오늘은 다른 관점에서 AI 시대를 바라볼 수 있도록 환기해 주는 글을 소개합니다.
미국의 FAANG 기업에서 일하다가 자진해서 퇴사한 한 개발자가 쓴 글인데요. 2025년 말이 되면 AI가 자신이 하는 모든 업무를 대체할 것이 분명하다고 생각해 스스로 미리 퇴사했다고 합니다.
어떤 연유 때문인지, 인디해커 입장에서 이러한 시대를 어떻게 바라보고 활용할 수 있을지 고민해보며 글을 읽어볼까요.
저는 올해 2월까지 FAANG 기업 중 한 곳에서 LLM 관련 직무를 했습니다. 훌륭한 직장이었고, 일과 동료들 모두 좋았습니다. 하지만 제 고용 환경을 둘러싼 고용 시장의 동향을 살펴본 후, 퇴사하기로 결정했습니다. 이제 저는 제가 그곳에서 맡았던 직무가 올해 말이면 사라질 것이라고 확신합니다.
엔지니어링 직무, 2025년 초 당시 배경을 설명하자면, 저는 후기 단계 스타트업에서 백엔드 엔지니어로 경력을 시작했습니다. 이후 초기 단계 AI 스타트업 몇 곳에서 머신러닝 업무를 거쳐 최종적으로 FAANG 기업으로 왔습니다. 제가 2021년에 경력을 시작한 지 5년도 채 되지 않았는데, 그동안 업계가 얼마나 많이 변했는지 정말 놀라울 뿐입니다. 제 첫 직장에서는 난이도별로 점수가 매겨진 지라(Jira) 티켓 형태의 개별 업무를 받아 순차적으로 처리했습니다. 때로는 다른 엔지니어와 페어 프로그래밍을 하기도 했습니다. 이런 업무 방식이 아직 완전히 사라지지는 않았지만, 확실히 저물어가는 시대의 유물처럼 느껴집니다. 최첨단 기술 기업들의 코드 한 줄당 비용은 당시보다 10배 가까이 저렴해졌을 것입니다. 제 첫 직장의 마이크로서비스 저장소 대부분은 이제 클로드 코드(Claude Code) 같은 고급 코딩 에이전트의 도움을 받으면 한 사람이 하루 만에 구축할 수 있습니다. 백엔드 업무 대부분이 이제 선임급 이상 엔지니어만이 해결할 수 있는 까다로운 예외 사례(edge case) 디버깅 위주로 바뀌었으니, 신입 개발자 수요가 거의 사라진 이유를 짐작하기는 어렵지 않습니다.
머신러닝 업무는 다릅니다. 비용, 가용성, 실행 시간 측면에서 상당히 비싼 하드웨어를 관리해야 하기 때문입니다. 이는 하이퍼스케일러(hyperscaler)에서도 마찬가지입니다. 한동안 저는 실험 실패 시 발생하는 높은 비용 때문에 이 분야는 자동화에서 안전할 것이라고 생각했습니다. AI가 대충 작성한 코드는 Next.js 사이드 프로젝트의 프론트엔드에는 문제없을지 모릅니다. 하지만 그 코드가 잘못된 가정을 기반으로 훈련 과정에서 조용히 오류를 일으킨다면 문제가 됩니다.
어느 정도는 당분간 이런 상황이 지속될 수도 있습니다. 하지만 일자리를 지키고 싶은 머신러닝 엔지니어 입장에서는 두 가지 문제가 있습니다.
- 코드 한 줄당 비용이 이미 크게 낮아진 것처럼, 코딩 에이전트의 도움으로 디버깅에 드는 시간당 비용도 현재 급격히 하락하고 있습니다. 이 에이전트들은 사람보다 훨씬 빠르게 코드를 검토합니다.
- 최첨단 AI 에이전트가 아직 해결하지 못하는 가장 까다로운 문제들을 디버깅하고, AI 시스템의 입력과 출력 단계에서 맥락을 관리하는 역할이 과연 계속할 가치가 있는 직업일까요?
얼마 전 샌프란시스코 기술 업계에서는 이런 분위기가 팽배했습니다. AI 코딩 기술이 발전할수록, 상장된 FAANG 회사에서 양도제한조건부주식(RSU)을 받으며 자신의 업무를 서서히 자동화하는, 소위 '안주하며 투자금 회수(rest-and-vest)'하는 직업이 최고라는 인식이었습니다.
하지만, 효율적 시장 가설(Efficient Market Hypothesis)은 그보다 더 현실에 가깝습니다.
관리자의 기대치는 AI 코딩 에이전트의 발전 속도보다 더 빠르게 높아질 수 있습니다
- 이는 엔지니어링 업무의 병목 현상이 코드 작성 능력보다는 인프라 관리, 문서 작성/AI 맥락 관리, 테스트 능력에 따라 결정될 것임을 의미합니다. 그리고 비기술직 사람들과의 소통 능력도 중요해질 것입니다.
- 과거에는 모든 코드를 직접 작성해야 했지만, 이제는 명세서를 복사해 코딩 에이전트에 넣고 테스트하는 과정만으로도 어느 정도 괜찮은 결과물을 만들 수 있는 사람이 훨씬 많아졌습니다.
- 기술 기업들은 단기적인 이익에는 크게 연연하지 않지만, 중기적인 이익에는 민감합니다. 평판 때문에 호황기에는 해고를 꺼리지만, 비용 절감 효과가 큰 불황기나 침체기에는 분명 해고를 단행할 것입니다.
이것이 현재 엔지니어링의 모습입니다. 2025년 말이나 2026년에는 엔지니어링이 어떻게 변할까요? 현재 엔지니어링 업무 중 통합 개발 환경(IDE) 밖에서 이루어지는 대부분은 명세서 작성 및 명확화, 이해관계자와의 소통을 통한 모호성 해소, 그리고 결과물이 의도대로 작동하는지 확인하는 것입니다. 이런 작업들은 현재 AI 모델의 능력을 대부분 넘어섭니다. 이는 AI 모델의 근본적인 인지 능력 부족 때문이라기보다는, 내부 소프트웨어를 탐색하고 문서를 참조하며, 프로젝트 목적에 맞춰 타당한 효과성 테스트를 설계하고 실행하는 능력이 필요하기 때문입니다.
현재 컴퓨터 사용 에이전트의 능력이 조금만 더 발전해도, 이런 종류의 다소 단순한 맥락 수집 작업을 자율적으로 수행하는 것을 상상하기는 어렵지 않습니다. 그래픽 사용자 인터페이스(GUI) 에이전트 개발 경험이 있는 사람으로서, 2025년 말까지 이런 능력을 갖추지 못한다면 오히려 놀랄 것 같습니다. 결국 중요한 것은 관련 정보를 맥락 안에서 유지하고, 필요시 일부 정보를 무시하며, 필요할 때 다시 어디서 찾아 불러올지 아는 능력입니다. 현재 에이전트 시스템보다 약간 더 발전된 버전이라면 이런 작업들이 불가능해 보이지는 않습니다. 이는 앤트로픽(Anthropic)의 MCP처럼 AI 에이전트에 맥락을 제공하는 비-GUI 기반 도구들을 고려하지 않은 예측입니다. 이런 도구들은 관련 기술을 선도하는 기업들에서 도입 속도와 정확성을 더욱 높일 수 있습니다.
참고로, 에이전트 시스템에서 중요한 구분점 중 하나는 자사 소프트웨어를 사용하는지, 아니면 타사 소프트웨어를 사용하는지 여부입니다. 예를 들어, "우버이츠(UberEats) 웹사이트에서 샌드위치 주문해 줘" 같은 작업은 너무 자주 시도하면 캡차(CAPTCHA)나 다른 봇 탐지 시스템에 의해 차단될 가능성이 높습니다. (장담하건대, 국가 수준의 해커가 아닌 이상 대규모 프로파일링 알고리즘을 속일 수는 없습니다.) 하지만 내부 문서의 경우, 승인된 경로를 통해 접근하도록 설정하면 자체 개발한 봇이 차단되지 않도록 할 수 있습니다. 결과적으로 그래픽 사용자 인터페이스(GUI) 에이전트는 외부 작업보다 내부 업무 자동화에 훨씬 빠르게 도입될 수 있습니다.
결론적으로, 모든 증거를 종합해 볼 때 올해 말이나 내년 말까지는 엔지니어링을 포함한 순수 지식 노동 기반의 개인 기여자(IC) 직무 대부분을 AI 에이전트가 수행할 수 있을 것으로 보입니다. 기존에 해당 직무를 수행하던 인력 중 일부는 AI 에이전트 무리를 관리하는 사실상의 제품 관리자 겸 인프라 관리인 역할을 맡게 될 것입니다.
한편으로는 멋진 일입니다! 코드 한 줄당 비용이 거의 0달러에 가까워지면서, 우리는 사실상 무한한 소프트웨어를 사용할 수 있게 될 것입니다. 하지만 AI 에이전트 제품 관리자 겸 인프라 관리인이라는 실제 역할은 제 개인적으로는 몹시 지루하게 들립니다. 이것이 제가 몇 주 전 FAANG을 떠난 이유입니다.
무한한 기계 지능의 시대에 인간은 무엇을 해야 할까요? 일부 기술 업계 사람들이 생각하는 것과 달리, 생산 요소에는 지능만 있는 것이 아닙니다. 인간의 뇌가 산출하는 순수한 지능 외에도, 인간이라는 존재 자체에 본질적으로 연결된 생산 요소가 있을 수 있습니다. 당분간은 지능 외의 이러한 요소들이 경제적 가치를 유지할 것입니다.
만약 당신이 지식 노동 기반의 개인 기여자(IC) 직무를 하고 있지만 AI 에이전트 관리자가 되는 데 관심이 없다면, 다음 행보는 당연히 개인의 자질과 기술에 따라 달라질 것입니다. 자신의 자질과 기술이 무엇인지 더 명확히 파악하기 위해 언어 모델과 대화해 보는 것을 제안합니다. 구체적으로는, AI 시스템이 아주 잘 해낼 수 있더라도 사람들이 굳이 AI 시스템에 맡기고 싶어 하지 않을 만한 직업들을 브레인스토밍해 보십시오.
물론 AI 관리자로 계속 남을 수도 있습니다. 하지만 제게 엔지니어링 같은 전문직의 매력 중 하나는 지성을 활용해 문제를 해결하는 지적 도전이었습니다. 그런데 바로 그 지성이 자동화의 가장 직접적인 대상이 되고 있는 것 같습니다. 물론 인간이 지능만으로 정의되는 것은 아닙니다. 하지만 AI 에이전트를 위한 인프라 관리인이 될 수 있는 특별한 능력으로 정의되는 것도 아닐 것입니다.
개인적으로 저는 특정 유형의 영업직이 "AI 에이전트가 할 수 있더라도 사람들이 원하지 않을" 범주에 속한다고 생각합니다. 거래 과정의 이 단계에서는 구매자와 판매자 모두에게 인간이 개입하는 것이 합리적인 경제적 이익에 부합하는 경우가 많습니다. 그래서 제 경력의 다음 단계는 현재 개발 중인 훌륭한 AI 제품들에 대해 사람들과 이야기하고, 그들이 이 제품들을 유용하게 사용할 수 있을지 판단하도록 돕는 것입니다.
*원본 글 링크
[ I quit my FAANG job because it'll be automated by the end of 2025 ]
https://jagilley.github.io/faang-blog.html
(2025) MBTI 테스트 기반 수익형 웹사이트 만들기 - 인프런
사실 이 강의의 핵심은 후반부에 있어요.
내 사이트 광고 솔루션을 붙이는 방법, AWS, CloudFlare, Vercel에 사이트를 배포하는 방법, Google Analytics를 내 사이트에 붙이는 방법, SEO 최적화를 위한 사이트 설정 방법 등이 담겨있죠.
웹 사이트 자체를 만드는 내용도 물론 중요하지만, 이보다는 '수익을 발생하도록 만드는 도구 사용법'에 초점을 맞췄어요.
우리가 갖춰야 할 태도는 '빠르게 시도하고 빠르게 검증해서 빠르게 수익화하기'예요. 가설을 세우고 그 가설에 맞는 프로덕트를 빠르게 만들어 빠르게 검증하고 수익화하는 것이죠. 이제 몇 개월, 몇 년을 걸려서 엄청난 프로덕트를 만들고 나서 검증을 했는데 실패하고 낙심하는 패턴은 운의 영역이 아니라 실력의 영역입니다.
그래서 저처럼 프로그래밍으로 수익화하고 싶은 분들, 회사를 위한 개발이 아니라 본인 스스로를 위한 수익형 개발을 하고 싶은 분들. 그분들이 고통스럽게 오랜 기간 시행착오 겪지 않도록 수익형 웹사이트 개발 강의를 만들었습니다.
현재 얼리버드 기간이라 한달 동안 30% 할인 중입니다. 필요하신 분들은 한달 되기 전에 미리 수강 신청 해두세요.
부디 우리 모두 나만의 수익형 서비스를 만들어 새로운 자본주의 시대에서 살아남아 봅시다.
의견을 남겨주세요