한 소프트웨어 엔지니어의 글이 Hacker News 상단을 차지하며 687개의 댓글을 모았습니다. 제목은 직접적이었습니다. "LLM이 내 커리어를 갉아먹고 있고, 나는 어떻게 해야 할지 모르겠다." 이 글의 저자가 표현한 것은 해고 통보가 아닙니다. 직장은 있습니다. 월급도 나옵니다. 그런데 무언가 달라졌다는 감각이 있고, 그것을 읽은 729명이 공감 버튼을 눌렀습니다.

공감이 어디서 오는지 조금 더 들여다볼 필요가 있습니다. "AI가 일자리를 빼앗는다"는 막연한 두려움이었다면 댓글창은 달랐을 겁니다. 위로도 있었고 반론도 있었지만, 그보다 훨씬 많은 것은 "이게 무슨 느낌인지 안다"는 직접 경험담이었습니다. 이 글이 건드린 것은 멀리 있는 미래 시나리오가 아니었습니다. 지금 매일 쓰는 도구 앞에서 느끼는 구체적인 변화였고, 그것이 687개의 반응을 만들었습니다.

코드를 검토하는 사람이 됐을 때 달라지는 것

LLM을 쓰면 코드 작성이 빨라집니다. 이 사실 자체는 논쟁거리가 아닙니다. 엔지니어링 작업의 상당 부분을 LLM이 초안으로 내주고, 사람은 그것을 검토하고 수정하는 역할로 이동합니다. 표면적으로는 효율입니다. 같은 시간에 더 많은 작업을 처리할 수 있습니다.

그런데 저자가 불편하게 느끼기 시작한 지점은 다른 곳에 있었습니다. 이전에는 코드를 처음부터 직접 짜면서 왜 이렇게 작동하는지, 어디서 무너질 수 있는지를 손으로 확인하는 과정이 있었습니다. 한 줄 한 줄 결정하는 작업이 귀찮고 느린 일이었지만, 그 귀찮음이 더 복잡한 시스템을 다룰 수 있는 밑바탕이 됐습니다. LLM이 초안을 내주면서 그 경로가 짧아졌고, 설계하고 논리를 직접 구성하는 훈련이 줄어들었습니다.

6개월, 1년이 지나면 어떻게 되는가. LLM 없이 처음부터 코드를 짜야 하는 상황이 왔을 때, 이전과 같은 속도로 할 수 있는가. 저자는 이 질문 앞에서 불확실하다고 썼습니다. 근육이 굳었다는 표현은 없었지만, 그에 가까운 감각이었습니다.

이 현상은 소프트웨어 엔지니어링에만 해당되지 않습니다. 기획 문서를 AI에 맡기기 시작한 기획자, 보고서 초안을 LLM으로 쓰기 시작한 실무자들도 비슷한 질문 앞에 서게 됩니다. 내가 이 작업의 논리를 여전히 내 머리 안에 갖고 있는가. 이 문장이 왜 여기에 있는지, 이 구조가 왜 이렇게 됐는지를 누군가 물었을 때 짚어낼 수 있는가.

여기에 시장의 신호가 겹칩니다. AI 보조를 받은 엔지니어 한 명이 이전의 세 명 분량을 처리할 수 있다면, 회사는 인력 규모를 재조정할 유인이 생깁니다. 2024년 하반기부터 구글, 메타, 세일즈포스 등 여러 기술 기업에서 채용 규모를 축소하거나 팀 인원을 줄이는 사례가 이어졌고, 이 중 상당수가 AI 도입과 맞물린 구조 조정이었습니다. 저자의 불안이 개인적 감수성의 문제만은 아닐 수 있다는 배경입니다.

LLM이 오히려 사람의 가치를 높인다는 반론

이 논의에는 반대 방향의 주장이 있으며, 가볍게 넘길 수 없습니다.

댓글에서 여러 엔지니어들이 지적했듯, LLM이 생성한 코드는 역량 있는 사람이 검토하지 않으면 프로덕션 환경에 올릴 수 없습니다. 아키텍처 결정을 내리고, 요구사항 변화에 대응하며, 보안 취약점이나 엣지케이스를 파악하는 작업은 여전히 사람의 몫입니다. 이 입장에서는 LLM이 반복적인 작업을 덜어주어 더 복잡한 문제에 집중하게 해준다고 봅니다. 위기가 아니라 역할 재편이라는 것입니다.

역사적으로도 유사한 흐름이 있었습니다. 엑셀이 나왔을 때 회계 담당자가 사라질 것이라는 전망이 있었지만, 실제로는 더 복잡한 재무 분석을 다루는 수요가 늘었습니다. 포토샵이 나왔을 때 그래픽 디자이너가 줄어들 것이라는 우려가 있었지만, 디자인 산업 자체가 확장됐습니다. 기술이 일부 역할을 자동화하면서 동시에 더 높은 수준의 역할 수요를 만들어낸 패턴이 있습니다.

그러나 이 반론이 맞으려면 한 가지 조건이 충족돼야 합니다. "더 복잡한 문제에 집중할 수 있는" 역량을 이미 충분히 갖춘 사람에게는 맞는 이야기입니다. 그 역량을 아직 쌓는 중이거나, 반복 작업을 AI에 넘기는 과정에서 스스로 생각하는 훈련도 함께 넘어간 경우에는 다른 결과가 됩니다. 729점을 받은 그 고백이 불편하게 공명한 것은 후자의 감각을 담고 있었기 때문이었습니다.

한국 1인 사업자와 중간관리자에게 무엇이 달라지는가

이 논의를 한국 실무자의 시각으로 옮기면 질문이 하나 좁혀집니다. 지금 내가 AI에 넘기고 있는 작업의 비중이 커졌을 때, 내가 추가하는 가치는 외부에서 보이는가.

AI 도입을 추진하는 중간관리자들이 공통으로 직면하는 상황이 있습니다. 처리량은 늘어났는데 팀원의 역할이 불분명해지는 경우입니다. 작업량이 줄었는데 인원이 그대로라면, 각자가 무엇을 하고 있는지를 윗사람에게 설명해야 하는 압박이 생깁니다. "AI가 해줬다"는 설명은 이 압박을 해소하지 못합니다. 그 AI를 어떤 방향으로 썼고, 어디서 개입했으며, 결과물에 무엇을 더했는지가 보여야 합니다.

팀을 운영하는 입장에서는 또 다른 고민이 생깁니다. 팀원들이 AI를 쓰면서 처리 속도가 빨라졌다면, 그 남은 시간을 어디에 써야 더 성장하는 경로가 되는가. 더 많은 양의 같은 작업을 처리하는 것이 팀원의 역량을 키우는가, 지금까지 해온 작업의 논리와 배경을 깊이 이해하는 작업으로 쓰는 것이 더 지속 가능한 투자인가. 이 질문에 대한 관리자의 답이 1~2년 후 팀 전체의 방향을 다르게 만들어 갑니다.

1인 사업자에게는 다른 종류의 압박이 생깁니다. AI로 작업 속도를 높였다면, 그 시간을 어떻게 채웠는가. 같은 종류의 작업을 더 많이 처리하는 방향으로 움직였다면, 단가 경쟁에 들어가거나 납기를 더 짧게 요구받는 상황이 올 수 있습니다. 의뢰인 입장에서는 AI를 쓰는 프리랜서와 그렇지 않은 프리랜서가 결과물 기준으로 구분되지 않을 때, 가격 기준이 달라집니다.

채용 현장에서도 변화가 있습니다. 오랫동안 채용 실무를 맡아온 사람들이 공통적으로 언급하는 것이 있습니다. 어떤 도구를 쓸 줄 아는가보다 그 사람이 문제를 어떻게 접근하는가, 작업에 어떤 맥락이 들어갔는가를 확인하려는 방향으로 이동했다는 것입니다. 포트폴리오보다 "이 작업에서 내가 어떤 이유로 이 방향을 선택했는가"를 서술하는 글을 별도로 넣는 지원자들이 면접에서 다른 반응을 받고 있습니다.

저는 이것이 단순한 자기 홍보 스킬의 문제가 아니라고 생각합니다. 그 서술을 쓸 수 있다는 것은, 자신이 한 작업의 논리를 여전히 자기 머리 안에 갖고 있다는 증거입니다. AI에 초안을 맡기면서도 그 초안의 어디가 어떻게 부족했는지, 어떤 방향으로 수정했는지를 말할 수 있다면, 그것이 역량이 살아 있다는 신호입니다.

한 가지 점검이 도움이 됩니다. 지난 한 달 동안 AI에 맡긴 작업 중 내가 직접 했을 때와 어떤 차이가 있었는지 설명할 수 있는 작업이 몇 퍼센트입니까. 설명할 수 없다면, 그 작업에서 내가 추가한 가치가 외부에서 보이지 않는다는 의미입니다. 채용 담당자든 의뢰인이든 팀장이든 같은 질문을 합니다. 이 사람은 AI 위에서 무엇을 더하는가.

HN에서 729명이 공감한 고백은, AI의 속도에 올라타면서 스스로 생각하는 과정을 점점 줄여온 사람들이 느끼는 공통된 감각이었습니다. AI가 작업 속도를 높여줄수록, 그 작업에 어디서 개입하고 무엇을 바꾸는지를 짚어낼 수 있는 사람은 더 눈에 띄게 됩니다.