쇼피파이 엔지니어링 총괄이 말하는 AI 시대 개발자의 일: 남는 것은 코드가 아니라 학습이다

핵심 메시지

• 소프트웨어 개발 주기에서 가장 큰 덩어리였던 '코드 작성' 시간이 줄고, 계획·분석·검증에 쓰는 시간이 늘면서 엔지니어의 가치는 취향과 판단, 문제 정의 쪽으로 옮겨간다.
• 코드는 남는 것이 아니라 버릴 수 있는 것이고 진짜 자산은 학습이다. 쇼피파이는 50명이 18개월간 만든 시스템을 지우고 배운 것만 들고 3개월 만에 더 단순하게 다시 만든 적이 있다.
• AI가 코드 작성 병목을 풀면 병목은 코드 리뷰 같은 다른 단계로 옮겨간다. 쇼피파이는 사람 대신 여러 모델을 심사위원처럼 붙여 리뷰를 처리한다.
• AI가 코드를 써도 책임은 넘길 수 없다. PR에는 사람 이름이 올라가고, 책임은 공유할 수는 있어도 위임할 수는 없다는 원칙을 유지한다.
• AI로 인원을 줄이겠다는 발상은 야심이 부족하다는 것이 이 회사의 관점이다. 3000명이 10만 명처럼 일할 방법을 묻는 쪽으로 질문을 바꿨다.

쉽게 이해하기

쇼피파이에서 엔지니어링을 총괄하는 파르한 타와르가 개발자 콘퍼런스 강연에서 던진 질문은 단순하다. AI가 코드를 대신 쓰기 시작한 지금, 우리의 일은 무엇인가. 그는 소프트웨어 개발 주기를 그림으로 놓고 비교했다. 예전에는 코딩이 시간의 가장 큰 덩어리였지만, 지금은 그 자리가 작아지고 계획하고 분석하고 AI가 내놓은 결과를 검증하는 시간이 늘었다는 것이다.

코딩 방식 자체도 둘로 갈렸다. 하나는 작업을 잘게 쪼개 여러 에이전트에게 병렬로 맡긴 뒤 결과를 합치는 방식이고, 다른 하나는 추론 능력이 높은 모델 하나와 깊게 붙어 다른 모델에게 그 결과를 반박하게 시키는 순차적 비평 루프다. 어느 쪽이든 사람이 직접 한 글자씩 타이핑하지는 않는다. 그래서 남는 가치는 무엇을 왜 만들 것인지, 아키텍처를 어떻게 잡을 것인지, 고객의 문제를 어떻게 이해할 것인지 같은 판단의 영역이라고 그는 말한다.

이 회사의 문화를 잘 보여주는 일화가 하나 나온다. 대규모 언어 모델이 나오기 전, 50명 규모 팀이 18개월간 만든 기능을 출시 직전에 창업자 토비 뤼트케에게 시연했다. 잘 만들었다는 평을 받고 나가려는데 그가 물었다. 처음부터 다시 만든다면 어떻게 만들겠느냐고. 팀은 화이트보드 앞에서 훨씬 단순한 구조를 그렸고, 결국 기존 코드를 버리고 3개월 만에 다시 만들었다. 배운 것을 참고하되 복사해 붙이지 않는다는 규칙까지 두면서였다. 남는 자산은 코드가 아니라 학습이라는 메시지였다.

AI 도입 과정도 구체적이다. 이 회사는 2021년부터 코드 자동완성 도구를 썼고, 2025년 창업자가 'AI 활용은 직원의 기본 기대치'라는 사내 메모를 공개하면서 사용량이 급격히 올랐다. 문제에 부딪혔을 때 AI로 손을 뻗기까지의 거리를 줄이자는 뜻에서 그는 이를 'AI 반사신경'이라고 부른다. 흥미로운 것은 도구를 가장 먼저 집어 든 부서가 엔지니어링이 아니라 재무·인사·영업·마케팅이었다는 점이다. 코드를 읽지 않는 사람들이 에이전트를 통해 백엔드 데이터를 들여다보는 창구로 개발 도구를 썼다.

측정에 대해서는 회의적이다. PR 수와 복잡도가 늘고 프로젝트 기간이 짧아지는 흐름은 보이지만, 어떤 지표도 성과를 대신하지 못한다는 것이다. 그는 인턴 한 명이 코드 여섯 줄을 지워 연간 60만 달러 넘게 아낀 사례를 들며, 그 성과를 잡아낼 지표는 앞의 어떤 항목에도 없었다고 말한다. 스프레드시트로는 엔지니어링을 관리할 수 없고, 매주 데모를 보는 것이 여전히 가장 정직한 방법이라는 결론이다.

주요 인사이트

• 병목은 사라지지 않고 이동한다. 공장 최적화 이야기를 다룬 소설에 빗대어, 코드 작성이라는 병목이 풀리면 곧바로 코드 리뷰와 검증이라는 다음 병목이 드러난다고 설명한다.
• 코드 리뷰가 병목이 되자 사람이 아니라 모델을 붙였다. 승인 도장처럼 찍히던 'LGTM'을 두고 그는 사람도 사실 제대로 보지 않았다고 지적하며, 접근성 등 항목별로 다른 모델이 검토하는 심사위원단 구조를 쓴다고 밝혔다.
• 모델 선택 정책은 '가장 크고 비싼 모델만'이다. 작은 모델이 만든 미세한 버그를 사람이 몇 시간씩 찾는 비용이, 큰 모델을 돌리는 비용보다 비싸다는 판단이다. 토큰 사용에 한도는 없고, 폭주하는 에이전트를 감지해 계속할지 묻는 차단 장치만 둔다.
• 채용은 아직 정답이 없다고 인정한다. 대신 AI 사용을 금지한 문제, 선택적으로 쓸 수 있는 문제, 쓰지 않으면 시간 안에 풀 수 없는 문제를 함께 내는 방식을 대안으로 제시한다.
• 인턴을 2024년 75명에서 1000명 규모로 늘린 이유는 자선이 아니라 문화 교체다. 대학 생활 전체를 생성형 AI와 보낸 세대가 들어와 기존 업무 방식에 질문을 던지게 하려는 의도였다.

자주 묻는 질문

관련 AI 소식