OpenAI가 전직 뱅커 100명을 고용해 초급 업무를 AI에 학습시키고 있습니다. 개발자 세계에서는 10년차 Rails 전문가보다 시스템 통합이 가능한 3년차가 더 주목받습니다. AI가 어떤 일자리를 먼저 노리는지, 어떤 역량이 살아남을지 보여주는 신호입니다.
핵심 포인트:
- 시간당 $150로 주니어 뱅커 대체 준비: OpenAI의 ‘Project Mercury’는 JPMorgan, Goldman Sachs 출신 전문가들이 엑셀 모델링, IPO 분석 등 초급 업무를 AI에 학습시키는 프로젝트. 주 80시간 근무의 반복적 작업이 자동화 대상
- 전문성의 가치 변화: Rails 전문가, React 마스터 같은 특정 기술 깊이가 더 이상 결정적 경쟁력이 아님. AI가 관용적 코드를 즉시 생성하면서 몇 년간 쌓은 전문 지식의 권위가 약화
- 제너럴리스트로의 전환: 살아남는 역량은 여러 시스템 통합, 아키텍처 패턴 인식, AI 결과물 검증 능력. 단일 기술의 전문가보다 넓은 시야로 문제를 해결하는 사람이 더 가치있는 시대
초급 일자리가 먼저 타겟이 되는 이유
OpenAI의 ‘Project Mercury’는 투자은행 초급 직원들이 하는 일을 정확히 겨냥합니다. IPO 모델링, 재무제표 분석, 구조조정 시나리오 작성. Bloomberg 보도에 따르면 참가자들은 주당 하나의 금융 모델을 제출하고, AI는 이를 학습해 같은 작업을 수행하도록 훈련받고 있습니다.
왜 초급 업무가 먼저일까요? 답은 간단합니다. 패턴화 가능하고 반복적이기 때문입니다. 주니어 애널리스트가 밤새 만드는 엑셀 모델은 복잡해 보이지만, 실제로는 정해진 공식과 구조를 따릅니다. 수천 개의 IPO 모델은 서로 다른 숫자를 담고 있지만, 근본적으로 같은 템플릿을 사용합니다.
흥미로운 점은 채용 과정조차 완전히 자동화되어 있다는 것입니다. 지원자들은 AI 면접을 거치고, 재무제표 테스트와 모델링 평가를 받습니다. 사람이 개입하는 순간은 거의 없습니다. OpenAI는 이 프로젝트를 통해 금융, 컨설팅, 법률 서비스 등 전문 서비스 분야로 AI를 확장하려는 의도를 분명히 하고 있습니다.
개발자 세계의 조용한 지각변동
개발 현장에서도 같은 패턴이 보입니다. 팀에서 유일한 Rails 전문가였던 개발자. 특정 .NET 라이브러리를 다루는 시니어. 이런 타이틀은 예전에는 존경과 권위를 의미했습니다.
지금은 다릅니다. 관용적 코드를 작성하는 데 몇 년의 경험이 필요했던 시절은 끝났습니다. AI가 수십만 개의 코드 예제로 학습했기 때문에, 초급 개발자도 프레임워크별 모범 사례를 즉시 적용할 수 있습니다. 특정 기술에 대한 깊은 지식이 주던 경쟁 우위가 사라지고 있습니다.
O’Reilly 분석에 따르면, AI 도구를 잘 활용하는 개발자들의 공통점은 기술 스택의 깊이가 아닙니다. 생성된 코드가 6개월 후 유지보수 문제를 일으킬지 판단하고, 여러 시스템을 통합하며, 아키텍처 안티패턴을 조기에 발견하는 능력입니다.
살아남는 역량의 새로운 정의
그렇다면 무엇이 중요해지고 있을까요? AI 도구를 효과적으로 활용하는 개발자들의 공통점은 이렇습니다:
생성된 코드가 당장은 작동하지만 나중에 유지보수 문제를 일으킬지 판단할 수 있습니다. 각 시스템의 깊은 전문가가 아니어도 여러 시스템을 통합할 수 있습니다. 특정 기술과 무관하게 아키텍처 패턴과 안티패턴을 인식합니다. 문제를 명확히 정의해서 AI가 더 유용한 솔루션을 생성하도록 유도합니다. AI의 출력을 그대로 받아들이지 않고 질문하고 개선합니다.
이는 단순히 기술 스택을 많이 아는 것과는 다릅니다. 시스템 설계, 통합, 패턴 인식처럼 여러 기술에 걸쳐 적용되는 사고 능력입니다. “이 코드가 6개월 후에 어떤 문제를 일으킬까?” “이 아키텍처 결정이 정말 사용자 문제를 해결하나?” 같은 질문을 던질 수 있는 능력입니다.
패턴이 보이기 시작한다
금융과 개발, 두 분야는 표면적으로 다르지만 AI가 타겟하는 방식은 놀라울 정도로 유사합니다. 반복 가능하고 패턴화된 전문 업무. 초급 레벨에서 시작해 점진적으로 상위로 이동. 깊이보다 통합과 판단력이 중요해지는 구조.
OpenAI의 $500억 밸류에이션에도 불구하고 아직 수익을 내지 못하는 상황에서, Project Mercury 같은 프로젝트는 비즈니스 모델 확보의 일환입니다. 금융권 초급 업무 자동화는 시작일 뿐입니다. Perplexity는 이미 Perplexity Finance를 통해 유사한 서비스를 제공하고 있고, 더 많은 기업들이 뒤따를 것입니다.
개발자들에게는 더 직접적인 영향이 있습니다. 경력 초기라면 AI에 의존해 지식 격차를 메우고 싶은 유혹이 큽니다. 하지만 이는 위험합니다. 아키텍처, 설계 판단, 도메인을 넘나드는 문제 해결 같은 광범위한 스킬은 보통 수년간의 실습 경험을 통해 발전합니다. AI를 도구로 사용하되, 그것을 효과적으로 가이드하는 데 필요한 근본적 사고 능력은 반드시 직접 키워야 합니다.
시니어 개발자라면 자신의 전문성이 여전히 중요하지만, 커리어 우위의 초점이 이동하고 있음을 인정해야 합니다. “이 도구를 정말 잘 안다”에서 “복잡한 문제를 다양한 기술로 해결할 수 있다”로. Rails 전문가는 여전히 가치가 있지만, Rails를 다른 시스템들과 통합하고 6개월 후 아키텍처 문제를 미리 발견하는 사람이 더 가치있습니다.
AI는 일자리를 대체하지 않습니다. 중요한 역량의 종류를 바꾸고 있을 뿐입니다.
참고자료:
답글 남기기