Orc Hwang's Wiki

개발 학습 기록과 기술 지식을 체계적으로 관리하는 개인 위키입니다.

우리는 도둑처럼 한몫 챙길 것이다: AI가 만든 기술 부채와 시니어 개발자의 몸값 (Simon M. Stewart)

articles ai career technical-debt hiring software-engineering
AI가 부풀린 스파게티 코드 더미 정상에서, 살아남은 소수의 시니어가 치솟는 몸값을 흥정한다 AI 새 코드 생성 good enough 중복 · 덧붙임 저장소 ↑ · 복잡도 ↑ 유지보수 불가능한 코드 더미 $ 몸값 폭등 부르는 게 값 살아남은 소수의 시니어
AI가 뱉어낸 코드가 유지보수 불가능한 더미로 부풀수록, 그 정상을 지켜낸 소수의 시니어는 희소 자원이 되어 몸값을 흥정한다.

원문 정보

AI가 개발자를 대체하느냐 마느냐의 흔한 논쟁을 뒤집어, “AI가 만든 혼란이 오히려 살아남은 시니어의 몸값을 폭등시킨다”는 도발적 시나리오를 그린 에세이다. Articles의 AI-Industry(AI가 바꾸는 일·엔지니어의 가치) 맥락에 정확히 들어맞는다.

한 줄 요약 (TL;DR)

AI가 주니어 채용을 말리고 유지보수 불가능한 코드를 양산하는 5년의 흐름이 끝날 무렵, 신규 인력 공급은 끊기고 시니어는 번아웃으로 이탈해 공급은 줄고 수요는 폭발한다 — 그 폭풍을 버텨낸 경험 많은 시니어 개발자는 “도둑처럼 한몫 챙기게(make out like bandits)” 된다.

왜 이 글을 골랐나

저자의 논증은 하나의 전제에서 시작해 네 국면(Phase)을 지나 하나의 결론으로 굴러가는 도미노다. 그 인과 사슬을 한눈에 보면 이렇다.

flowchart LR
    P0["전제<br/>AI는 이미 good enough"] --> P1["Phase 1<br/>주니어 채용 중단<br/>(신입 대신 AI 토큰)"]
    P1 --> P2["Phase 2<br/>코드 증식<br/>(새 코드만 계속 얹음)"]
    P2 --> P3["Phase 3<br/>품질 악화<br/>(결함↑·복잡도 폭발)"]
    P3 --> P4["Phase 4<br/>시니어 희소화<br/>(번아웃 이탈 + 파이프라인 붕괴)"]
    P1 -. "미래 시니어 공급 차단" .-> P4
    P4 --> M["시장: 공급↓ · 수요↑<br/>= 시니어 몸값 폭등"]
    M --> Y["Y2K COBOL 재현<br/>희소한 소수가 부르는 게 값"]

이 위키의 Articles에는 “AI가 엔지니어를 대체하지 못한다”(AI는 왜 소프트웨어 엔지니어를 대체하지 못했나)거나 “AI가 채용 시장을 적대적으로 만들었다”(취업도 소프트웨어도 망가졌다)는 글이 이미 여럿 있다. 이 에세이가 흥미로운 건 같은 재료(주니어 채용 붕괴, AI가 쏟아내는 저품질 코드)를 비관이 아니라 시니어의 기회로 재조립한다는 점이다.

그 낙관은 편안한 낙관이 아니다. “폭풍이 지나갈 때까지 웅크리고 버티자(hunker down and survive the storm)”는 전제 위에 서 있어서, 오히려 지금 무엇을 지켜야 하는지를 날카롭게 되묻게 한다. 경제학의 수요·공급 하나로 커리어 시나리오를 밀어붙이는 단순함과, 그 단순함이 드러내는 진실을 함께 볼 수 있는 글이다.

핵심 내용

저자는 하나의 전제에서 출발해 네 개의 국면(Phase)을 거쳐 결론에 도달한다.

전제: AI는 이미 “충분히 좋다”

핵심은 “완벽함”이 아니라 “충분히 좋음(good enough)”이다. AI 코딩 모델은 이미 주니어 개발자와 맞먹거나 능가하는 수준에 도달했다는 것. 이 전제가 참이라면 나머지 도미노가 무너지기 시작한다.

Phase 1 — 주니어 개발자의 퇴출

기업은 신입을 뽑는 대신 AI 토큰을 산다. “주니어 개발자 채용 공고가 말라붙는다(job openings for junior devs will dry up)”는 현상은 이미 시장에서 벌어지고 있다는 것이 저자의 관찰이다.

Phase 2 — 코드의 증식

AI는 기존 코드를 재사용·정리하기보다 새 코드를 얹는 쪽으로 기운다. “AI는 새 코드를 생성하는 걸 좋아한다(they love to generate new code)”. 라이브러리 함수를 알면서도 중복되고 덧붙는 코드를 뱉어내고, 그 결과 저장소 크기가 부풀어 오른다.

Phase 3 — 코드 품질의 악화

AI가 쓴 코드는 결함률이 더 높고 리팩터링을 회피한다. 저자는 고전적 경구 “디버깅은 프로그램을 작성하는 것보다 두 배 어렵다(debugging is twice as hard as writing a program)”를 끌어와, 우리가 이미 “인간이 감당하던 복잡도 수준을 자주 넘어서 버렸다(frequently blown past human levels of code complexity)”고 말한다. 여기에 컨텍스트 윈도우 한계까지 겹친다 — AI는 현대적 규모의 코드베이스 전체를 한눈에 볼 수 없어서, “한 곳의 버그를 고쳐도 모든 곳에서 고쳐지지 않는다.”

Phase 4 — 시니어 개발자의 희소화

복잡도를 떠안은 시니어에게서 번아웃이 가속된다(저자는 “22%의 심각한 번아웃 급증”을 언급한다). 동시에 주니어가 줄었으니 미래의 시니어도 줄어든다. 파이프라인이 위아래로 동시에 조여드는 것이다. 게다가 AI에 기대어 자란 세대는 “유지보수 가능한 코드를 잘 쓰는 사람이 되리라는 보장이 없다.”

시장의 기회

수요는 늘고 공급은 준다 — 가격은 오른다. 저자는 이를 Y2K 당시 COBOL 프로그래머 품귀 현상에 빗댄다. 낡았지만 아무도 다룰 줄 모르는 시스템을 붙잡고 있던 소수가 부르는 게 값이었던 그 순간이 재현된다는 것이다.

시니어를 위한 선순환(그들의 관점에서):

  1. 주니어 채용 중단 → AI가 엔트리 레벨 업무를 대체
  2. 코드 복잡도 폭발 → AI가 유지보수 불가능한 시스템을 양산
  3. 시니어 번아웃 증가 → 경험자가 이탈
  4. 공급 부족 + 높은 수요 = 프리미엄 보상

타임라인은 약 5년. 저자는 “이미 1.5~2년이 지났고, 3년쯤 남았다”고 본다.

분석과 인사이트

여기서부터는 원문 요약이 아니라 내 관점이다.

강점 — 프레임 뒤집기가 신선하다. 대부분의 “개발자와 AI” 담론은 대체/생존의 이분법에 갇혀 있다. 이 글은 같은 사실들을 시장 미시경제학으로 재배열해, 위기를 자산으로 번역한다. 특히 Phase 4의 “파이프라인이 위아래로 동시에 조인다”는 지적은 진짜다. 주니어를 안 뽑으면 5년 뒤 시니어가 안 생긴다 — 이건 The Untrainable이 말한 “측정 불가능한 판단력은 학습되지 않는다”는 논지, 그리고 Ponytail이 스킬로 박제하려 한 “게으른 시니어의 삭제 판단”과 같은 곳을 가리킨다. AI가 흉내 내기 가장 어려운 것은 무엇을 안 쓸지, 무엇을 지울지에 대한 판단이다.

약점 1 — 단일 변수 모델의 위험. 논증 전체가 “AI는 good enough에서 멈추고 더 나아지지 않는다”는 암묵적 가정 위에 서 있다. 만약 AI가 5년 안에 대규모 코드베이스 리팩터링과 아키텍처 재설계까지 감당하게 되면, Phase 3~4의 “시니어만 풀 수 있는 부채”라는 해자 자체가 증발한다. 저자는 컨텍스트 윈도우 한계를 근거로 들지만, 그건 가장 빠르게 밀려나는 방벽이다.

약점 2 — 인용 통계의 출처가 약하다. “22% 번아웃 급증”, “1.5~2년 경과” 같은 수치는 에세이 특유의 어림값이다. 원문도 이를 엄밀한 데이터로 제시하지 않으니, 분위기의 근거이지 예측의 증거는 아니다. 독자는 이 숫자들을 정밀한 계량으로 오독하지 않는 편이 좋다.

약점 3 — “버티면 이긴다”의 생존 편향. 이 시나리오의 승자는 “폭풍을 버텨낸 시니어”다. 그런데 취업도 소프트웨어도 망가졌다가 보여주듯, 정리해고와 적대적 채용 시장에서 버티는 것 자체가 운과 자원의 문제다. “3년만 웅크리자”는 조언은, 그 3년을 버틸 여유가 없는 사람에게는 위로가 되지 않는다. 그리고 AI가 우리의 실력을 망치고 있는가의 탈숙련 연구가 옳다면, 버티는 동안 AI에 기대다 정작 몸값의 원천인 판단력이 녹슬 위험도 있다.

종합하면, 이 글은 정밀한 예측이라기보다 잘 만든 사고 실험이다. 결론(시니어 몸값 폭등)을 곧이곧대로 베팅하기보다, 그 결론이 참이 되려면 무엇을 지켜야 하는지를 역산하는 데 쓰는 게 이 글의 최선의 용법이다. 바로 그 역산이 다음 절이다.

적용 포인트

  • AI가 흉내 내기 어려운 판단력에 투자하라. 새 코드를 쓰는 능력이 아니라 무엇을 지우고, 무엇을 추상화하고, 언제 재설계할지를 판단하는 능력이 희소 자산이다. AI에게 위임하되, 삭제·통합·아키텍처 결정은 손에서 놓지 마라.
  • AI 출력에 대한 “리팩터링 반사신경”을 훈련하라. 에이전트가 새 코드를 얹으려 할 때, 기존 코드로 해결하도록 되돌리는 습관이 Phase 2(코드 증식)를 개인 수준에서 막는다.
  • 탈숙련을 경계하라. AI에 위임하는 동안에도 핵심 근육(디버깅, 도메인 이해, 시스템 사고)을 의식적으로 계속 써라. 몸값의 원천이 녹슬면 폭풍이 지나가도 챙길 것이 없다.
  • 주니어라면 “미래 시니어” 파이프라인의 희소성에 베팅하라. 채용문은 좁지만, 진짜 유지보수 판단력을 갖춘 다음 세대는 극도로 귀해진다. 실무 경험을 쌓을 창구를 어떻게든 확보하는 것이 장기 몸값 전략이다.
  • 숫자가 아니라 방향에 반응하라. “5년”, “22%”를 문자 그대로 받지 말고, “판단력의 희소성이 커진다”는 방향만 취해 커리어 결정에 반영하라.

마무리

“We’re going to make out like bandits”는 낙관의 탈을 쓴 경고다. 시니어의 몸값이 오른다는 결론이 성립하려면, 그 전제로 대량 해고와 부풀어 오르는 기술 부채, 그리고 다음 세대 인재 파이프라인의 붕괴가 먼저 와야 하기 때문이다. 개인에게 반가운 시나리오가 산업 전체에는 재앙일 수 있다는 이 불편한 비대칭이, 이 짧은 에세이가 오래 남는 이유다. 예측을 믿든 안 믿든, “AI가 흉내 낼 수 없는 판단력을 지금 지켜라”는 함의만큼은 어느 시나리오에서도 유효하다.

더 읽어보기