AI 시대, 이제 엔지니어는 어떻게 성장해야 하는가?

사실 걍 아래 영상을 보는 것을 사실 추천합니다만..

Pleo의 CTO이자 Monzo, Moo 등 유수의 기업을 거친 베테랑 리더 메리 윌리엄스는 자신이 가장 애착을 갖는 컨퍼런스인 LeadDev의 LDX3 무대에서, 기술 업계 전체가 직면한 불편한 진실을 정면으로 마주합니다.

윌리엄스는 이 문제를 “우리 모두의 뒤통수를 치게 될 이슈(an issue which I think is going to bite us all in the ass)”라고 단언하며, AI 시대에 기존의 엔지니어 성장 공식이 어떻게 무너지고 있는지, 그리고 우리는 무엇을 해야 하는지에 대한 인사이트를 공유했습니다.

1. 닥쳐온 위기: 사라지는 사다리

강연의 서두는 막연한 불안감을 날카로운 현실 인식으로 바꾸는 충격적인 통계로 시작됩니다. AI가 주니어의 역할을 대체할 것이라는 예측은 이미 현실이 되어 채용 시장을 얼어붙게 만들고 있습니다.

Ravio의 최근 연구에 따르면, 기술 분야 신입 직무 채용률이 73.4% 감소했습니다. 이것은 10% 감소를 의미하는 ‘decimated’라는 단어 정도로는 표현할 수 없는, 그야말로 뿌리부터 흔들리는 수준의 붕괴입니다.

많은 리더들이 이 문제를 외면합니다. 뛰어난 시니어 엔지니어는 저절로 공급될 것이라 막연히 기대하지만, 윌리엄스는 이러한 나이브한 생각이 얼마나 위험한지 신랄하게 비판합니다.

“그런 사람들은 마치 시니어 엔지니어가 제우스의 이마에서 완전무장한 채 태어난 미네르바처럼, 어딘가에서 저절로 짠 하고 나타난다고 상상하는 것 같습니다. 하지만 현실은 그렇지 않습니다.”

이러한 ‘성장의 사다리’가 사라지는 현상은 기술 업계만의 문제가 아닙니다. 윌리엄스는 다른 전문 분야의 사례를 통해 우리가 반드시 배워야 할 교훈이 있다고 역설합니다.

법조계의 경고

AI가 과거 법률 보조원(Paralegal)이 수행하던 판례 조사, 문서 정리 등의 업무를 대체하고 있습니다. 문제는 법률 보조원이 미래의 변호사로 성장하는 가장 중요한 ‘공급 파이프라인(feeder program)’이었다는 점입니다.

이 경로가 막히면서 법조계 전체의 미래가 위협받고 있습니다. 심지어 변호사들이 AI의 ‘환각(Hallucination)’ 현상으로 생성된 거짓 정보를 그대로 법원에 제출했다가 견책을 받거나 변호사 자격이 박탈되는 심각한 사례까지 발생하며 AI에 대한 맹신이 얼마나 위험한지를 보여주었습니다.

건축계의 교훈

그의 파트너인 ‘진짜 건축가’의 사례는 기술 발전이 학습 기회를 어떻게 빼앗는지를 생생하게 보여줍니다.

손 제도 시대의 실수는 곧 몇 시간, 혹은 며칠의 작업을 날리는 것을 의미했습니다. 따라서 건축가들은 극도의 신중함을 기했습니다. 그래서 도면의 모든 선에 담긴 의미와 구조적 관계를 몸으로 체득했습니다.

3D 모델링 시대에는 모델을 한 번 수정하면 모든 평면도와 입면도가 자동으로 변경됩니다. 실수의 비용이 극적으로 낮아진 덕분에 효율성은 높아졌지만, 반복적인 수작업을 통해 건물을 속속들이 이해하던 깊이 있는 학습 과정이 증발해버렸습니다.

윌리엄스는 기술 업계가 이러한 타 산업의 교훈을 무시한 채, “마치 1920년대식 경영부터 시작해서 모든 것을 스스로 알아내야 하는 것처럼 행동한다”고 비판하며, 이제는 외부에서 지혜를 구해야 할 때라고 말합니다.

2. 우리는 어떻게 성장했는가: ‘의도적 수련’

과거의 주니어 엔지니어들은 자신도 모르는 사이에 가장 이상적인 학습 환경 속에서 성장했습니다. 윌리엄스는 이 현상의 핵심에 ‘의도적 수련(Deliberate Practice)’이라는 개념이 자리하고 있다고 설명합니다.

‘의도적 수련’이란, 마치 잘 설계된 비디오 게임처럼 1) 명확한 동기(재미와 성취감)를 부여하고, 2) 즉각적인 피드백(성공/실패)을 주며, 3) 비슷한 과제를 반복하게 해 자연스럽게 실력을 향상시키는 가장 효과적인 훈련법입니다.

과거 주니어의 업무 환경은 놀랍게도 이 조건들을 완벽하게 충족했습니다.

체스 모델: 마스터들의 기보를 연구하고 따라 하듯, 시니어의 코드를 보고 배우는 과정
음악 모델: 어려운 악곡을 작은 단위로 쪼개 연습하고 점차 하나로 합치듯, 큰 기능을 작은 태스크로 나눠 해결하는 과정
스포츠 모델: 경기력을 위해 근육을 단련하듯, 반복적인 코딩으로 문제 해결의 기초 체력을 기르는 과정

이러한 ‘의도적 수련’의 과정을 거치며 엔지니어는 자연스럽게 역량의 4단계를 밟으며 성장합니다.

역량 단계	설명	예시 (운전)	시사점
1. 무의식적 무능	무엇을 모르는지조차 모르는 상태	운전대나 기어의 용도를 전혀 모름	학습의 시작점
2. 의식적 무능	무엇이 잘못된 지는 알지만, 계속 실수하는 상태	기어를 긁거나 깜빡이를 잊는 초보 운전자	가장 고통스럽지만 성장이 일어나는 구간
3. 의식적 유능	모든 정신을 집중해야만 올바르게 수행할 수 있는 상태	막 면허를 따서 온 신경을 곤두세우고 운전하는 사람	의식적인 노력을 통해 기술을 체화하는 단계. 주니어 엔지니어의 멘토링에 가장 효과적.
4. 무의식적 유능	의식하지 않아도 자동으로 완벽하게 수행하는 상태	운전 과정이 기억나지 않을 정도로 능숙한 베테랑 운전자	전문가의 경지. 하지만 이 단계의 전문가는 자신의 지식을 설명하는 데 어려움을 겪음

왜 전문가는 가르치는 데 서툴까?

윌리엄스는 전문가들이 ‘무의식적 유능’ 상태에 있기 때문이라고 명확히 지적합니다. 그들의 뇌는 수많은 결정을 직관적, 무의식적으로 처리합니다.

그래서 누군가 왜 그렇게 코드를 짰냐고 물으면, 명쾌한 논리 대신 이렇게 답하고 싶어 합니다. “모르겠어요, 그냥 제 무의식(hindbrain)이 결정했어요.”

그렇기에 오히려 ‘의식적 유능’ 단계에 있는 미드 레벨 엔지니어가 주니어 멘토링에 더 효과적일 수 있다는 중요한 통찰을 제공합니다.

3. AI 시대의 새로운 성장 전략

과거의 자연스러운 ‘의도적 수련’ 환경이 사라진 지금, 우리는 주니어의 성장을 위해 무엇을, 어떻게 가르쳐야 할까요?

윌리엄스는 기존의 역량에 더해 새로운 기술들을 ‘의도적으로, 그리고 훨씬 더 빨리’ 가르쳐야 한다고 강조합니다.

과거에 자연스럽게 배웠던 것	AI 시대에 의식적으로 가르쳐야 할 것
기초 지식: DB, 클라우드, 네트워크 등	더욱 깊이 있는 기초: AI가 생성한 코드를 이해하고 판단하려면 기초가 더욱 견고해야 함
‘문제의 냄새’ 맡기: 잠재적 위험을 감지하는 직관	비판적 사고: “왜?”를 끊임없이 질문하고, AI의 제안을 맹신하지 않으며 근본 원리를 파고드는 능력. “모두가 중요하다고 말하지만 아무도 가르치는 법을 모르는” 이 기술을 위해 철학 교수에게라도 조언을 구해야 할지 모른다고 그녀는 말합니다.
디버깅 & 리팩토링: 코드 수정 및 개선 기술	AI 활용 능력: 프롬프트 엔지니어링 등 AI를 효과적으로 활용해 최상의 결과를 도출하는 기술. (그녀는 “AI가 Jira 티켓을 보고 스스로 일하게 할 수 있다”는 말에 “10분 동안 웃음을 멈출 수 없었다”며, AI에게 명확한 지시를 내리는 인간의 능력이 여전히 중요하다고 비꼬았습니다.)
학습하는 법: 구글링, 스택 오버플로우 활용 등	이른 시점의 코드 리뷰: 과거에는 미드, 시니어가 되어서야 맡았던 코드 리뷰를 주니어 시절부터 수행하며 좋은 코드와 나쁜 코드를 분별하는 능력을 길러야 함
(경력이 쌓인 후 배우던) 제한된 범위의 시스템 이해	시스템 전체를 보는 눈: 주니어들이 과거의 ‘하위 태스크’가 아닌 더 큰 단위의 ‘스토리’를 맡게 되면서, 작은 기능 하나가 전체 시스템에 미치는 영향을 더 이른 시점부터 이해하는 시스템 사고(Systems Thinking) 능력이 필수적이 됨

특히 인터뷰에 응한 주니어들이 공통적으로 AI를 “같은 질문을 백 번 해도 화내지 않는, 무한한 인내심을 가진 멘토(endlessly patient mentor)”로 활용하고 있다는 발견은, 앞으로의 멘토링 방식에 대한 중요한 시사점을 던져줍니다.

4. 시니어와 리더를 위한 행동

이러한 변화에 대응하기 위해 시니어 엔지니어와 리더들은 스스로의 역할을 ‘코딩 전문가’에서 ‘성장 촉진자’로 재정의해야 합니다.

‘가르치는 법’을 배워라: 자신이 ‘무의식적 유능’ 상태임을 겸허히 인정하고, 자신의 암묵지를 명시지로 바꾸어 체계적으로 전달하는 교수법을 의식적으로 학습해야 합니다.
‘의도적 수련’ 환경을 설계하라: 주니어들이 의미 있는 피드백과 반복 학습을 통해 성장할 수 있도록, 업무를 의도적으로 재설계하고 안전한 실패의 기회를 제공해야 합니다.
‘왜’를 설명하는 것을 멈추지 마라: “원래 그래”나 “모범 사례(Best Practice)야”라는 권위적인 말 뒤에 숨지 마십시오. “마치 세 살배기 아이와 다투는 것처럼 느껴지더라도” 그 결정의 근본적인 이유를 인내심을 갖고 설명해주어야 합니다.
스스로 AI 전문가가 되어라: 팀원들을 이끌기 위해선 리더 스스로가 AI 도구를 능숙하게 다루고 그 장단점과 위험성을 깊이 이해해야 합니다. 뒤처져서는 안 됩니다.
건강한 회의주의를 가르쳐라: LLM은 본질적으로 “아주아주 잘 만들어진 자동 완성(very, very advanced autocomplete)”일 뿐이라는 사실을 명심시켜야 합니다. AI가 내놓은 모든 결과물을 의심하고, 출처와 공식 문서를 통해 교차 검증하는 ‘건강한 편집증’을 길러주는 것이 그들의 커리어를 지키는 길이 될 것입니다.

결론: 파도를 막지 말고, 서핑을 배워라

메리 윌리엄스는 이 거대한 변화의 흐름 앞에서 우리가 가져야 할 두 가지 마음가짐을 제시하며 강연을 마무리합니다. 그녀가 고통 관리 과정에서 배웠다는 만트라는 현재 우리 상황에 깊은 울림을 줍니다.

“고통은 필수지만, 괴로움은 선택입니다. (Pain is mandatory, but suffering is optional.)”

변화의 고통은 피할 수 없지만, 좌절하고 괴로워할지, 아니면 이를 성장의 기회로 삼을지는 우리의 선택에 달려있다는 의미입니다. 그리고 그녀가 우리 모두에게 전하는 최종적인, 그리고 가장 강력한 메시지는 바로 이것입니다.

“바다를 막을 수는 없지만, 서핑을 배울 수는 있습니다. (You can’t hold back the ocean, but you can learn to surf.)”

AI라는 거대한 파도를 외면하거나 막으려는 시도는 무의미합니다. 해변에 앉아 파도가 잠잠해지기만을 기다리는 것은 더더욱 어리석은 일입니다. 우리가 지금 당장 해야 할 일은 이 거친 파도 위에서 균형을 잡고 나아가는 법, 즉 ‘서핑’을 배우고, 우리의 다음 세대에게 그 방법을 적극적으로 가르쳐주는 것입니다.

원문: https://www.youtube.com/watch?v=palpFFMKuSU (재차 꼭, 영상을 추천합니다)
- 릴리스 요약 https://lilys.ai/digest/5407574/4976955?s=1&noteVersionId=1294224
기획&편집: 뤽 (블로그 초안, 이미지 제작 제미나이 2.5pro)