AI 때문에 개발자 수요가 정말 줄어들까

제가 모르는 것부터

개발자 고용 시장에 대해 저는 신뢰할 만한 인과 데이터를 갖고 있지 않습니다. 있는 것은 대개 이런 것들이고, 각각 한계가 분명합니다.

채용 공고 수 추이 — 금리, 경기, 팬데믹 기간의 과잉 채용에 대한 반작용이 섞여 있습니다. AI의 기여분을 분리할 방법이 없습니다.
기업 발표 — "AI로 생산성이 올라 채용을 줄인다"는 발표는 감원의 서사로 쓰이기 좋습니다. 발표와 실제 원인은 다른 것입니다.
개인 경험 — 표본 1입니다.

"AI 때문에 개발자가 줄어든다"와 "금리가 올라 개발자가 줄었는데 마침 AI가 있었다"는 지금 데이터로 구분되지 않습니다. 저는 구분된 척하지 않겠습니다.

확실히 아는 것 하나

대신 잘 통제된 데이터가 하나 있습니다. 앞선 글에서 다룬 METR의 무작위 대조 시험입니다.

숙련 개발자 16명이 자기 저장소의 실제 이슈 246건을 처리했을 때, AI 사용이 허용된 쪽이 19% 더 느렸습니다. 참가자들은 24% 빨라질 것으로 예상했고, 실험이 끝난 뒤에도 20% 빨라졌다고 믿었습니다.

이 결과가 고용 논의에서 갖는 함의는 이겁니다. "AI가 개발자를 대체할 만큼 생산성을 올린다"는 전제 자체가, 최소한 이 조건에서는 측정으로 뒷받침되지 않았습니다.

동시에 이 실험은 좁습니다. 숙련자, 익숙한 대형 오픈소스 저장소, 2025년 초 도구. 신입이 낯선 코드베이스에서 보일러플레이트를 짜는 상황에는 그대로 적용되지 않습니다. 오히려 그쪽이 AI의 이득이 가장 큰 구간일 가능성이 높습니다.

그리고 여기서 불편한 함의가 하나 나옵니다.

AI가 잘하는 일과 주니어가 하던 일이 겹칩니다

AI가 상대적으로 잘하는 것: 정형적인 변환, 보일러플레이트, 테스트 작성, 익숙한 패턴의 CRUD, 문서화.

전통적으로 주니어가 배우면서 하던 일과 상당히 겹칩니다.

이건 "주니어가 필요 없어진다"는 뜻이 아닙니다. 주니어가 시니어가 되는 경로가 바뀐다는 뜻에 가깝습니다. 반복 작업을 200번 하면서 감각을 얻던 경로가 좁아지면, 그 감각을 다른 방식으로 얻어야 합니다.

조직 입장에서는 더 곤란한 문제가 생깁니다. 주니어를 안 뽑으면 5년 뒤 시니어가 없습니다. 개별 분기로는 합리적인 결정이 누적되면 파이프라인이 마릅니다. 이건 AI 문제라기보다 조직이 반복해서 저질러 온 종류의 실수입니다.

수요가 줄기 어려운 구조적 이유

반대편 논거도 정직하게 적어둡니다.

1. 소프트웨어 수요는 고정돼 있지 않습니다. 만드는 비용이 내려가면 예전엔 수지가 안 맞던 것들이 만들어집니다. 컴파일러, 고수준 언어, 프레임워크, 클라우드가 매번 "개발자가 덜 필요해진다"는 예측을 낳았고 매번 반대가 됐습니다. 이번이 다르다는 주장은 가능하지만, 입증 책임은 그쪽에 있습니다.

2. 코드를 쓰는 건 일의 일부입니다. 무엇을 만들지 정하고, 이해관계자와 합의하고, 장애를 처리하고, 왜 이렇게 만들었는지 6개월 뒤에 설명하는 일 — 여기가 줄지 않았습니다.

3. 검증 비용이 늘어납니다. 코드가 빨리 생산될수록 읽고 검증하는 일의 비중이 커집니다. METR 실험의 19%가 아마 여기서 나왔을 겁니다.

그래서 개인은 뭘 해야 하나

"AI를 배워라"는 조언은 너무 막연해서 쓸모가 없습니다. 위 구조에서 직접 도출되는 것만 씁니다.

1. 검증 능력에 투자하세요. 생성이 싸지면 판단이 비싸집니다. 이 코드가 맞는지, 이 설계가 6개월 뒤에 어떻게 될지 아는 능력. 이건 AI가 코드를 잘 쓸수록 더 중요해집니다.

2. 문제를 정의하는 쪽으로 가세요. "이걸 만들어줘"를 받아 구현하는 자리보다, "무엇을 만들어야 하는가"를 정하는 자리가 안전합니다.

3. 시스템 전체를 이해하세요. AI는 주어진 컨텍스트 안에서 잘합니다. 어떤 컨텍스트가 필요한지 아는 건 여전히 사람입니다.

4. 자기 생산성을 측정하세요. METR 실험의 진짜 교훈입니다. 당신의 체감은 43%p까지 틀릴 수 있습니다. 도구가 실제로 도움이 되는지 아는 사람과 느낌으로 아는 사람은 몇 년 뒤 다른 자리에 있게 됩니다.

정리

고용 데이터로 AI의 영향을 분리해 내는 건 현재로선 안 됩니다. 된다고 말하는 글은 의심하세요.
잘 통제된 실험 하나는 오히려 숙련자 구간에서 생산성 향상을 확인하지 못했습니다.
위험이 있다면 총량보다 주니어 진입 경로 쪽입니다.
개인 차원의 대응은 검증·정의·시스템 이해, 그리고 자기 측정입니다.

여러분 조직은 최근 채용 기조가 어떤가요? 그리고 그게 AI 때문이라고 보시나요?

출처

METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity — 생산성에 대한 몇 안 되는 무작위 대조 시험.
METR RCT 논문 (arXiv:2507.09089) — 논문판.
Stack Overflow Developer Survey 2025 — AI 섹션 — 사용률·신뢰도 자기보고 데이터.
DORA, 2024 Accelerate State of DevOps Report — 조직 지표 관점의 보고서.