AI가 소프트웨어 엔지니어를 대체하지 못한 이유

AI가 대규모 소프트웨어 엔지니어링 정리해고를 일으키고 있지는 않다

기업 서사와 달리, AI가 소프트웨어 엔지니어링에서 대규모 정리해고를 일으키고 있다는 실증적 증거는 거의 없습니다. CEO들이 이해관계자를 만족시키기 위해 인원 감축 이유로 AI를 자주 언급하지만, 데이터는 이러한 감축이 주로 재정 압박, 행동주의 투자자, 혹은 기업 구조조정에 의해 이루어지는 것으로 나타냅니다.

"AI 워싱" 현상

많은 기업이 재정 불안정이나 경영 부실을 인정하기 꺼려 정리해고에 대한 편리한 설명으로 AI를 사용합니다. 이러한 "AI 워싱"의 증거는 다음과 같습니다:

  • 경영진의 단절: Harvard Business Review가 1,000명 이상의 전 세계 경영진을 대상으로 조사한 결과, 60%가 AI를 예상해 인원 감축을 했지만 실제 AI 구현을 근거로 대규모 감축을 한 경우는 2%에 불과했습니다.
  • 준비된 도구 부족: Forrester 분석가 J.P. Gownder는 AI 기반 정리해고를 준비한다고 주장하는 기업의 90%가 해당 역할을 대체할 성숙하고 검증된 AI 애플리케이션을 보유하고 있지 않다고 보고했습니다.
  • 규제 데이터: 뉴욕주에서는 WARN 법이 2025년 3월에 AI 공개 체크박스를 추가했지만, 첫 해에 대규모 정리해고를 위해 AI 체크박스를 선택한 기업은 거의 없었으며, 수천 명의 근로자가 영향을 받았습니다.

고용 추세와 정리해고 비교

정리해고는 AI의 생산성 영향을 판단하기에 부적절한 신호입니다. 숙련된 인력을 해고하면 AI를 효과적으로 운영하는 데 필요한 암묵적 지식이 사라지기 때문입니다. 대신 AI의 영향은 채용 속도의 둔화로 나타납니다. 연방준비제도(Federal Reserve) 경제학자들은 미국 고용이 여전히 성장하고 있지만, ChatGPT 이후 연간 약 3 퍼센트포인트 정도 더 느리게 성장하고 있음을 발견했습니다. 이는 AI가 없는 상황과 비교한 결과입니다.

"Decide-Execute-Deliver" 샌드위치 모델

소프트웨어 엔지니어링은 단순히 코드를 작성하는 행위가 아니라, 의사결정, 실행, 전달이라는 세 단계로 구성된 3계층 프로세스입니다. AI는 중간 레이어를 크게 압축했지만 외부 레이어는 거의 손대지 않았습니다.

1. Decide 레이어 (문제 정의 및 명세)

이 레이어는 사용자 요구, 시장 신호, 규제 제약을 기반으로 무엇을 만들지 결정하는 단계입니다. 요구사항 명세가 복잡하고 시간이 많이 소요되기 때문에 주요 병목 현상이 됩니다. AI가 하위 수준의 결정을 자동화함에 따라 인간의 의사결정 가치는 더 복잡한 문제로 위로 이동합니다.

2. Execute 레이어 (설계 및 구현)

여기가 AI가 가장 큰 영향을 미친 영역입니다. AI 에이전트는 방대한 양의 코드를 빠르게 생성할 수 있습니다. 그러나 10만 명의 GitHub 개발자를 대상으로 한 연구에 따르면, AI 에이전트가 작성한 코드 라인 수는 8배 증가했지만 실제 릴리스는 30% 증가에 그쳤습니다. 이는 코드 작성 자체가 소프트웨어 생산의 주요 병목이 아니었음을 확인시켜 줍니다.

3. Deliver 레이어 (검증 및 책임)

인간 팀은 전달된 결과에 대해 책임을 져야 합니다. AI가 미션 크리티컬 시스템에 대해 아직 신뢰할 수 없기 때문에 인간의 검증, 테스트, 통합 필요성은 변함이 없습니다. 책임 법규와 전문적 규범은 인간이 생산 소프트웨어에 대한 "희생양" 혹은 책임 주체로 남도록 보장합니다.

에이전시 엔지니어링 vs. 바이브 코딩

AI를 도구로 활용하는 것과 맹목적으로 의존하는 것 사이에는 중요한 차이가 있으며, 이는 직업 안정성과 소프트웨어 품질에 영향을 미칩니다.

  • 바이브 코딩: 사용자가 에이전트에게 무엇을 해야 하는지 지시하지만, 프로세스를 감독하거나 코드를 검토하거나 결과를 평가할 능력이 없습니다. 이 접근 방식은 위험도가 높으며 종종 취약점을 초래합니다.
  • 에이전시 엔지니어링: 엔지니어가 AI 에이전트를 힘을 증폭시키는 도구로 사용하면서도 결과에 대한 통제와 책임을 유지합니다. 이 과정은 높은 수준의 감독이 필요해 정신적으로 피로감을 주는 경우가 많습니다.

SWE-chat 데이터셋의 데이터에 따르면, 에이전트가 만든 코드 중 최종 사용자 커밋에 살아남는 비율은 44%에 불과하며, "바이브 코딩" 커밋은 인간만 작성한 코드에 비해 9배 높은 비율로 취약점을 도입합니다.

미래 수요: 제본스의 역설과 소프트웨어 탄력성

엔지니어를 대체하기보다는, AI가 제본스의 역설과 유사한 현상을 통해 소프트웨어 엔지니어링에 대한 전체 수요를 증가시킬 수 있습니다. 즉, 자원(코드)의 생산 비용이 낮아지면 그 자원에 대한 수욕이 증가합니다.

  • 가격 탄력성: 소프트웨어는 가격 탄력성이 매우 높습니다. 제작 비용이 감소하면, 일회성 유틸리티부터 이전에 구축 비용이 너무 비싸서 만들 수 없었던 복잡한 엔터프라이즈 시스템까지 더 많은 소프트웨어가 생성됩니다.
  • 역사적 선례: 미국의 프로그래머 고용은 1950년 거의 없던 수준에서 오늘날 수백만 명으로 성장했으며, 이는 수십 년간 지속된 자동화(예: 어셈블리 언어에서 고급 언어로의 전환)에도 불구하고 이루어졌습니다.

커뮤니티 관점 및 반론

"샌드위치 모델"이 전반적인 안정성을 시사하지만, 커뮤니티 논의는 여러 미묘한 점들을 강조합니다:

"만약 당신이 좁은 기술 세트를 가지고 특정 분야(예: 프론트엔드 웹 개발)에 집중한다면, 저는 더 걱정합니다. AI가 일반적으로 소프트웨어 엔지니어를 대체하지 못하더라도, 특정 도메인을 완전히 장악할 가능성이 높기 때문입니다."

다른 실무자들은 엔지니어와 프로젝트의 비율이 변할 수 있으며, 이는 그린필드 프로젝트에서 "1인 팀"을 초래할 수 있다고 주장합니다. 이는 전체 소프트웨어 생산량이 증가하더라도 총 일자리 수를 감소시킬 수 있습니다.

또한, 일부는 "Delivery" 레이어가 실제로 DevOps와 SRE의 영역이며, 배포 스캐폴딩이 에이전트에 의해 완전히 자동화되면 비기술 사용자가 프로덕션 소프트웨어를 배포하는 장벽이 사라져 전통적인 엔지니어를 더욱 대체할 것이라고 주장합니다.

Sources