AI 코딩 도구를 쓴 주니어 개발자들은 쓰지 않은 그룹과 작업 속도가 거의 같았습니다. 그런데 이후 치른 이해도 테스트에서는 17% 낮은 점수를 받았습니다. 속도를 얻는 대신 이해를 잃은 게 아니었습니다. 그냥 이해만 잃었습니다.
지난 3월 17일 QCon London에서 엔지니어링 커리어의 구조적 위기를 다룬 강연이 공개됐습니다. 전직 저널리스트이자 스타트업 인터림 CTO인 발표자는 METR·Anthropic·Faros·DX의 실증 데이터와 Amazon 사례를 엮어 하나의 논지를 이끌어냈습니다. AI가 주니어 엔지니어의 수련 업무를 가져가면서, 커리어 사다리의 중간 계단이 통째로 사라지고 있다는 것입니다.
출처: The ladder is missing rungs – Negroni Venture Studios
속도는 같고, 이해는 줄었다
Anthropic이 직접 진행한 무작위 대조 시험(RCT)이 이 문제를 가장 날카롭게 드러냅니다. 52명의 소프트웨어 엔지니어를 두 그룹으로 나눠 새 파이썬 라이브러리를 익히게 했습니다. AI 보조를 쓴 그룹과 쓰지 않은 그룹의 작업 완료 시간은 통계적으로 유의미한 차이가 없었습니다. 그런데 이후 마스터리 테스트 점수는 달랐습니다. AI 사용 그룹이 17% 낮게 나왔고, 격차가 가장 큰 항목은 디버깅 능력이었습니다. 정확히 AI 산출물을 검증하는 데 필요한 그 능력입니다.
발표자는 이를 감독의 역설(Supervision Paradox)이라 부릅니다. AI를 제대로 활용하려면 AI 코드를 검증할 능력이 있어야 하는데, AI를 쓸수록 그 능력이 퇴화합니다.
AI 사용 그룹에서 나타난 주요 실패 패턴은 세 가지였습니다.
- 처음부터 AI에 전적으로 의존한 그룹
- 독립적으로 시작했다가 점점 AI에 기댄 그룹
- AI 오류를 AI로 다시 디버깅한 그룹
이 세 패턴에 해당한 참여자들은 모두 40점 미만을 받았습니다.
계단이 교육적 기능을 잃을 뿐 아니라, 일자리 자체도 줄고 있다
METR의 시간 지평 벤치마크는 AI가 4분 이내 작업은 거의 100% 성공률로 처리하지만, 1시간짜리 작업은 50%, 4시간 이상은 10% 미만으로 뚝 떨어진다는 걸 보여줍니다. 주니어가 입사 첫해에 쌓는 경험이 바로 그 4분짜리 업무들입니다.
더 큰 문제는 노동시장 데이터입니다. Anthropic이 최근 발표한 노동시장 분석 논문에 따르면 컴퓨터 프로그래머의 AI 관찰 노출도는 74.5%로 전체 직종 중 가장 높습니다. 그리고 AI 노출도가 높은 직종일수록 2034년까지의 BLS 고용 성장 전망치가 낮아집니다. 노출도가 10%포인트 오를 때마다 성장 전망이 0.6%포인트 떨어집니다.
핵심은 이 수치입니다. 22~25세의 AI 노출 직종 신규 취업률이 ChatGPT 이전 대비 14% 감소했습니다. 25세 이상에서는 이런 감소가 나타나지 않습니다. 회사들이 경력자를 해고하는 게 아니라, 주니어를 새로 뽑지 않고 있다는 뜻입니다. 계단이 교육 기능을 잃었을 뿐 아니라, 아예 없어지고 있습니다.
Amazon 사례가 보여준 것
올 3월 아마존 쇼핑몰에서 약 6시간의 장애가 발생했습니다. Financial Times는 내부 브리핑 문서를 인용해 “GenAI 보조 변경”이 원인 중 하나였다고 보도했습니다. Amazon은 이를 부인하면서도 한 가지 사실은 인정했습니다. AI 도구가 사내 위키에서 오래된 정보를 읽어 잘못된 조언을 했고, 엔지니어가 그대로 따랐다는 것입니다.
AI가 코드를 잘못 쓴 이야기가 아닙니다. AI가 최신 문서와 구식 문서를 구별하지 못했고, 엔지니어는 그 자신감 있는 오답을 의심하지 않았습니다. 이 판단력은 수년간 프로덕션 시스템을 다뤄본 사람에게 쌓이는 것입니다. 중간 계단들을 밟고 올라온 사람들이 가지는 것입니다.
앞서 언급한 AWS Kiro 사건도 같은 맥락입니다. 2025년 12월 AWS의 AI 코딩 도구 Kiro는 Cost Explorer 수정을 맡았다가 환경 전체를 삭제하고 재생성했습니다. 경험 있는 엔지니어라면 절대 선택하지 않을 방법입니다. AI에게는 권한이 있었지만, 판단력은 없었습니다.
“아직 Raspberry Pi에 해당하는 해법이 없다”
발표자는 1980년대 BBC Micro·ZX Spectrum 세대가 컴퓨터를 통해 직접 코딩을 배웠던 이야기를 꺼냅니다. 2000년대 초 PC가 밀봉된 가전제품이 되자 신입생들이 코드를 한 줄도 써보지 않고 대학에 들어오기 시작했고, 그 문제에 대한 의도적 해법이 Raspberry Pi였습니다. 수백만 대가 팔렸고 한 세대가 다시 직접 코딩을 경험했습니다.
지금의 AI 충격은 그것과 같은 구조이지만 대학 입학 전이 아니라 직업 현장 수준에서 벌어지고 있습니다. 그리고 아직 Raspberry Pi에 해당하는 개입이 없습니다.
강연에서 제시한 방향은 몇 가지가 있습니다. 의도적인 기초 업무 로테이션, AI 없이 디버깅할 수 있는지 측정하는 방식으로의 역량 평가 전환, 그리고 코드베이스 컨텍스트를 인프라처럼 관리하는 것입니다. 하지만 발표자 스스로 인정하듯, 이것들은 부분적 대응이지 구조적 해법이 아닙니다. 논문이 다루는 데이터와 사례들, 그리고 발표자가 진단한 문제의 전체 구조는 원문에서 직접 확인하실 수 있습니다.
참고자료:
답글 남기기