이문서는 팀에 공유한 "AI Insight From Dev Team" 발표 내용을 정리한 글입니다.
이문서는 제가 발표한 내용과 일부 내용은 Claude Code의 Fable 5를 활용하여 작성하였습니다.
모델 사용일: 2026년 09월 15일
0. Quiz Time! — AI 코딩 시대, 진실 혹은 거짓?
본론에 들어가기 전에 워밍업으로 3문제를 준비했습니다. 한번 맞춰보시기 바랍니다.
- Q1. AI 도구 도입 후, 한 해 동안 업계의 PR 머지량과 코드 양이 얼마나 증가했을까요?
- Q2. 기계가 인간과 얼마나 유사하게 대화할 수 있는지를 판별하기 위해 1950년에 제안된 테스트의 이름은 무엇인가요?
- Q3. AI 모델이 학습 데이터의 일반적인 특징을 배우는 대신, 특정 학습 데이터셋을 통째로 '복사'하듯 저장하여 그대로 출력하는 현상을 무엇이라고 할까요?
정답은 아래와 같습니다.
- A1. 2배 — PR 머지량과 코드 양 모두 크게 증가했습니다.
- A2. 튜링 테스트(Turing Test) — Alan Mathison Turing이 제안했습니다. 영화 '이미테이션 게임'의 주인공이며, 한입 베어 문 애플 로고의 기원으로도 자주 회자되는 인물입니다.
- A3. AI Memorization (AI 암기) — 뉴욕타임스(NYT)와 OpenAI 간 소송의 핵심 쟁점이 된 현상입니다.
1. 개발의 풍경이 바뀌었다
1년 전과 지금을 비교하면 체감 변화가 뚜렷합니다.
- 개발자의 약 84%가 이미 AI 보조 도구를 "정기적으로" 사용
- 어떤 팀의 PR 머지량 +98%, 변경 코드 크기 +154%
- 빅테크 신입(주니어) 채용 약 -50% (지난 3년)
- "에이전트 코딩 80% 시대" — AI가 짜고, 사람은 PR을 본다
한 줄로 요약하면 이렇습니다.
"코드를 타이핑하는 일"은 이제 가장 쉬운 부분이 되었다.
2. 그런데… 왜 일은 줄지 않을까? — 생산성 역설
비유하자면 "더 빠른 차를 샀는데, 도로가 더 막혀요." 같은 상황입니다.
- 코드는 빠르게 만들어지는데, 사람의 시간은 그대로입니다.
- 절약된 시간은 컨텍스트 전환 · 리뷰 · 변경 관리로 빨려 들어갑니다.
- 에러의 본질이 바뀌었습니다: 문법 버그 → 개념적 실패 (잘못된 가정이 전파되어 누적)
그리고 새로운 빚이 생겼습니다. 바로 Comprehension Debt (이해 부채)입니다.
AI가 그럴듯하게 작성 → 테스트 통과 → 대충 머지 → 결국 아무도 이해하지 못하는 코드베이스가 쌓인다.
📰 출처: AI 에이전트 코딩 80% 시대, 개발자의 진짜 문제는 '이해 부채'
3. AI는 쉬운 일은 더 쉽게, 어려운 일은 더 어렵게 만든다
| 쉬워진 것 | 더 어려워진 것 |
|---|---|
| 코드 타이핑 | 남(또는 AI)이 쓴 코드 이해 |
| 보일러플레이트 · 반복 작업 | 맥락 파악 · 숨은 가정 검증 |
| 빠른 프로토타이핑 | 책임감 있는 의사결정 |
| 문서/자료 정리 | 시스템 전체 그림 그리기 |
핵심 인용:
"코드 작성은 원래 개발에서 쉬운 부분이었다. 어려운 부분은 조사, 맥락 이해, 가정 검증이었다."
📰 출처: AI는 쉬운 부분을 더 쉽게, 어려운 부분을 더 어렵게 만든다
4. 개발 팀의 변화
지난 1년간 팀에서 실제로 체감한 변화들입니다.
- 내가 개발하지 않고도 모든 코드와 심지어 PR(Pull Request)까지 AI가 만들어줍니다.
- UI 못 만드는 개발자가 UI를 만듭니다.
- 대략의 코드 outline을 빨리 만들어줍니다. 하지만 고치면 고칠수록 엉망이 되어, 고치는 데 시간이 더 걸리는 경우도 있습니다.
- Skill, 멀티 에이전트, MCP 사용이 자연스러워졌습니다.
- 멀티 repo를 한곳에서 관리하게 되었습니다.
- 팀 전용 AI 프롬프트와 룰을 모은 AI 리포가 생겨나기 시작했습니다.
- 로컬에 백업을 안 하면 기존 AI의 결과물이 다 없어집니다 — 실제로 맥북 하드웨어 오류로 교체하며 겪은 일입니다. 코드 repo가 어느 때보다 더 중요해졌습니다.
5. 나의 AI 사용법 — 모든 것을 AI로
저는 현재 모든 업무를 AI로 할 수 있을지 테스트 중입니다. 원칙은 하나입니다.
많은 정보 입력 → 요약 → 판단은 사람의 몫
- Claude Code + MCP로 슬랙/Jira/Confluence/EHR/문서까지 자동화
- 코드리뷰, 휴가 결재, 리포 분석, 슬랙 분석, wiki 분석
- 반복 작업은 AI에게 — Skill로 명령어를 만들고, 결정과 판단은 명확하게 지시(명령어) 형태로 전달
5.1 클로드가 분석해준 나의 활용 평가
재미 삼아 Claude에게 저의 사용 패턴을 일반 사용자와 비교 분석해 달라고 했더니 아래와 같은 표를 만들어줬습니다.
| 평가 항목 | 일반 사용자 | 나의 사용 |
|---|---|---|
| 스킬 사용 | 기본 스킬만 | kt-* 네임스페이스로 10개 이상 커스텀 스킬 운영 |
| MCP 활용 | Filesystem/Github 정도 | Playwright + Atlassian + Google Drive 3종 동시 |
| 에이전트 패턴 | 단일 호출 | 5~7개 페르소나 멀티 에이전트 + 5라운드 토론 + 거부권(Agent 5) |
| 자동화 깊이 | 코드 생성 | 결재 · 코드리뷰까지 업무 자체를 위임 |
| 트러블슈팅 | StackOverflow | PSPDFKit React fiber → exportPDF() 역추적 같은 비표준 우회 |
| 도구 만들기 | 안 함 | 스킬 만들기와 "스킬 쓰기"가 같은 날 사이클 |
6. PM에게도 같은 이야기 — 좋은 소설은 사람의 몫
"모두가 AI로 소설을 쓸 수 있는 시대. 하지만 좋은 소설을 쓰는 건 여전히 사람의 문제다."
- AI는 "표면적 요구"를 빠르게 구현합니다.
- 그러나 진짜 문제는 늘 "정의(Definition)"와 "설계(Design)"에 있습니다.
- 그래서 기획/PM의 역할은 줄어들지 않고, 오히려 더 커집니다.
더 커지는 역할들:
- ✓ 문제 발견 (Problem Finding)
- ✓ 우선순위 · 트레이드오프 결정
- ✓ 도메인 지식 = 맥락(Context) 공급자
- ✓ AI를 의심해야 할 순간을 분별하는 감각
"최고의 엔지니어는 가장 빠른 코더가 아니다."
7. 함께 조심해야 할 4가지 — 개발 + 기획 공통
- "빨라진 게 기준선이 된다"
한 번의 빠름이 새 기준 → 압박 → 번아웃 → 인시던트 악순환 - "이해 부채"가 조용히 쌓인다
아무도 모르는 코드, 아무도 모르는 의사결정. - "주니어가 사라진 5년 뒤"
오늘의 신입 부족 = 내일의 시니어 부족 (느린 쇠퇴). 회사가 AI를 "노동 대체"로 보느냐, "팀 증폭"으로 보느냐가 분기점. - "그럴듯함 ≠ 옳음"
AI가 만든 자신감의 함정. 결과는 매끄러운데 전제가 틀린 경우가 가장 위험.
8. 결론 — 변하지 않는 것
- Shared Understanding — 서로의 지식과 경험을 나눔
서로 알고 있는 상식과 정보를 공유해야 시너지가 납니다. - Learning extended knowledge — 지금이 배워야 할 때
알고 있는 상식을 넓혀야 합니다. 역사상 학습 환경이 가장 좋은 시기입니다.- 도구는 풍부하고 (Claude, Cursor, Copilot, MCP, n8n …)
- 진입장벽은 낮으며 (자연어로 코드까지)
- 인간의 판단이 그 어느 때보다 "비싸진" 시기입니다.
그래서 무엇을 공부할 것인가? 얇고 넓은 기초 지식입니다.
- ✓ 기초 — 시스템 사고, 도메인, 논리
- ✓ 폭 — T자형 인재: 한 우물 깊이 + 다른 영역 이해
- ✓ 도구 — AI에게 "좋은 질문"을 던지는 법
- ✓ 분별력 — 언제 믿고, 언제 의심할지
9. 읽어볼만한 자료
- AI 에이전트 코딩 80% 시대, 개발자의 진짜 문제는 '이해 부채'
- AI는 쉬운 부분을 더 쉽게, 어려운 부분을 더 어렵게 만든다
- 지금이 소프트웨어 개발을 배우기에 가장 좋은 시기일지도 모릅니다
- 소프트웨어 엔지니어링의 향후 2년
10. 정리 (요약)
- 개발자의 84%가 AI 도구를 정기적으로 사용하며, 코드 타이핑은 이제 개발에서 가장 쉬운 부분이 되었습니다.
- 그러나 절약된 시간은 리뷰 · 컨텍스트 전환 · 변경 관리로 흡수되고, 아무도 이해하지 못하는 코드가 쌓이는 이해 부채(Comprehension Debt)가 새로운 문제로 떠올랐습니다.
- AI는 쉬운 일(타이핑, 보일러플레이트)은 더 쉽게, 어려운 일(코드 이해, 가정 검증, 의사결정)은 더 어렵게 만듭니다.
- 반복 작업은 Skill/MCP/멀티 에이전트로 AI에게 위임하되, 판단은 사람의 몫으로 남겨야 합니다.
- PM/기획의 역할(문제 정의, 우선순위, 맥락 공급, 분별력)은 줄어들지 않고 오히려 커집니다.
- 빨라진 속도가 기준선이 되는 압박, 이해 부채, 주니어 채용 감소의 장기 여파, "그럴듯함 ≠ 옳음"의 함정을 함께 경계해야 합니다.
- 변하지 않는 것은 지식 공유(Shared Understanding)와 학습입니다. 기초 · 폭(T자형) · 좋은 질문 · 분별력을 갖추기에 지금이 가장 좋은 시기입니다.
'AI > AI 관련 필독 글' 카테고리의 다른 글
| 2026년 3월 AI 관련 꼭 읽어봐야 할 좋은 글 모음 (0) | 2026.09.15 |
|---|---|
| 2026년 6월 AI 관련 꼭 읽어봐야 할 좋은 글 모음 (0) | 2026.09.15 |
| 2026년 9월 AI 관련 꼭 읽어봐야 할 좋은 글 모음 (0) | 2026.09.15 |