AI 시대에 살아남는 사람은 ‘코더’보다 ‘작업 지휘자’에 가까워진다

• 요즘 졸업생들이 AI 얘기에 예민한 이유가 있음. ‘코딩 배우면 억대 연봉’이라는 말을 듣고 컸는데, 졸업할 때쯤엔 AI가 코더를 대체한다는 뉴스가 쏟아지는 중임

  • 올해 5월 여러 대학 졸업식에서 AI를 언급한 연사에게 졸업생들이 진심으로 야유하는 영상이 퍼짐
  • 초급 노동자들이 가장 먼저 타격을 받을 수 있다는 보도가 계속 나오고 있음
  • 실제로 AI가 전체 노동력을 줄였는지는 아직 명확하지 않지만, 개별 기업들은 AI 자동화와 연결된 대규모 해고 계획을 발표하고 있음

• 이 글의 질문은 “AI가 일자리를 다 없애냐”보다 더 현실적인 쪽에 있음

  • AI와 인간이 섞인 하이브리드 노동은 어떤 모습일까
  • 그 안에서 사람의 일은 어떻게 바뀔까
  • 대학생이나 이미 일하는 사람은 지금 무엇을 준비해야 할까

• 토론에 나온 전문가 구성도 꽤 빡셈

  • 대런 아세모글루는 MIT 경제학자이자 노벨상 수상자
  • 딘 볼은 전 트럼프 행정부 AI·신흥기술 고문
  • 이선 몰릭은 와튼 스쿨 교수이자 AI 업무 활용을 꾸준히 다뤄온 인물
  • 클라라 시는 세일즈포스와 메타에서 최고 AI 임원을 지냈고, 초급 노동자를 돕는 단체를 공동 설립함

• 진행자는 AI 일자리 논의가 답답한 이유를 짚음. 예측은 엄청 센데, 정작 일이 어떻게 바뀌는지 설명은 빈약하다는 것임

  • 일론 머스크는 언젠가 AI가 모든 걸 해서 일자리가 필요 없는 시점이 온다고 말한 적 있음
  • 리카이푸는 2017년에 AI가 향후 10년 안에 노동력의 50%를 대체할 것이라고 예측함
  • 하지만 이런 전망은 “왜, 어떤 업무가, 어떤 방식으로 바뀌는가”와 연결되지 않는 경우가 많음

• 이선 몰릭이 든 예시가 개발자에게 특히 와닿음

  • AI에게 미래 노동 시나리오를 쓰게 하면, 소프트웨어 개발자 ‘마커스 첸’이 사무실에 출근해 AI 에이전트들의 보고서를 읽고 새 작업을 배정하는 장면이 나온다고 함
  • 그런데 “AI가 일하는데 왜 사무실에 출근하지?”라고 물으면 AI는 해변의 집에서 에이전트를 점검하는 식으로 고침
  • 다시 “에이전트가 다 한다면 왜 점검하지?”라고 물으면 인간의 역할이 점점 더 희미해지는 식임

• 결국 갈림길은 AI가 어느 정도의 기술이 되느냐임

  • AI가 꽤 평범한 생산성 도구라면 변화는 느리게 올 수 있음
  • AI가 실제로 초능력에 가까워진다면 직무 자체가 훨씬 빠르게 재구성될 수 있음
  • 그래서 지금은 단일한 미래 예측보다 여러 시나리오를 놓고 준비하는 게 더 현실적임

• 프로그래밍은 이미 이 변화를 가장 먼저 보여주는 분야임

  • 예전의 코더는 좋은 코드를 꾸준히 직접 작성하는 사람이었음
  • 이제는 몇 달 사이에 AI가 만든 코드와 작업을 관리하는 엔지니어링 매니저 같은 역할이 커지고 있음
  • 코드 작성 능력만큼 요구사항 정의, 결과 검토, 시스템 설계, 위험 판단이 중요해지는 흐름임

• 초급 개발자에게 불편한 결론도 있음. “일단 많이 짜면서 배우는” 경로가 흔들릴 수 있음

  • AI가 쉬운 구현과 반복 작업을 가져가면, 주니어가 경험을 쌓던 계단 일부가 사라질 수 있음
  • 반대로 AI를 잘 다루는 초급 인력은 더 빨리 큰 작업을 맡을 수도 있음
  • 차이는 프롬프트를 잘 쓰느냐보다, AI 결과를 보고 맞는지 틀린지 판단할 기본기가 있느냐에서 날 가능성이 큼

---

기술 맥락

• 이 글에서 중요한 기술적 선택은 사람을 AI의 경쟁자로만 보지 않고, AI 에이전트를 관리하는 작업 흐름 안에 넣어 보는 거예요. 왜냐하면 실제 회사 업무는 산출물 하나를 만드는 게 아니라 요구사항, 검토, 승인, 책임이 계속 이어지는 흐름이거든요.

• 프로그래밍이 예시로 좋은 이유는 변화가 이미 눈에 보이기 때문이에요. 예전에는 코드를 직접 잘 쓰는 능력이 중심이었지만, 이제는 AI가 만든 코드가 요구사항을 맞췄는지, 보안이나 유지보수에 문제가 없는지 판단하는 일이 더 커지고 있어요.

• 여기서 트레이드오프가 생겨요. AI 에이전트는 반복 구현 속도를 크게 올릴 수 있지만, 잘못된 방향으로 빠르게 많이 만들 수도 있어요. 그래서 사람의 역할은 손으로 치는 속도보다 문제를 쪼개고, 결과를 검증하고, 책임질 수 있는 결정을 내리는 쪽으로 이동해요.

• 주니어 개발자에게는 이 변화가 특히 까다로워요. 쉬운 작업을 하며 배우는 시간이 줄어들 수 있기 때문이에요. 그래서 AI를 쓰더라도 기본 개념, 디버깅, 설계 판단을 건너뛰면 오히려 성장 경로가 약해질 수 있어요.