AI가 '신입'으로 들어왔습니다만: 코딩, 이제 누가 하는 일인가

최근 공개된 오픈소스 모델 ‘오니스-1.0(Ornith-1.0)’ 때문에 개발자 커뮤니티가 시끄럽네요. 단순히 코드 몇 줄 짜주는 수준을 넘어, “이 앱 만들어줘” 하면 알아서 계획 세우고, 자료 찾고, 코드 짜고, 심지어 디버깅까지 시도하는 ‘에이전틱(Agentic)’ AI거든요. 이건 코딩 자동완성 기능이 똑똑해진 것과는 차원이 다른 이야기입니다. 팀에 말귀는 좀 어두워도 시키면 밤새 뭐라도 만들어 오는 신입사원이 뚝 떨어진 셈이죠. 오늘은 이 ‘AI 신입’이 우리의 일과 관계, 정체성을 어떻게 바꾸는지 파고들어 보려고 합니다. 꽤나 웃픈 이야기가 될 거예요.

"스스로 배우는 신입"의 등장

지금까지의 코딩 AI, 예를 들어 초기 깃헙 코파일럿 같은 모델들은 ‘수동적인 조수’에 가까웠어요. 내가 뭘 원하는지 정확히 알려줘야 그에 맞는 코드 조각을 추천해주는 식이었죠. 마치 옆자리 동료에게 “이 함수 이름 뭐였지?” 하고 물어보는 것과 비슷했습니다.

하지만 오니스-1.0 같은 에이전틱 AI는 작동 방식이 다릅니다. ‘자기-스캐폴딩(Self-Scaffolding)’이라는 기술을 쓴다는데, 쉽게 말해 ‘스스로 학습 계획을 세우는 능력’입니다. 막막한 문제 앞에서 사람이 목차를 짜고 자료를 찾듯, AI가 큰 목표를 작은 단위로 쪼개고, 각 단계를 해결하기 위한 코드를 생성하고, 실행해보고, 오류가 나면 스스로 원인을 분석해 수정하는 과정을 반복해요. 레딧 같은 곳에선 벌써 “오니스 35B 모델한테 3D 게임 만들어달라고 프롬프트 세 번 던졌더니 그럴듯한 결과물이 나왔다”는 후기가 올라옵니다. 물론 아직 완벽하진 않지만, 이건 더 이상 ‘도구’가 아니라 ‘주체’의 영역을 넘보는 신호입니다.

이런 AI의 등장은 개발 패러다임의 근본적인 전환을 의미합니다.

• 1. 목표 중심 작업: 개발자는 더 이상 코드 한 줄 한 줄을 짜는 데 매몰되지 않습니다. 대신 AI 에이전트에게 명확한 목표와 제약 조건을 설정해주는 ‘디렉터’가 됩니다.
• 2. 자율적 문제 해결: 에이전트는 필요한 라이브러리를 직접 찾거나 API 문서를 읽고 적용하는 등, 과거에는 인간 개발자의 몫이었던 리서치와 탐색 과정을 상당 부분 대신합니다.
• 3. 반복적 개선: AI는 단번에 완벽한 코드를 내놓지 못합니다. 하지만 실행-피드백-수정의 고리를 인간보다 훨씬 빠른 속도로 돌리면서 점진적으로 결과물을 개선해 나가죠.

이건 마치 우리가 스택 오버플로우를 뒤지고, 선배 코드를 참고하며 성장하는 과정과 놀랍도록 닮았습니다. 다만 이 신입은 잠도 안 자고, 지치지도 않고, 월급도 안 받죠.

개발자의 일, 관계, 정체성의 재구성

AI가 ‘신입사원’의 역할을 하기 시작하면, 기존 개발자들의 세상은 어떻게 바뀔까요? 단순히 일이 편해지는 수준이 아니라, 일의 정의, 동료와의 관계, 나아가 ‘개발자’라는 정체성까지 재구성될 겁니다.

가장 큰 변화는 ‘가치 있는 기술’의 전환입니다. 지금까지는 특정 언어나 프레임워크를 능숙하게 다루는 ‘코딩 실력’이 중요했다면, 앞으로는 AI에게 일을 정확히 시키고, 그 결과물을 비판적으로 검토하며, 전체 시스템을 설계하는 능력이 더 중요해집니다. 시니어 개발자의 역할은 더 이상 멋진 코드를 짜서 보여주는 게 아니라, 여러 AI 에이전트들의 작업을 조율하고 최종 결과물의 품질을 책임지는 ‘아키텍트’나 ‘프로젝트 매니저’에 가까워질 겁니다.

동료 관계도 미묘해집니다. 주니어 개발자는 이제 인간 선배뿐만 아니라 AI와도 경쟁하고 협력해야 합니다. AI가 생성한 코드를 리뷰하고 피드백하는 ‘AI 코드 리뷰’가 새로운 업무로 자리 잡겠죠. 여기서 웃픈 상황이 발생합니다. AI가 그럴듯해 보이지만 실제로는 말도 안 되는 코드를 ‘창의적으로’ 짜놓았을 때, 그걸 디버깅하느라 밤을 새우는 건 결국 인간 개발자의 몫입니다. AI가 싼 똥을 치우는 거죠. 빡쳐서 모니터를 던지고 싶을 때가 한두 번이 아닐 겁니다.

궁극적으로는 ‘개발자’라는 정체성에 대한 질문에 맞닥뜨립니다. 복잡한 앱을 만들 때, 코드의 90%를 AI가 작성했다면, 그걸 만든 사람은 개발자일까요, 아니면 ‘AI 조련사’일까요? 과거 방직기가 등장했을 때 수많은 직조공들이 일자리를 잃었지만, 결국 ‘직조’라는 행위 자체가 사라지진 않았습니다. 대신 더 복잡한 패턴을 디자인하고 기계를 관리하는 새로운 역할이 생겨났죠. 코딩도 마찬가지 길을 걸을 가능성이 높습니다.

장밋빛 전망에 숨은 함정들

물론 에이전틱 AI가 만능 해결사는 아닙니다. 오히려 새로운 종류의 골칫거리를 안겨줄 수 있어요.

최근 포드가 AI를 활용해 부품을 설계했다가 품질 문제로 골머리를 앓고 다시 숙련된 엔지니어를 고용했다는 소식은 시사하는 바가 큽니다. AI는 ‘그럴듯해 보이는 쓰레기(plausible-looking garbage)’를 대량 생산하는 데 아주 능합니다. AI가 짠 코드를 검증하고 수정하는 비용이, 차라리 처음부터 사람이 짜는 비용보다 더 커지는 ‘AI 기술 부채’가 발생할 수 있다는 거죠.

보안은 더 심각한 문제입니다. AI 에이전트가 인터넷의 검증되지 않은 소스에서 코드를 마구 가져다 쓸 경우, 악성 코드나 보안 취약점이 시스템에 심어질 위험이 커집니다. 나중에 문제가 터지면 책임은 누가 져야 할까요? AI를 돌린 개발자? 아니면 AI를 만든 회사? 아직 누구도 명확한 답을 내놓지 못하는 회색지대입니다.

여기서 우리가 빠지기 쉬운 흔한 오해가 있습니다. 바로 ‘AI의 역량을 과대평가하는 함정’입니다. 오니스-1.0의 벤치마크 점수가 아무리 높아도, 이건 통제된 환경에서의 성능일 뿐입니다. 실제 현장의 복잡하고 예측 불가능한 요구사항 앞에서는 맥을 못 출 수 있어요. 이 AI들은 자율적인 엔지니어가 아니라, 강력하지만 때로는 엉뚱한 방향으로 폭주하는 ‘도구’에 가깝습니다. 실력 없는 개발자에게 강력한 도구를 쥐여주면 재앙이 더 빨리 올 뿐입니다. 결국 이 도구를 제대로 쓰려면, 그걸 감독하고 최종 판단을 내릴 수 있는 인간의 깊이 있는 전문성이 더더욱 중요해집니다.

그래서, 우리는 무엇을 지켜봐야 할까?

이 ‘AI 신입’의 등장을 보며 우리는 무엇을 준비하고 무엇을 지켜봐야 할까요? 몇 가지 관전 포인트를 짚어드립니다.

첫째, ‘벤치마크 점수’에 속지 말아야 합니다. 진짜 중요한 지표는 ‘인간의 감독 하에 실제 제품 수준의 코드를 만드는 데까지 걸리는 총 시간(Time-to-production-ready-code)’입니다. AI가 개발자의 시간을 얼마나 절약해주는지, 혹은 얼마나 더 뺏는지 냉정하게 측정해야 합니다.

둘째, ‘AI 네이티브’ 개발 워크플로우의 등장입니다. 기존 개발 방식에 AI를 끼워 넣는 게 아니라, 기획 단계부터 AI 에이전트와의 협업을 전제로 한 새로운 프로세스가 만들어질 겁니다. 마치 클라우드 시대에 ‘클라우드 네이티브’ 아키텍처가 등장했듯이요.

셋째, 오픈소스와 폐쇄형 모델의 경쟁입니다. 오니스-1.0 같은 오픈소스 모델은 기업들이 내부 데이터로 미세조정(fine-tuning)하거나, 보안이 중요한 환경에서 직접 서버를 구축해 쓸 수 있다는 강력한 장점이 있습니다. 이는 OpenAI나 구글 같은 빅테크의 폐쇄형 모델에게 상당한 압박이 될 겁니다. 기술의 투명성과 통제권을 누가 쥐게 될 것인지가 앞으로의 핵심 경쟁 포인트가 될 거예요.

AI가 코드를 쓰는 시대. 두려워하거나 외면할 필요는 없습니다. 다만 이 똑똑하고 말 안 듣는 신입사원을 어떻게 가르치고, 부려먹고, 함께 일할지 진지하게 고민을 시작해야 할 때입니다. 그 과정에서 ‘개발’이라는 일의 의미는 완전히 달라질 테니까요.

Q. 결국 개발자 다 잘리고, 소수의 'AI 조련사'만 남는 거 아닌가요? A. 당장은 아닐 겁니다. 소프트웨어를 만들고 개선하려는 수요는 끝이 없거든요. 개발이 더 쉬워지고 빨라지면, 우리는 더 많고 복잡한 소프트웨어를 만들려고 할 겁니다. 반복적인 코딩 업무는 줄겠지만, 어떤 문제를 풀 것인지 정의하고, 전체 시스템을 설계하고, AI의 결과물을 비판적으로 검토하는 창의적이고 전략적인 역할에 대한 수요는 오히려 늘어날 겁니다. 대규모 스킬 전환(skill shift)이 일어나는 거죠. 단순 교체라기보다는요.

Q. 제가 지금 코딩 배우는 비전공자인데, 그냥 포기해야 할까요? A. 절대 아니에요. 오히려 기회일 수 있습니다. 컴퓨터 과학의 기초(자료구조, 알고리즘, 네트워크 등)가 왜 중요한지 더 명확해질 겁니다. AI라는 강력한 도구를 제대로 부리려면 그 작동 원리를 이해해야 하니까요. 이제는 지루한 문법 암기보다, ‘무엇을, 왜 만들어야 하는가’라는 본질적인 질문에 더 집중하며 배울 수 있게 됐습니다. AI는 훌륭한 페어 프로그래밍 파트너가 될 수 있지만, 방향을 제시하고 최종 책임을 지는 건 결국 사람이니까요.