GIthub CEO 컬럼 개발자 다시 만들어지다 - Thomas Dohmke

Developers, Reinvented – Thomas Dohmke

라는 글입니다. Thomas Dohmke는 Github CEO 입니다. AI 시대 개발자의 역할에 대해 컬럼을 썼네요.

퍼플렉시티를 이용하여 번역해 봅니다. 내용이 좋네요.

개발자, 새롭게 정의되다 – Thomas Dohmke

소프트웨어 개발 분야에서는 근본적인 변화가 일어나고 있습니다. 이는 우리가 빌드하는 방식만이 아니라, 개발자로서 우리 스스로의 정체성에도 영향을 미치고 있습니다. 최근 우리는 AI 도구를 일상적으로 활용하는 22명의 개발자와 인터뷰를 진행했고, 그들이 어떻게 그 단계에 이르렀는지, 그들의 업무가 어떻게 변했는지, 그리고 앞으로 무엇을 기대하는지에 대해 배웠습니다.

변화의 물결

최전선에 있는 이 개발자들에게 AI를 핵심 업무에 들여오는 일은 먼 미래의 이야기가 아닌, 이미 현실이 된 변화입니다. 많은 이들이 처음 AI 도구를 접했을 때는 “신기하긴 하지만, 장난감 같네”라는 의구심을 품었습니다. 이는 높은 기대치와 AI가 아직 미완성된 기술이라는 현실이 충돌한 결과였습니다. 이런 시점에서 많은 사람들이 AI 도구를 별 쓸모 없다고 여겨 그만두지만, 꾸준히 실험하는 이들은 ‘아하!’ 하는 깨달음의 순간을 맞이하게 됩니다. 이때 시간 절약의 효용을 체감하고, 도구의 역량과 이를 업무에 어떻게 활용할지 이해하게 됩니다.

AI 도구에 성공적으로 적응한 개발자들은 본인의 직업이 근본적으로 재편될 것이라는 강한 동기를 갖고 끊임없이 다양한 AI 도구를 실험합니다. “AI를 받아들이든가, 경력을 접든가 둘 중 하나다.”라는 개발자의 말은 그런 자세를 잘 보여줍니다.

이런 변화를 받아들이는 모습은 일방적인 전환이 아니라, 매일의 시행착오로 이루어진 단계적인 진화입니다:

1단계: AI 회의론자. AI를 소소한 작업이나 질문에 시도해보는 단계입니다. 이때 개발자들은 주로 코드 보완(auto-completion) 정도만 활용하며, 반복과 오류에 대한 인내심이 부족합니다. 실망하지 않고 계속 시도할 경우, 단번에 성공하겠다는 기대를 내려놓게 됩니다.

2단계: AI 탐험가. 디버깅, 보일러플레이트, 코드 스니펫 등에 AI를 활용하며 점차 AI의 한계를 이해하게 됩니다. 코드 보완과 채팅 기능, 브라우저 기반 LLM으로부터 코드 복사 등 다양한 방법을 시도하게 되며, 점차 더 복잡한 작업에 아이디어 브레인스토밍을 하기도 하고, 반복적 프롬프트에 익숙해집니다. 결과가 나쁘면 되돌아가 처음부터 다시 시작하는 것이 더 효과적임을 깨닫습니다.

3단계: AI 협업자. AI와 적극적으로 공동 작업을 하며, 맥락을 전달하는 직관을 구축합니다. AI가 포함된 IDE로 여러 단계를 거치는 작업이나 다중 파일 변경을 수행하고, 우선 계획 수립·에이전트 규칙 정립·도구와 모델 간 전략적 전환 등 다양한 노하우를 쌓아갑니다. 이 단계의 개발자는 내부 논의나 데모에서 효과적인 프롬프트, 활용법, 교훈을 공유하기 시작합니다.

4단계: AI 전략가. AI를 기능 개발, 복잡한 작업, 대규모 리팩토링 등에 강력한 파트너로 인식합니다. 계획 수립과 코딩 모델을 조합해 세련된 다중 에이전트 워크플로우를 만들고, 점점 더 많은 자율성과 병렬성을 추구합니다. 이 단계에서는 미래에 대해 자신감과 낙관을 보입니다.

4단계 개발자들은 한결같이 자신의 역할이 변했다고 말합니다.

이제 그들은 ‘작업 위임’과 ‘검증’에 집중합니다. 위임이란, 에이전트가 성공하도록 충분한 맥락과 지침을 제공하고, 프롬프트를 설계·수정하며, AI의 계획과 선택지를 검토하고 진행 전에 미세 조정하는 과정입니다. 검증은, 에이전트의 작업 결과가 목표와 규약을 충족하는지 꼼꼼히 확인하는 일입니다. 이제 이들은 코드 작성을 넘어, AI 에이전트가 구현한 결과물을 설계·검증하는 역할을 하게 됩니다.

다음에 무슨 일이 일어났을까요? AI가 전체 코드의 90%를 쓰게 될 미래에 대해 물었을 때, 이 개발자들은

긍정적으로 답했습니다. 절반은 5년 이내에, 나머지 절반은 2년 이내에 가능하리라 여겼습니다. 하지만 이들은 이런 미래가 자신의 가치나 정체성을 약화시키는 일이 아니라, 오히려 새롭게 정의하는 과정이라고 받아들였습니다. 에이전트의 업무를 효과적으로 관리하는 데도 많은 기술과 노력이 필요하다는 점을 깨달았기 때문입니다. “우리는 코드 생산자가 아니라 코드 가능성 구현가가 될지 모릅니다. 내 다음 직함은 아마 코드 크리에이티브 디렉터일 거예요.”라는 말처럼 말입니다.

낙관일까? 현실일까? 아니면 둘 다일까?

우리는 종종 낙관주의와 현실주의를 상반된 태도로 생각합니다. 그러나 이 개발자들은 흥미롭게도

현실적인 낙관주의자였습니다. 변화를 받아들이되, 일자리 변화가 불가피함을 직시하고, 이를 성장의 기회로 여겼습니다. 한 개발자는 “나는 평범한 엔지니어라고 생각했는데, AI 덕분에 뛰어난 역량을 갖출 기회가 생겼다”고 말했습니다.

이 현실적 낙관주의의 관점으로 이어가 보겠습니다.

일자리 전망

AI는 점점 더 많은 코딩 작업을 자동화하며 소프트웨어 개발 속도를 높이고 있습니다. 모델과 도구가 발전하면서, 이런 에이전트에 의해 더 복잡한 코딩 작업도 자동화되고 있습니다. 이건 더 이상 미래 예측이 아니라 현재진행형입니다.

이런 변화가 계속되면 기존의 코딩 중심 개발자 역할은 줄어들거나 상당히 진화할 것입니다. 핵심은 코드를 ‘직접 쓰는’ 데서, ‘위임하고 검증하는’ 역할로 이동할 것이란 점입니다. 하지만 미국 노동부 통계에 따르면 앞으로 10년간 소프트웨어 개발자 일자리는 18% 성장할 전망으로, 전체 평균의 5배에 달합니다.

지금의 개발자란 직업이 미래에도 같지는 않겠지만, 변화에 적응하는 것이 좌절보다는 희망의 이유가 될 수 있습니다.

인터뷰에서 알게 된 점이 더 있습니다. 이들은 새 일 방식의 핵심 혜택을 “절약된 시간”이 아니라 “목표와 야망의 확장”으로 꼽았습니다. 즉, 효율성 이야기 대신 우리가 달성할 수 있는 결과물의 크기와 범위를 키우는 데에 집중해야 한다는 뜻입니다. 그래서 이 개발자들이 고가의 AI 구독 모델을 자발적으로 결제한 것도 이해가 됩니다. 단순히 수고를 덜기보다, 더 크고 복잡한 목표를 달성하려면 가장 발전된 에이전트가 필요하기 때문입니다.

필요한 역량, 익숙한 것과 새로운 것

개발자의 역할이 바뀌고 있다면, 앞으로 중요한 핵심 역량은 무엇일까요?

AI 활용 유창성(AI fluency): 여러 AI 도구와 플랫폼, 모델의 능력과 제약을 파악하고, 이를 업무와 워크플로우에 맞춰 조정하는 역량이 가장 중요해집니다. 이는 꾸준한 시도와 빠른 적응력을 요합니다. AI 혁신 속도 자체가 워낙 빠르기 때문이죠.

위임과 에이전트 오케스트레이션: 성공적인 위임에는 충분한 맥락 및 프롬프트 엔지니어링, 문제 정의, 작업 분해, 일의 병렬 처리, 성공 기준과 제약 정의가 필수입니다. AI 활용 능력이 높아지면, 동기식 협업과 백그라운드 오프로드 사이의 전략적 판단 능력도 요구됩니다. 커뮤니케이션 기술은 AI 위임에서도 매우 중요합니다. 인간 팀원에게도 애매한 한 줄 설명만으로는 목표를 달성시킬 수 없듯 AI 에이전트에게도 마찬가지죠.

인간-AI 협업: 동기식으로 에이전트와 협력할 때는 촘촘한 반복 피드백, 중간 점검, 스스로 비판하게 지시, 질문을 유도해 컨텍스트를 채워넣게 하는 등 적극적 상호작용이 필요합니다. 한 인터뷰이는 “에이전트에게 나를 인터뷰하도록 했다”고 말할 정도로 콘텍스트 구축에 힘썼습니다.

기본기: 코딩과 시스템을 이해하고 논리적으로 사고하는 기본기는 여전히 매우 중요합니다. 아무리 AI가 코드를 잘 생성해도, 그것의 질과 동작 방식을 비판적으로 볼 수 있는 기본 파악력을 갖추어야 하고, 이는 에이전트가 작업한 결과물 검증 과정에서 필수입니다.

검증 및 품질 관리: AI가 만든 결과물을 꼼꼼히 검토, 테스트, 검증할 수 있는 능력도 필수적입니다. 이미 많은 개발자들이 수동 코드리뷰, 테스트 실행, 표준 준수 확인 등을 실천하고 있지만, 에이전트 활용 워크플로우에서는 이 역량이 더 중요해집니다. 테스트 범위 확대, 품질과 보안을 더 앞단에서 고려해야 하죠.

제품 이해: 전체 시스템을 보는 ‘시스템 사고’가 중요해집니다. 요구사항 정의, 빠른 프로토타이핑/설계, 아이디어 탐구, 사용자 니즈 파악 등, 결과 관점에서 에이전트 작업을 명확히 규정할 줄 알아야 합니다.

아키텍처 및 시스템 설계: AI가 저급 레벨 코딩을 점차 대체할수록, 전체 시스템 아키텍처와 디자인 패턴, 컴포넌트 상호작용의 이해가 더욱 중요해집니다. 이를 통해 AI가 만든 코드를 효과적으로 통합할 수 있습니다.

교육에 주는 시사점

현실적 낙관주의 관점에서, 소프트웨어 개발에 AI가 대두됨에 따라

컴퓨터 과학 교육도 재발명이 필요해졌습니다. 변화의 규모를 인정하고 학생들이 더 전략적이고 창조적인 역할을 할 수 있도록 대비시키는 것이 중요합니다.

학생들은 앞으로 점점 더 많은 부분을 AI로 작성하게 될 것입니다. 문법이나 API 암기 중심의 전통적 코딩 교육은 점차 의미를 잃어가고 있습니다. 기본 코딩 역량은 여전히 중요하지만, 이제는 시스템을 파악하고, AI가 만든 코드를 디버깅하고, 아이디어를 컴퓨터와 인간에게 명확히 전달할 수 있는 능력으로 기능이 달라지고 있습니다. “이 루프를 작성하라”보다는 “이 코드가 무슨 역할을 하는지, 뭘 바꾸면 잘못될지를 이해하라”는 식의 교육이 필요합니다.

대규모언어모델과 에이전트가 이미 실제 코딩 업무를 수행하는 만큼, 교실에서 이를 무시한다면 학생들은 바로 현업에서 낙오할 수밖에 없습니다. AI 도구를 교육에 도입하면, 설계, 분석, 창의력에 더 많은 시간을 할애할 수 있습니다. 커리큘럼에는 AI와 협력하는 방법, 즉 프롬프트 작성, 리뷰 및 편집, 결과 검증 등이 포함되어야 합니다. AI 유창성을 가르치는 데 초점을 맞춰야 합니다.

많은 컴퓨터과학(Computer Science, CS) 커리큘럼이 여전히 AI가 잘 푸는 문제에 머물러 있지만,

미래는 시스템 모델링, 에지 케이스 예상, 모호함을 구조화로 바꾸는 능력을 갖춘 개발자의 것입니다—이런 역량은 AI가 대체하기 어렵습니다. 추상화, 분해, 명세화 등은 “프리 코딩” 단계가 아니라, 새로운 의미의 코딩 그 자체가 됩니다.

이러한 변화는

융합적 사고와 다양한 진입 경로 역시 촉진합니다. CS와 디자인, 윤리, 시스템사고, 인간-컴퓨터 상호작용을 아우르며, 학생들이 코더가 아닌 컴퓨팅 크리에이터로 성장하도록 독려해야 합니다.

이는 평가 방식에도 영향을 줍니다. 기존의 프로그래밍 시험은 AI가 더 빠르게 풀 수 있는 시대에선 더 이상 의미가 없습니다. 학생들에게 문제를 정의하고, AI를 효과적으로 안내하고, 솔루션을 비판적으로 고치며, 복잡한 결과를 디버깅하는 능력을 평가하는 것이 필요하며, 이것이 미래에 진짜 역량입니다. “AI가 쓴 코드를 보고 문제를 찾아라” 또는 “사양(spec)을 개선해서 AI가 의도한 프로그램을 만들 수 있게 하라” 같은 평가가 필요합니다.

핵심 요약

소프트웨어 개발자의 역할에는 커다란 변화가 예고되어 있습니다.

모든 사람이 이 변화를 원하지는 않을 수 있습니다. 에이전트를 관리하며 업무를 성취하는 일은 누군가에겐 매력 없게 느껴질 수 있지만, 사실 우리 개발자들은 이미 더 낮은 추상화 단계에서 컴퓨터를 프로그래밍 언어로 다루며 ‘관리’하는 일을 해왔습니다. 변화에 거부감이 드는 건 자연스러운 일이지만, 이미 전 세계의 개발자들은 회의론에서 자신감으로 옮겨가며 AI와의 파트너십 속에서 역할, 관행, 마음가짐을 바꾸고 있습니다.

이들은 AI에 대한 두려움을 점차

성장 기회로 실용적으로 받아들이며, 도구를 발전시키고, 새로운 개발자 역할로 안내하는 과정을 직관적이면서도 즐겁게 만들고자 노력합니다. 개발자들의 호기심과 만족을 지키며, 변화의 과정에서 함께 성장할 수 있다면 그만큼 현실적으로, 그리고 낙관적으로 미래를 기대할 수 있습니다.