AI 시대 개발자 생존 전략: AI-enabled에서 AI-native로 가는 회사를 돕는 법

핵심 메시지

• 발표자는 소프트웨어·AI 엔지니어, 데이터 과학자가 사라지는 미래는 오지 않지만, 일하는 방식은 분명히 바뀔 것이라고 본다.
• 기업의 AI 성숙도는 AI-enabled(도구 활용), AI-first(프로세스를 AI 중심으로 재설계), AI-native(처음부터 AI 에이전트를 전제로 구축)의 세 단계로 나뉜다.
• 경쟁에서 밀리지 않으려면 대부분의 디지털 기업이 스펙트럼의 오른쪽으로 이동할 수밖에 없다는 것이 발표자의 전망이다.
• 가장 수요가 높아질 역량은 하나의 역할이나 워크플로 전체를 자동화하는 AI 에이전트를 만드는 능력이며, 이는 풀스택 역량과 결합돼야 한다.
• 엔지니어링 실력만큼 중요한 것은 비즈니스를 감사(audit)해 자동화할 워크플로와 낭비를 찾아내고 우선순위를 매기는 능력이다.

쉽게 이해하기

발표자는 커뮤니티에서 자주 받는 질문, 즉 '지금 배우는 기술이 1~2년 뒤에도 쓸모가 있을까'라는 물음으로 시작한다. 그는 개발자와 AI 엔지니어, 데이터 과학자가 완전히 필요 없어지는 미래는 보이지 않지만, 분명한 변화는 올 것이라며 자신이 준비하는 방향을 공유한다.

그는 기업의 AI 활용 수준을 세 단계로 구분한다. AI-enabled는 대부분의 회사가 지금 있는 단계로, 직원들이 챗GPT나 고급 도구를 쓰지만 업무 흐름 자체는 크게 바뀌지 않고 개인이 조금 더 효율적으로 일할 뿐이다. AI-first는 AI를 중심으로 프로세스를 재설계해 에이전트가 먼저 오고 직원이 그 위에서 일을 관리하는 단계다.

AI-native는 처음부터 모든 프로세스를 'AI 에이전트가 이 일을 어떻게 할까'라는 관점으로 설계한 회사다. 더 적은 인원으로 운영되며, 장기적으로는 직원이 거의 없는 형태까지 상상한다. 다만 지금 규모 있는 기업이 이를 실현하기는 어렵고 여전히 사람이 필요하다고 단서를 단다.

발표자는 이 이동이 사실상 불가피하다고 본다. 새로 시작하는 회사는 최신 기술로 처음부터 설계해 훨씬 빠르게 움직이며, 낡은 프로세스와 많은 인력에 묶인 대기업의 시장을 빼앗을 수 있기 때문이다. 그래서 개발자는 이 흐름에 올라타 회사가 AI-first, 나아가 AI-native로 가도록 돕는 데 집중해야 한다고 조언한다.

구체적으로는 역할이나 워크플로 전체를 자동화하는 AI 에이전트를 만드는 능력이 핵심 역량이 된다. 이를 위해 AI·소프트웨어·데이터 엔지니어링을 아우르는 풀스택으로 성장해야 하며, 한 분야만 할 줄 알면 시스템의 병목이 되어 자동화 대상이 될 위험이 있다고 경고한다.

주요 인사이트

• 종단 간(end-to-end) 자동화는 데이터베이스, 배포, 백엔드에 더해 사람이 개입할 수 있는 대시보드나 프론트엔드까지 스택의 여러 부분을 건드리기 때문에, 개발자가 풀스택 역량을 갖추는 것이 점점 더 중요해진다.
• 발표자는 '인력(headcount)'이 아니라 '워크플로' 단위로 생각하라고 제안한다. 문제가 생기면 누구를 뽑을지 고민하는 대신, 어떤 워크플로를 에이전트에게 넘길 수 있는지를 분해해 따져야 한다는 것이다.
• 실제 업무는 한 직원이 정의가 모호한 여러 워크플로와 예외 상황을 처리하는 경우가 많다. 그래서 인터뷰와 감사를 통해 불필요한 '2종 낭비'(중복 작업, 사람이 수작업으로 데이터를 옮기는 일)를 찾아내는 능력이 중요하다.
• 이제 거의 모든 회사가 어느 정도 소프트웨어 회사가 되기 때문에, 개발자는 대기업뿐 아니라 동네의 작은 사업체에도 정직원·프리랜서·컨설턴트로 들어가 AI 자동화를 제안할 기회를 얻는다.

자주 묻는 질문

관련 AI 소식