'AI 때문에 이제 개발 실력은 별로 안 중요해질 거다'라는 얘기, 요즘 정말 많이 들리죠. 프롬프트만 잘 쓰면 누구나 전문가처럼 일할 수 있다는 건데요. 그런데 GitHub에서 스태프 엔지니어로 일하는 션 고데케(Sean Goedecke)가 이 통념을 정면으로 반박하는 글을 올렸어요. 요지는 이래요. LLM은 실력 격차를 줄여주는 '평등화 장치'가 아니라, 오히려 이미 잘하는 사람을 더 잘하게 만드는 '증폭기'라는 거죠.
왜 전문가가 AI를 더 잘 쓸 수밖에 없을까요
첫 번째 이유는 좋은 질문은 아는 사람만 할 수 있다는 거예요. LLM에서 쓸 만한 결과물을 뽑으려면 애초에 뭘 요청해야 하는지 알아야 하거든요. 예를 들어 주니어는 '로그인 기능 만들어줘'라고 묻지만, 시니어는 '비밀번호는 bcrypt로 해싱하고, 세션 고정 공격 방어랑 로그인 실패 횟수 제한도 넣어줘'라고 물어요. 같은 모델을 써도 결과물 품질이 하늘과 땅 차이가 나는 이유죠. 초보자의 근본적인 한계는 '자기가 모르는 것은 요청할 수 없다'는 거예요. 이름조차 모르는 개념은 프롬프트에 쓸 수가 없으니까요.
두 번째는 검증이 진짜 병목이라는 점이에요. LLM의 출력물은 그럴듯해 보이지만 미묘하게 틀린 경우가 많거든요. 전문가는 오랜 경험으로 내면화한 기준이 있어서, 생성된 코드를 슥 훑어보고 '이거 엣지 케이스에서 터지겠는데?'를 몇 초 만에 잡아내요. 반면 초보자에겐 선택지가 둘뿐이에요. 맹목적으로 믿고 쓰거나, 한 줄 한 줄 힘들게 검증하거나. 전자는 위험하고, 후자는 AI가 주는 속도 이점을 도로 까먹어요. 결국 검증 능력이 없으면 AI의 효용 자체가 반토막 나는 거죠.
세 번째는 문제를 쪼개는 능력이에요. AI를 잘 쓴다는 건 결국 큰 작업을 모델이 안정적으로 처리할 수 있는 크기로 분해하는 일인데요. 어디까지 모델에 맡겨도 되고 어디부터는 사람이 직접 판단해야 하는지, 그 경계선이 어디인지 아는 것 자체가 하나의 전문성이라는 거예요. 글쓴이는 실제로 자기 직장에서도 시니어 엔지니어들이 주니어보다 AI 도구에서 훨씬 큰 레버리지를 얻고 있다고 말해요.
연구 결과들도 비슷한 방향을 가리켜요
흥미로운 건 초기 연구들과의 온도 차이인데요. GitHub Copilot 초창기 실험들은 오히려 주니어가 더 큰 이득을 본다고 했어요. 그런데 그건 정답이 명확한 단순 과제 기준이었고, 실제 업무처럼 복잡한 환경을 다룬 연구에서는 다른 그림이 나와요. 작년에 화제가 됐던 METR 연구에서는 숙련된 오픈소스 개발자들이 AI 도구를 쓰자 오히려 작업 속도가 느려지는 결과까지 나왔는데요. 연구마다 결론은 엇갈리지만 공통적으로 확인되는 건, AI 출력물을 빠르고 정확하게 '평가하는 능력'이 성과를 좌우한다는 점이에요. 도구가 실력을 곱해주는 곱셈 구조라면, 곱해지는 원래 값이 클수록 결과도 커지는 거죠.
한 가지 더 무거운 이야기도 있어요. 글쓴이는 이 동학이 직군 내의 실력 격차를 좁히는 게 아니라 오히려 더 벌릴 수 있다고 경고해요. 'AI가 선생님 역할을 해주니 초보도 금방 배우지 않냐'는 반론에는, 배움에는 여전히 시간과 노력이 들기 때문에 그 사이 격차는 계속 존재한다고 답하고요.
한국 개발자에게 주는 의미
주니어라면 기초 학습을 건너뛰지 마세요. AI가 코드를 짜주는 시대일수록 역설적으로 '남이 짠 코드를 읽고 평가하는 능력', 즉 코드 리뷰 역량이 핵심 무기가 돼요. AI를 답안지처럼 쓰지 말고 과외 선생님처럼 쓰는 것도 방법이에요. 결과물을 받으면 '왜 이렇게 짰어? 다른 방법과 트레이드오프는 뭐야?'라고 되물으면서 검증 근육을 키우는 거죠. 시니어라면 지금이야말로 쌓아온 전문성의 이자를 가장 크게 받을 수 있는 시기고요. 팀 리드라면 주니어에게 AI 사용법이 아니라 AI 출력물 검증법을 가르치는 게 온보딩의 핵심이 될 거예요.
마무리
한 줄로 정리하면 이래요. AI는 실력을 대체하는 게 아니라 곱해줍니다. 원래 값이 0에 가까우면 아무리 곱해도 커지지 않아요.
여러분 팀은 어떤가요? AI 도구를 시니어가 더 잘 활용하나요, 주니어가 더 잘 활용하나요? 실제 경험담이 궁금해요.
🔗 출처: Hacker News