LLM이 SW 엔지니어 커리어를 위협할까?
소프트웨어 엔지니어가 LLM 도입으로 코딩 업무가 대체될 수 있다는 우려를라며 커리어 불안을 호소하고, 전문가로서의 가치 재검토를 요청하고 있다.\n\n반면 도메인 특화 지식은 여전히 안전하다는 반론도 있다. 핀테크, 회계, 원장 구현 등 회사 내부 Know-how는 책으로 배울 수 없어 여전히 경쟁 우위 수단으로 작용한다는 것이다.\n\nAI 모델이 30분에 2년치 취미 프로젝트를 0.5달러에 생성할 수 있게 되면서 동기 상실 문제가 심각해지고 있다. Suno AI 음악처럼 '재미있는데 오래 안 한다'는 현상이 발생할 수 있다는 경고도 나왔다.\n\n전문가 감독 없이는 AI 출력이 빈번한 오류를 포함하며, reverted PR, 분산 시스템에서 AI 환각과 시야가 좁다는 문제가 계속된다.\n\n역사적 비유를 들면, 인간 계산원이 디지털 컴퓨터로 대체된 것처럼, AI가 계산기 역할을 할 때 코드 작성은 여전히 재미있는 도전으로 남을지 논의되고 있다
LLM의 한계: 전문 영역에서 여전히 불안정
실제 엔지니어링 현장에서 LLM은 분산 시스템(Distributed Systems) 설계 등 복잡한 영역에서도 '자주 틀리고, 시야가 좁으며, 명백히 바보 같은' 결과를 생성한다. reverted PR(reverted Pull Request)의 증거가 이를 뒷받침한다.
AI 환각(Hallucination): 특정 정보 조회 시 잘못된 API 버전이나 없는 함수를 생성하며, MCP 서버나 RAG로 보완해도 완벽하지 않음
도메인 지식(Domain Knowledge) 부재: 지역 세금 규정, 회계 프로세스, 원장 구현 등 회사 내부 Know-how는 학습 데이터에 없어 대체 불가
디버깅 역량 부족: 3D 렌더러의 부호 오류처럼 잘못된 결과가 즉시 드러나지 않는 문제에서 AI는 판단 불가
결론적으로 일반 코딩 작업은 자동화되지만, 핵심 비즈니스 로직 검증에는 여전히 인간 전문가의 판단이 필수적이다.
LLM 발전 속도와 직업 대체 전망
3년 전만 해도 '30분 만에 MVP 앱을 생성'은 공상 과학 소설 같았지만, 현재는 현실이 되었다. 전문가들은 AI 환각(Hallucination) 감소, 규정 준수(Compliance), 코드베이스 청결 유지 등의 과제가 곧 해결될 것으로 전망한다.
기술 발전 곡선: 기존 컴퓨팅 역사와 달리 AI는 비약적 발전(Exponential Growth)을 보여 과거 예측이 크게 빗나감
대체 범위 확대: 단순 코딩 → 리팩토링 → 언어 번역 → 기존 코드 버그 추적까지 자동화 영역이 점차 확대 중
전문가 필요성 재정의: ' delegation'과 'execution'이 AI로 이전되면, 남는 것은 AI 출력 검토(AI Output Review)와 도메인 의사결정(Domain Decision-making)만으로 보임
그러나 이 전망에도 불확실성이 존재한다. 전문가 검토를 언제까지 얼마나 깊이 필요로 할지, 그리고 그 수요가 전체 일자리의 몇 %를 차지할지는 명확하지 않다.
도메인 특화 지식이 만드는 경쟁 방벽
{
"content": "핀테크 기업의 사례에서 보듯, 복잡한 도메인은 의도적으로 구축된 경쟁 우위다. 책으로 배울 수 없는 내부 노하우스가 존재하는 이유는 그 자체가 타 복제 방지책이기 때문이다.\n• 내부 데이터 의존성: 지역 세금 규정, 특정 회계 프로세스 등은 사내 데이터베이스에만 존재하여 AI 학습이 불가능하다.\n• 불변 데이터베이스 이슈: 핀테크에서는 잘못된 로직 수정이 데이터 정정, 규정 준수, 고객 소통의 연쇄 문제를 야기한다.\n• 예기치 못한 이슈 관리: 과거 인시던트로 인한 데이터 불연속성이 신규 기능과 옵저버빌러티에 지속적으로 영향을 미친다.\n이러한 복잡성 속에서 AI 도입을 서두르는 기업은 부주의할 수 있으며, 특히 금융 분야에서는 AI가 생성한 코드의 미검증 오류가 수백만 달러 손실로 이어질 수 있다."
}
AI가 잠식하는 것: 동기부여와 학습의 즐거움
경력 엔지니어일수록 가장 걱정되는 건 직접 만드는 것의 의미가 사라진다는 점이다. 2년 걸려 만든 3D 렌더러를 AI가 30분에 0.5달러면 만들어버릴 수 있게 됐고, 결과물도 만족스러운데 과정에서 배우는 즐거움이 사라졌다는 게 문제다.
자기효능감 위기: '내가 직접 만들었다'는 성취감이 AI 도구 앞에서 더 이상 가질 수 없는 감정이 돼버렸다
취미의 소멸: Suno AI 음악처럼 '재미있게 시작했지만 금방 흥미를 잃는' 패턴이 점점 늘고 있다
지식 축적 단절: AI에 의존하면 하위 구현 원리를 이해하지 못한 채 결과물만 얻게 되고, 이러면 다음 프로젝트에서 필요한 역량이 떨어질 수밖에 없다
이건 단순히 직무 능력의 문제가 아니라 인간의 내적 동기에 대한 근본적 물음이다.
대안적 관점: 인간의 의지와Ownership의 가치
"Ideas are cheap"라는 스티브 잡스 명언처럼, AI가 실행(Execution)을 해결하면 아이디어가 넘쳐나게 된다. 그러나 끈성(Stickiness) 확보에는 인간의 의지와 관심이 여전히 결정적이다.
지속적 몰입(Continuous Engagement): Suno에서 좋은 결과물을 만드는 이들은 '직업처럼' 지속적으로 투자하는 소수의 창작자들이다
소유 의식(Ownership): V1을 빠르게 출시해도 오랜 기간 유지·관리·개선할 의지가 없으면 의미가 없다
자동화의 한계: delegation과 execution이 AI로 이전되어도, 의사결정, 우선순위 설정, 이해관계자 관리 등은 여전히 인간의 영역이다
결론적으로 AI는 '실행 비용'을 극적으로 낮추지만, 가치 창출의 지속성은 인간의 의지에 달려 있다.
