서 해결해버린겁니다.

하네스 엔지니어링도 도구에 흡수되고 있다

그럼 재봉틀을 더 잘 다루는 기술, 하네스 엔지니어링은 어떨까요. 서브에이전트를 짜고, 컨텍스트 윈도를 아끼고, 토큰 예산을 나누는 기술입니다. 이쪽도 오래갈 것 같지 않습니다. 컨텍스트 압축이나 메모리 관리, 서브에이전트 분배는 한때 개발자가 직접 짜던 일인데, 이제는 알아서 서브에이전트를 만들고, 명령을 실행시키고 조율합니다. 2026년 5월 Claude Code에 /goal 기능이 실리면서, 사람이 자리를 비워도 에이전트가 수십 시간짜리 작업을 끝까지 해낸 사례가 나왔습니다. 재봉틀을 능숙하게 다루던 손 자체가 필요 없어지기 시작한 겁니다. 에이전트 조율은 사람 일이 아니라 도구 일이 됐습니다.

모델을 만드는 회사들은 진작 같은 말을 해 왔습니다. Anthropic은 2024년 12월 Building Effective Agents에서 복잡한 프레임워크보다 단순하고 조합 가능한 패턴을 쓴 팀이 성공했다며 추상화를 걷어내라고 권했습니다. 2025년 9월에는 컨텍스트 엔지니어링을 "프롬프트 엔지니어링의 자연스러운 진화"라고 정리했습니다. 사람이 손으로 조이던 부분을 모델과 도구가 하나씩 가져가고 있습니다.

설계와 판단마저 학습된다

아키텍처 설계, 시스템 디자인, 기술 선택 같은 고급 판단은 사람 몫으로 남을까요? 이것도 아니라고 봅니다. 좋은 설계는 상당 부분 베스트 프랙티스 모음입니다. 이 규모에는 이 구조가 맞고, 이 상황에는 이 트레이드오프가 합리적이라는 식입니다. 정답에 가까운 패턴이 쌓인 분야라면 모델도 배웁니다. 2026년의 에이전트는 1백만 토큰 컨텍스트로 코드베이스 전체를 읽으며 며칠씩 일합니다. 설계 패턴이라고 못 배울 이유가 없습니다.

Rich Sutton은 2019년 The Bitter Lesson에서 AI 연구 70년을 한 줄로 정리했습니다. 사람이 공들여 넣은 지식은 결국 컴퓨팅을 쏟아부은 일반적인 방법에 진다는 것입니다. 체스가 그랬고, 음성 인식이 그랬고, 바둑이 그랬습니다. 프롬프트 기교도, 에이전트 스캐폴딩도, 설계 감각도 사람이 넣는 지식이라는 점은 같습니다. 정답이 있는 일이면 결국 모델이 뺏어갑니다.

끝까지 남는 것은 정답이 없는 일이다

그래서 공부할 거리는 "고급 기술인가"가 아니라 정답이 있는 일인가로 골라야 합니다. 모델은 정답이 있는 문제를 푸는 기계입니다. 정답이 없는 일은 모델이 배울 수 없습니다. 크게 세 가지가 그렇습니다.

무엇을 원하는가. 재봉틀이 아무리 빨라도 어떤 옷을 지을지는 정해 주지 않습니다. 최적화는 목표를 정한 다음에야 시작됩니다. 무엇이 만들 가치가 있는지, 두 가지 선택 중 무엇을 버릴지에는 정답이 없습니다. 맞고 틀리고의 문제가 아니라 무엇을 원하느냐의 문제입니다. Karpathy도 2026년 3월 No Priors 인터뷰에서 같은 말을 했습니다. 에이전트를 여러 개 굴리는 지금, 막히는 지점은 코딩 실력이 아니라 원하는 것을 명확하게 전달하는 능력이라고 했습니다. 스스로를 "일하는 사람이 아니라 오케스트레이터"라고 불렀습니다. 실행을 모델이 다 할수록, 무엇을 시킬지 정하는 일이 전부가 됩니다.

우리만의 맥락. 베스트 프랙티스는 일반론입니다. 우리 사용자가 무엇을 불편해하는지, 우리 팀이 어떤 사정을 안고 있는지, 문서에 없는 암묵지는 학습 데이터에 없습니다. 일반론을 우리 문제에 맞는 답으로 바꾸려면 그 바닥에서 일해 본 사람이 필요합니다.

책임지는 자리. Stack Overflow의 2025년 설문에서 개발자 84%가 AI 도구를 쓴다고 답했지만, 신뢰한다는 응답은 29%에 그쳤습니다. 66%는 "거의 맞는데 미묘하게 틀린 답"을 가장 큰 문제로 꼽았습니다. 2026년 2월에도 Stack Overflow는 이 신뢰 격차가 좁혀지지 않았다고 진단했습니다. 능력이 아니라 신뢰의 문제입니다. 모델이 99% 맞아도 배포 버튼은 사람이 누르고, 사고가 나면 사람이 책임집니다. 책임지려면 검증할 줄 알아야 합니다. 에이전트가 52시간 동안 쏟아낸 결과물 앞에서 이 일은 줄지 않고 늘어납니다.

그 눈은 어디서 길러지는가

돌고 돌아 기본기입니다. Anthropic이 2026년 1월 29일 공개한 실험 연구를 보면, 새 기술을 배울 때 AI 보조를 받은 개발자는 혼자 부딪힌 개발자보다 숙련도 평가에서 17% 낮은 점수를 받았습니다. 결과는 쓰는 방식에 따라 갈렸습니다. 답만 받아 적은 사람은 남는 게 없었고, 질문하고 설명을 요구하며 쓴 사람만 실력이 늘었습니다. 검증하는 눈은 직접 짜 보고 디버깅해 본 만큼만 생깁니다.

Google의 2025 DORA 보고서는 AI를 "증폭기"라고 결론지었습니다. AI는 팀을 고쳐 주지 않고, 원래 있던 것을 키워서 돌려줍니다. 테스트와 버전 관리, 작게 쪼개 일하는 습관을 갖춘 팀은 AI 덕에 더 빨라졌고, 그렇지 않은 팀은 기술 부채만 더 빨리 쌓였습니다. 무엇을 원하는지 정하고, 맥락을 채우고, 결과를 책임지는 사람이 되려면 도메인 이해와 컴퓨터과학 기초가 필요합니다.

반론, 그리고 판별 기준 한 줄

반론도 가능합니다. 기술이 사라지는 게 아니라 추상화 사다리를 한 칸씩 올라갈 뿐이고, 사람은 그 위 칸에서 일하면 된다는 것입니다. 재봉틀이 손바느질을 밀어낸 자리에 재봉틀 기사라는 새 일이 생겼듯, 로봇팔 위에도 새 역할이 생긴다는 거죠. Karpathy가 말한 에이전트 지휘도 새로 생긴 기술이고, 지금은 그 기술이 있는 사람과 없는 사람의 결과물이 분명히 다릅니다. 맞는 말입니다.

다만 한 칸의 수명이 짧습니다. 프롬프트 엔지니어링은 2년을 갔고, 하네스 엔지니어링은 그만큼도 못 갔습니다. 에이전트 지휘도 /goal 같은 기능이 나오는 속도를 보면 곧 도구 안으로 들어갈 겁니다. 사다리는 따라 올라가되, 한 칸에 커리어를 걸 필요는 없습니다. 따질 건 하나뿐입니다. 이 일에 정답이 있는가. 정답이 있으면 언젠가 모델이 더 잘하게 될 테니 가볍게 익혀 지금 써먹고, 정답이 없으면 깊게 팝니다. 무엇을 원할지 정하는 일, 우리만의 맥락, 책임지는 자리가 그쪽입니다. 재봉틀이 로봇팔로 바뀌어도, 어떤 옷을 왜 짓는지는 여전히 사람이 정합니다.