“AI 어시스턴트의 역설” 더 많은 개발자가 필요하다 : zum 뉴스

이제 공식적으로 AI가 소프트웨어 개발자를 대체할 것이라는 생각을 버릴 때다. 수년 동안 생성형 AI 및 LLM이 소프트웨어 개발자의 일자리를 대체할 것이라는 이야기를 들어왔다. 소프트웨어 개발 분야에서 코드를 작성하는 사람이 줄어들 것이라는 의미이다.

그러나 데이터는 그렇게 말하지 않는다. 개발자를 밀어내는 대신, 깃허브 코파일럿과 같은 AI 코딩 도구는 기업이 더 많은 소프트웨어를 더 빨리 구축하도록 장려하고 있다. 이는 제본스 역설의 전형적인 사례다. 경제학에서 제본스 역설은 효율성 향상으로 인해 자원의 소비가 증가하는 것이 아니라 감소하는 것을 설명한다. 여기서 “자원”은 개발자의 시간과 노력이다.

AI 도구가 코딩을 더 저렴하고 쉽게 만들어 주면서, 코드에 대한 수요가 폭발적으로 증가했고, 숙련된 개발자에 대한 수요도 증가했다. 사실, 이제 남은 유일한 질문은 이것이다. AI 기반 소프트웨어 개발에서 초보 개발자는 어떤 역할을 담당하게 될 것인가?

더 빠른 코딩, 더 많은 결과물

깃허브 코파일럿을 생각해 보자. 한 내부 연구에서 95명의 엔지니어를 깃허브 코파일럿을 사용하는 그룹과 그렇지 않은 그룹으로 나누었다. 깃허브 코파일럿의 지원을 받은 개발자들은 코딩 작업을 55% 더 빨리 완료했으며, 전체 성공률도 78%로 더 높았다. 마이크로소프트와 액센츄어가 약 2,000명의 개발자를 대상으로 한 별도의 실험에서도 AI 지원팀의 주간 풀 리퀘스트가 13%에서 22%로 증가했다. 이는 사소한 개선이 아니다.

작은 테스트를 넘어, 일관된 이야기를 발견할 수 있다. 2023년 깃허브에 따르면, 코파일럿이 활성화된 파일에서 전체 코드의 약 46%를 생성했으며, 언어에 따라 60%를 초과하는 경우도 있었다. 여기에는 세계에서 가장 많이 사용되는 기업용 언어 중 하나인 자바도 포함된다. 이 수치는 지난 2년 동안 거의 확실하게 증가했을 것이다. 실제로 마이크로소프트, 줌인포, 그리고 다른 여러 업체가 최근에 개발자의 귀중한 시간을 잡아먹는 까다로운 프로젝트를 포함해 코딩 작업에 소요되는 시간을 40%에서 50%까지 줄일 수 있었다고 보고했다.

결과는 어땠을까? 엔지니어는 더 많은 일을 해낼 수 있었고, 좌절감을 덜 느끼게 되었으며, 이전에는 백로그의 연옥에서 시들시들하게 버려져 있던 프로젝트들을 살릴 수 있게 됐다. 연구 결과에 따르면, AI를 활용하는 팀은 정확도도 더 높다고 한다. 일부 테스트에서 자동화된 코드는 수동으로 작성된 코드에 비해 단위 테스트에서 53% 더 높은 성공률을 보였다. 덕분에 소프트웨어 개발은 지루한 구현보다는 문제 해결에 중점을 둔다.

더 많은 AI, 더 많은 사람

이런 생산성의 급증은 흥미로운 결과를 가져온다. 기업이 갑자기 할 일 목록을 절반의 시간 안에 완료한다고, 기업이 엔지니어들에게 남은 한 해 동안 쉬라고 말하지 않는다. 대신 다음 단계의 기능들을 구축하기 시작한다. 기업은 새로운 사업 아이디어에 집중한다. 개발자를 절반으로 줄이는 대신, 오히려 두 배로 만든다. 이것이 바로 제본스 역설 효과다. 코딩의 효율성이 높아지면 기업은 더 크고 다양한 소프트웨어 이니셔티브를 다루면서 소프트웨어 개발을 확장한다.

다음은 AI를 통해 숙련된 개발자가 더 중요해지는 몇 가지 이유다.

생산성. 모든 기업에는 시간과 자원의 제약으로 인해 실현되지 못한 기능, 내부 도구, 자동화 프로젝트, 애플리케이션 아이디어 등의 백로그가 있다. LLM은 이런 프로젝트를 시작하는 데 필요한 활성화 에너지를 낮춰 준다. ‘있으면 좋겠다’고 생각했던 내부 대시보드가 갑자기 실현 가능해진다. 실험적인 고객 대면 기능도 프로토타이핑이 더 빨라졌으니 시도해 볼 가치가 있다. LLM 지원은 이런 백로그를 경제적으로 해결할 수 있게 해 준다.

유지보수. 소프트웨어가 많이 개발될수록 테스트, 디버깅, 보안, 유지보수, 업데이트, 통합 등의 작업이 많아진다. LLM이 생성한 코드라고 마법처럼 버그가 없고 자체적으로 유지보수가 되는 것이 아니다. 오히려 처음에는 생성 속도가 빨라서 신중하게 검토하고 리팩터링하고 지속적인 지원이 필요한 코드가 생성될 수 있다. 숙련된 인간 개발자는 이 모든 새로운 코드를 수년간 안정적이고 안전하게 실행하는 데 매우 중요하다.

복잡성. LLM은 방대한 데이터 세트에서 학습한 패턴을 기반으로 잘 정의된 현지화된 작업에 탁월하다. 통계적으로 뛰어난 모방이다. 하지만 대규모 시스템 아키텍처, 새로운 문제 해결, 비즈니스 컨텍스트에 대한 심층적인 이해, 복잡한 보안 고려사항, 비정상적인 부하에서의 성능 최적화, 미묘한 사용자 경험 디자인에 어려움을 겪는다. 이런 영역은 근본적으로 인간의 영역으로, 창의성과 비판적 사고, 전략적 감독이 필요하다.

품질 관리. 복잡성과 같은 맥락에서 LLM은 그럴듯해 보이는 코드를 생성할 수 있지만, 그 코드가 정말 안전한가? 효율적인가? 예민한 문제를 제대로 처리할 수 있을까? 전체 시스템 아키텍처와 비즈니스 목표에 부합할까? 인간 개발자는 필수적인 검증자, 편집자, 품질 관리자로, 생성된 코드와 프로덕션 단계의 신뢰할 수 있는 소프트웨어 사이의 간극을 메워 준다.

그래서 여전히 사람이 필요하다. 더 많은 AI가 필요한 이유를 다시 생각해 보자. IBM의 연구에 따르면, 생성형 AI는 소프트웨어 출시 기간을 10~15% 단축하면서 기업이 출시하는 제품이나 기능의 수를 15~20% 늘릴 수 있다. 이는 엄청난 경쟁 우위다.

가트너는 AI 기반 코딩이 표준이 됨에 따라 소프트웨어에 대한 수요는 물리적인 상한선이 없다고 지적한다. 간단히 말해, 모바일 앱에서 블록체인 플랫폼에 이르기까지 모든 것에 코드가 필요하며, 수요는 계속 증가하고 있다. 미국 노동통계국은 2022년부터 2032년까지 소프트웨어 개발자 일자리가 25% 증가할 것으로 전망했다. 이는 평균보다 훨씬 빠른 속도이다. 일부 역할은 변화하거나 합쳐질 수 있지만, 전반적인 개발자 수요가 감소할 조짐은 보이지 않는다. 오히려 AI 기반의 작업 흐름을 조율할 수 있는 숙련된 엔지니어가 더 필요할 것이다.

빠트릴 수 없는 단어 “숙련”

초급 소프트웨어 개발은 AI의 등장으로 변화할 것이지만, 사라지지는 않을 것이다. LLM이 일상적인 코딩 작업을 점점 더 많이 처리함에 따라, 상용구 코드 작성 등 초급 개발자의 전통적인 책임은 줄어들고 있다. 대신 초급 개발자의 역할은 AI 감독자로 발전할 것이다. 결과물을 테스트하고, 데이터 라벨링을 관리하고, 코드를 더 광범위한 시스템에 통합할 것이다. 이를 위해서는 소프트웨어 아키텍처, 비즈니스 로직, 사용자 요구에 대한 깊은 이해가 필요하다. 이런 작업을 효과적으로 수행하려면 일정 수준의 경험이 필요하며, 그렇지 않은 경우에는 멘토링이 필요하다.

선임 엔지니어와 후배 엔지니어 사이의 역학관계가 변화하고 있다. 선임 엔지니어는 후배 개발자에게 AI 도구 사용법과 코드 평가에 대해 멘토링을 해야 한다. AI 지원 페어 프로그래밍과 같은 협업 방식도 학습 기회를 제공할 것이다. 개발팀은 AI를 활용한 공동 작업을 더 많이 진행하고 있다. 이를 위해서는 명확한 의사소통과 경험 수준에 따른 책임 분담이 필요하다. 멘토링은 초급 엔지니어가 AI에 지나치게 의존하는 것을 방지하는 데 필수적이다.

모든 기술 수준에서 기업은 AI/ML 분야 개발자를 양성하기 위해 분주하게 움직이고 있다. 2023년 말에 미국과 영국에서 실시한 설문조사에 따르면, 기업의 56%가 AI/ML 분야의 역량을 최우선 채용 기준으로 꼽았다. 가트너는 2027년까지 개발자의 약 80%가 최소한 기본적인 AI 기술이 필요할 것으로 예측한다. 이 트렌드는 어떻게 진행될까? 초보 개발자는 AI 도구를 사용해 일상적인 코딩 작업을 처리하고, 작업하면서 제안된 내용을 학습해 더 복잡한 작업을 수행하는 방식으로 경력을 시작할 수 있다. 한편, 선임 엔지니어는 코치, 검토자, 조정자가 되어 AI 생성 코드가 비즈니스 요구 사항에 부합하고 보안 표준을 충족하도록 한다.

결론 : 더 많은 개발자를 고용하라

AI는 개발자를 대체하지 않는다. 대신에, AI는 개발자의 효율성을 높여줄 것이고, 그 효율성은 기업이 더 크고 더 많은 프로젝트를 수행하도록 자극할 것이다. 이런 변화는 이전에도 있었다. 컴파일러, 오픈소스 프레임워크, 클라우드 플랫폼 등이 그것이다. 개발 생산성이 향상될 때마다, 시장은 이를 포착해 더 많은 소프트웨어를 구축한다. LLM은 이 패턴의 가장 최근에 나타난 가장 극적인 반복일 뿐이다.

기업 경영진의 현명한 선택은 개발 예산을 삭감하는 대신, 기술 향상에 투자하는 것이다. AI 기반 개발에 대한 교육을 제공하고 AI를 효과적으로 활용하는 방법을 배우는 개발자에게 보상을 제공한다. 이 혁신적인 시대를 성공적으로 헤쳐 나가기 위한 핵심은 AI 기반 환경에서 성공하는 데 필요한 필수 기술을 신입 개발자에게 제공하기 위해 교육 및 멘토링 방식을 조정하는 것이다. 여기에는 코드 평가, 문제 해결, 지속적인 학습에 대한 강한 강조가 포함된다.

이를 통해 “언젠가” 프로젝트의 백로그는 줄어들고, 실제 수익을 창출하는 기능 개발의 파이프라인은 늘어날 것이다. AI는 초급 개발자를 포함한 개발자의 효율성을 가속화함으로써 더 많은, 그리고 더 나은 소프트웨어와 최고의 인재에 대한 끝없는 수요를 창출할 것이다.
dl-itworldkorea@foundryco.com