AI, 코딩은 쉽게, 엔지니어는 더 힘들게?

AI의 등장으로 코드 생산성이 향상되었지만, 엔지니어는 더 많은 업무(More Work)를 처리해야 하는 상황에 직면했다. AI가 구현 단계를 가속화하면서, 요구사항 정의, 아키텍처 설계, 통합 테스트, 배포 전략, 모니터링 및 유지보수 등 구현 외적인 측면의 중요성이 커졌다. 이는 엔지니어에게 광범위한 기술 스택(Expanded Role)과 다양한 역할 수행을 요구하며, 업무 부담을 가중시키는 요인으로 작용한다.

AI가 생성한 코드를 검토하는 것은, 엔지니어가 직접 코드를 작성하는 것보다 더 어려울 수 있다. AI는 코드의 의도나 트레이드오프(Trade-offs)에 대한 맥락을 제공하지 않기 때문이다. Harness의 조사에 따르면, 개발자의 67%가 AI가 생성한 코드 디버깅에 더 많은 시간을 할애하고, 68%는 검토에 더 많은 시간을 사용한다고 보고했다. 이는 AI의 발전에도 불구하고, 코드 품질 관리의 어려움이 증가했음을 시사한다.

AI는 특정 작업을 빠르게 만들지만, 이는 더 많은 업무 할당(More Work)으로 이어진다. AI 의존도가 높아지면서, 검토해야 할 코드, 유지해야 할 맥락, 이해해야 할 시스템이 증가하고, 엔지니어의 인지 부하가 커진다. 이러한 가속화의 함정(Acceleration Trap)은 엔지니어의 번아웃을 유발하는 주요 원인으로 작용한다. HBR 연구에 따르면, AI 사용으로 인해 업무량이 증가했다고 응답한 직원은 83%에 달한다.

AI 시대에는 엔지니어의 역할이 변화하고 있으며, 이에 대한 적응이 필요하다. 엔지니어는 AI를 도구로 활용(AI as a Tool)하고, 시스템 설계, 아키텍처, 제품 이해, 보안, 코드 검토 능력 등 핵심 기술(Core Skills)을 강화해야 한다. 또한, 업무 범위를 명확히 설정하고, 지속 가능한 업무 속도를 유지하며, AI가 제공하는 기회를 적극적으로 활용하는 것이 중요하다. 커뮤니티에서는 AI가 엔지니어의 정체성을 위협한다는 우려와 함께, 새로운 시대에 적응하기 위한 노력이 필요하다는 의견이 제시되었다.