[번역] 취향과 판단력을 얻는 법

이 글은 Addy Osmani의 Earning taste and judgment를 원저자의 허락을 받아 번역한 글입니다.

예전에는 같은 일을 거듭하는 동안 자연스럽게 취향이 생겼습니다. 그런데 이제 에이전트가 그 반복을 대신합니다. 따라서 지금의 주니어 개발자는 취향과 판단력을 의식적으로 길러야 합니다.

저는 경력을 쌓아 가며 코드를 근본적으로 다른 방식으로 바라보는 법을 배웠습니다. 제가 처음 배운 것들의 상당 부분은 보일러플레이트, 버그 수정, 문제 해결을 수천 번 반복하면서 얻은 것이었습니다. 제가 지닌 취향과 판단력은 거의 전부가 재능이 아니라 그 반복에서 나왔습니다.

시간이 지나면서 저는 점점 더 복잡한 추상화와 트레이드오프를 다루는 법을 익혔습니다. 주니어 개발자가 시니어로 성장하는 과정이 바로 이렇습니다.

하지만 에이전트는 이 반복을 전부 자동화할 것입니다. 이는 주니어에서 시니어로 가는 길을 근본적으로 바꿔 놓을 것입니다.

결론부터 말하면, 오래도록 가치를 잃지 않으면서 남이 채점할 수도 없는 능력은 이미 정답이 있는 문제를 더 잘 푸는 데 있지 않습니다. 무엇을 만들지 고르고, 그것이 쓸 만한지 판단하는 능력입니다.

신입 일자리의 기반이 약해지고 있습니다

2026년 3월 기준, 대졸 신입의 실업률은 무려 5.6%였고 불완전 고용률은 41.5%에 달했습니다. 게다가 대졸 신입은 이제 전체 노동 인구보다 오히려 실업 상태일 가능성이 높은데, 이는 역사적 통념이 뒤집힌 것입니다(뉴욕 연방준비은행).

포브스는 세인트루이스 연방준비은행을 인용해, 최근 컴퓨터공학 전공 졸업생의 실업률이 7.5%, 컴퓨터과학 전공 졸업생이 6.1%로, 둘 다 여러 비기술 전공보다 높다고 짚습니다.

그 사이 채용 수요도 달라졌습니다. Indeed Hiring Lab에 따르면 주니어·일반 기술 직군은 2020년 초 이후 34% 줄어든 반면, 시니어·매니저 직군은 19% 감소에 그쳤습니다. 5년 이상 경력을 요구하는 기술 채용 공고 비중은 37%에서 42%로 올랐고요. 컴퓨터과학 졸업생 수는 계속 늘어나는데도 말이죠. AI에 가장 많이 노출된 사회 초년생(22~25세)은 스탠퍼드 디지털 이코노미 랩의 원래 연구에서 상대 고용이 13% 감소한 것으로 나타났습니다. 2026년 2월 후속 연구는 이를 2025년 10월까지 기준 16%로 수정했습니다(Brynjolfsson, Chandar & Chen). 게다가 이 직종 상당수에서 해당 연령대가 전체 채용의 절반가량을 차지해 왔습니다.

그럼 겁을 먹어야 할까요? 음, 신입 소프트웨어 개발자 일자리는 단순한 고용 이상입니다. 그것은 하나의 훈련 시스템입니다.

마이크로소프트의 Mark Russinovich와 Scott Hanselman은 이렇게 경고했습니다. 에이전트는 모든 소프트웨어 개발자의 밥그릇을 빼앗는 대신, 오히려 시니어 개발자는 돕는 반면 주니어의 밥그릇은 빼앗아 피라미드를 좁힌다는 것입니다. Hanselman이 든 예가 인상적입니다. 경쟁 상태(race condition)를 대충 덮으려고 sleep()을 끼워 넣는 상황입니다. 시니어 개발자는 그 오류를 발견하고 당신이 거기서 배우도록 돕습니다. 주니어 개발자는 코드 리뷰를 건너뛰고 그대로 프로덕션에 올리며, 그 경쟁 상태가 나중에 사이트를 다운시킵니다. 그리고 같은 일을 또 반복합니다. 이들의 진짜 요점은, 에이전트가 스스로 이런 일을 벌이는 게 아니라는 것입니다. 이것은 AI에 관한 이야기라기보다, 사람들이 제품을 어떻게 쓰기로 선택하느냐에 관한 이야기입니다.

더 우려스러운 점도 있습니다. 2026년 MIT 테크놀로지 리뷰 기사는 학습 단계를 자동화하면 당장의 산출물은 얻을 수 있지만, 장기적으로는 사회 전체의 역량이 떨어진다고 경고했습니다. 세계경제포럼도 2026년 중반, 신입 채용을 줄이면 앞으로 인재 파이프라인이 약해질 수 있다고 경고했습니다.

다만 한 가지 유의할 점이 있습니다. 이것이 순전히 AI만의 이야기는 아니라는 것입니다. 우리는 2022년에 시작돼 2025년까지 이어진 채용 과열을 일부 바로잡는 중이기도 합니다. 스탠퍼드 연구진조차 처음에는 신중했습니다. 초기 신호는 뚜렷하지 않았고, 2024년 이후에야 AI로 인한 감소를 따로 확인할 만큼 데이터가 명확해졌습니다. 수많은 업체가 내놓는 '합성 노동(synthetic labor)' 발표는 예언이 아니라 마케팅 문구입니다.

한편, 시장의 다른 영역에서는 분명 낙관적인 신호도 나오고 있습니다.

2025년 1월 발표된 세계경제포럼의 Future of Jobs 2025는 2030년까지 약 1억 7천만 개의 새 일자리가 생기고 사라지는 일자리는 9천 2백만 개에 그쳐, 순증 7천 8백만 개를 예측합니다. 아폴로 글로벌 매니지먼트의 수석 이코노미스트 Torsten Sløk은 "AI 때문에 일자리가 줄었다는 증거는 전혀 없다"는 주장으로 파문을 일으켰습니다. 오히려 AI에 대한 지출이 관련 역량을 갖춘 사람들에게 일거리를 만들어 주고 있다는 것입니다.

그렇다면 같은 해에 어떻게 이렇게 상반된 보고가 나올 수 있을까요?

전체 일자리 수와 신입 일자리의 상황은 별개의 문제이기 때문입니다. 낙관론자들이 틀린 게 아닙니다. 판단력과 비판적 사고를 요구하는 시니어 직군은 크게 늘어나는 반면, 주니어 직군은 줄어들 가능성이 높습니다. Indeed의 수치도 같은 이야기를 합니다. 그리고 골드만삭스는 2026년 급여 데이터를 분석해, Z세대와 신입 직군이 가장 큰 타격을 입으면서 미국에서 매달 약 1만 6천 개의 일자리가 순감했다고 추정했습니다. "증거가 전혀 없다"는 주장에 실제 데이터가 내놓은 답인 셈입니다.

전체 일자리는 늘면서도 사회 초년생이 딛고 설 첫 발판은 사라질 수 있습니다. 이제 막 커리어를 시작하려는 사람에게 전체 일자리가 늘어난다는 수치는 별 위로가 되지 않습니다.

그렇다면 주니어 개발자가 위험해진 이 상황에서 우리는 어떻게 나아가야 할까요? AI가 가장 잘하게 될 일은 정답이 정해진 일일 것입니다. 예전의 학교 교육은 처음부터 끝까지 정답을 맞히는 데 집중했습니다.

그래서 저는 일자리가 있느냐 없느냐를 덜 보고, 취향을 기르는 데 더 집중하자고 제안합니다. 취향은 노력으로 쌓은 경험이 패턴 인식의 형태로 압축된 결과입니다. Kent Beck은 AI 에이전트가 취향을 갖게 될 가능성은 거의 없다고 말합니다. 여기서 취향이란 판단력을 뜻합니다. 결국 AI와 인간이 만나는 지점에서 그 판단력을 채우는 일은 인간의 몫입니다.

에이전트를 감독하는 일

이제 우리는 두 가지 책임을 떠안았습니다. 사고를 AI에 넘긴 결과를 감당하는 일과, 그 결과를 제대로 이해하는 일입니다.

코딩을 처음 배울 때, 현명한 스승은 스택 오버플로에서 복사해 붙여넣지 말라고 했습니다. 안타깝게도 우리 모두 언젠가, 특히 경력 중반에 그 조언을 어겨 봤을 겁니다. 이 문제는 복사·붙여넣기 결정을 AI 에이전트에 떠넘길 때 더 나빠집니다. Shaw와 Nave는 참가자 1,372명을 대상으로 약 1만 회의 시행을 조사한 결과, 이들이 잘못된 AI 출력을 받아들이는 경우가 거의 80%에 이른다는 사실을 발견했습니다. 정확도는 AI를 쓰지 않았을 때보다 약 15%포인트 떨어졌고, 반대로 자신감은 약 12% 올랐습니다.

에이전트는 조사, 구현, 테스트, 보고를 반복합니다. 인간은 그 바깥의 루프를 맡습니다. 결과가 살펴볼 가치가 있는지 결정하고, 디프와 테스트 결과, 로그, 짧은 근거를 확인한 뒤 승인하거나 막아야 합니다. 그 결과에 대한 책임도 인간의 몫입니다. 이때 판단의 경계가 되는 것은 증거입니다. 제가 늘 강조하는 원칙이기도 합니다.

두 루프 사이의 간극은 빠르게 벌어지고 있으며, 당신은 그것을 관리해야 합니다.

에이전트가 코드를 짜면, 어려운 일을 전부 그들이 하고 있다고 착각하기 쉽습니다. 에이전트가 대체로 맞게 해낼 때, 품질을 유지하기 위해 인간이 무엇을 해야 하는지는 잘 보이지 않습니다.

취향과 판단력을 기르는 일곱 가지

이제 에이전트를 관리하는 이야기에서, 당신의 취향과 판단력을 기르는 이야기로 넘어가겠습니다. 지금 당장 할 수 있는 구체적인 일 일곱 가지부터 시작합니다.

• 생성하는 코드보다 훨씬 더 많은 코드를 읽으세요. 논리 오류, 보안 구멍, 단순하거나 미묘한 엣지 케이스를 찾아내세요. 읽은 코드를 두고 정기적으로 스스로에게 물어보세요. 나는 제대로 된 것들을 고려했는가?

• 오답 로그를 남기세요. 에이전트가 저지르는 실수마다 한 문장씩 적습니다. 30일이 지나면 패턴이 보이기 시작합니다.

• 몇 가지는 일부러 어렵게 해 보세요. 파서나 CRM처럼 의미 있는 무언가를 처음부터 직접 만들어 보세요. 그 과정에서 덤으로 얻는 배움까지 놓치지 마세요. Karpathy는 메모리, 뷰(시스템에 세상이 어떻게 보이는가), 저장소처럼 에이전트가 자주 틀리는 기본기를 강조합니다.

• 한 시스템을 처음부터 끝까지 깊게 파고드세요. 한계에 부딪힐 때까지 밀어붙여 보세요. 그러고 나면 한 분야를 깊이 이해한다는 것이 무엇인지 알게 됩니다.

• 명세와 검증을 따로 하는 법을 익히세요. 명세를 쓰는 일은 생각을 명료하게 정리하는 일이고, 검증은 그 생각을 증거로 확인하는 일입니다. 좋은 명세는 결과를 크게 바꿉니다.

• 평가(eval)를 만드세요. 정확성, 유지보수성, 효율성, 보안, 스타일을 기준으로 삼는 테스트 프레임워크입니다. AI 에이전트가 만든 실제 PR 50개에 적용해 보세요. 예상치 못한 테스트 실패와 수정 사항을 기록하고, 자신만의 품질 기준을 명시적으로 드러내어 다듬으세요.

• 작업별로 자율성을 조정하세요. 비용이 적고 되돌릴 수 있는 작업에서는 자율성을 한껏 높이세요. 실패 비용이 큰 작업에서는 낮추세요. 이 조정을 배우는 것은 매일 갈고닦을 가치가 있는 시니어 개발자의 감각입니다.

에이전트를 만드는 사람들은 주니어에게 뭐라고 말할까요?

• "사람들은 여전히 언어, 컴파일러, 런타임, 시스템 설계를 비롯해 소프트웨어 엔지니어링의 밑바탕이 되는 기술을 알아야 할 것입니다"라고 Claude Code의 Boris Cherny는 말합니다. 그의 '코딩은 대체로 해결됐다'는 발언은 그가 개인적으로 생산적이라고 느끼는 워크플로우에 관한 것이지, 기본기를 버려도 된다는 뜻이 아닙니다. 엔지니어라면 내부에서 무슨 일이 벌어지는지 정말로 알아야 합니다.

• 감독의 역설을 경계하세요. Anthropic의 한 보고서에 따르면 직원들은 이미 답을 아는 문제에만 AI의 도움을 받습니다. 에이전트를 감독하려면, 역설적이게도 에이전트에 지나치게 의존할 때 약해지는 바로 그 능력이 필요하기 때문입니다. 주니어 개발자가 답을 맹목적으로 받아들이지 않고 이런 태도를 기르려면 의식적인 노력이 필요합니다. 도구는 신중하게 사용하면서 자신이 다루는 시스템을 더 깊이 이해해 나가세요.

• 어떤 능력을 덜 쓰게 둘지 신중하게 생각하세요. Gergely Orosz는 코딩에는 AI를 쓰지만 글쓰기에는 AI를 전혀 쓰지 않습니다. 트레이드오프를 염두에 두고, 어떤 능력을 계속 갈고닦을지 스스로 정하세요.

오래가는 가치는 어디에 몰릴까요?

무엇이 여전히 희소한지부터 생각하세요. 자본은 풍부합니다. 시간도 풍부합니다. 진짜 관계, 특히 좋은 일을 해 온 이력은 여전히 희소합니다. 저는 몇 주 만에 돈을 모을 수는 있어도, 평판을 쌓을 수는 없습니다. 바이브 코딩으로 손쉽게 돈을 벌 수 있게 되면 그렇게 번 돈의 가치도 작아집니다. 정작 드문 능력은 세상에 내놓을 만한 것을 고르는 일입니다. 이런 관점에서 보면 네 가지 원칙이 나옵니다.

1. 라스트 마일을 끝내세요. 자동화는 소프트웨어 엔지니어링의 쉬운 80~90%를 감당합니다. 라스트 마일, 즉 엣지 케이스와 아키텍처와 취향이 승부의 전부입니다. 초안이 공짜가 될수록, 마무리가 곧 제품이며, 사람들이 자신을 차별화하는 지점도 바로 거기입니다.

2. 어려운 버전을 푸세요. 지난 30년에 걸친 Richard Sutton의 그 유명한 쓰라린 교훈(bitter lesson)은 단순한 커리어 조언이 아닙니다. 쉬운 버전은 이미 풀렸고, 오래가는 가치는 어려운 쪽을 푸는 데서 나옵니다.

3. 어려운 문제 가까이에서, 공개적으로 만드세요. 잘 구상한 프로젝트는 혼자 완성하려면 1년이 걸릴 수 있고, 중간에 흐지부지되거나 일부만 베끼기 쉽습니다. 이런 제약 때문에 주니어 개발자는 오픈 소스를 포기하곤 합니다. 하지만 뛰어난 작업으로 쌓은 오픈 소스 이력이 그만큼 희소하다는 점을 생각하면, 이 제약은 그리 중요하지 않습니다. 축구의 기대 득점(expected goals)처럼 생각해 보세요. 당신의 평판과 공개된 작업물이 골문 앞에서 몇 번의 기회를 얻을지를 결정하고, 판단력은 그 기회를 득점으로 바꾸느냐를 좌우합니다. 어떤 기회가 찾아올지는 정할 수 없습니다. 다만 기회가 왔을 때 잡을 수 있는 자리에 설지는 정할 수 있습니다. 제가 얻은 진짜 기회는 거의 전부 공개적으로 한 작업에서 왔지, 지원한 일자리에서 온 적은 없습니다. 그러니 당신이 풀고 싶은 어려운 문제가 있는 곳이라면 어디든 발을 들이세요. 중소 규모 회사에서 인턴으로 일하거나, 소프트웨어 엔지니어로 경력을 시작하거나, 실제 운영할 수 있는 코드로 의미 있는 사이드 프로젝트를 만드는 것도 방법입니다. 요령을 부려 대충 넘어가려는 사람은 그게 정말 어렵다는 걸 알게 될 것입니다.

4. T자형 제너럴리스트가 되세요. 한두 분야를 깊이 이해하면서도 폭넓은 소양을 갖춘 개발자가 대체로 가장 좋은 결과를 냅니다. AI의 도움을 충분히 받으면 개발자는 예전보다 적은 분야에 집중하면서도 개인 기여자로서 더 많은 일을 해낼 수 있습니다. 규모가 작고 여러 기능을 아우르는 팀, 그리고 엔드투엔드 엔지니어를 중심으로 일하는 팀이 성장할 것입니다.

쉽게 말하면, 세상에 기회가 부족한 게 아닙니다. 알맞은 문제를 찾아내고, 기계가 그것을 풀었는지 가려내고, 기계가 멈춘 지점 너머까지 마무리할 수 있는 사람이 부족한 것입니다.

우리는 '라스트 마일'을 퍼즐에서 가장 큰 조각이라고 말합니다. 하지만 에이전트의 세계에서는 그 마지막 몇 걸음이 끝없이 이어집니다. 에이전트는 산출물을 무한히 늘릴 수 있지만, 인간의 역량에는 한계가 있습니다. 한 번 쓴 주의력은 되돌릴 수 없으므로 가장 소중한 자산처럼 지켜야 합니다. 남이 채점할 수 있는 일은 무엇이든 자동화되고 있습니다.

커리어의 핵심은 남이 채점할 수 없는 부분에 있습니다. 무엇이 중요한지 고르고, 원하는 결과를 얻었는지 정직하게 판단하고, 그 결과를 책임지는 일입니다. 어려운 문제 가까이에서 그 일을 공개적으로 해 나가세요. 나머지는 대체로 따라옵니다.

---

Pangram은 이 글을 100% 사람이 작성한 것으로 평가했습니다.

원저자 Addy Osmani는 14년 넘게 구글에서 Chrome 전반의 개발자 경험을, 최근 몇 년간은 AI(Gemini, 코딩 에이전트, 에이전틱 엔지니어링)를 이끌어 온 엔지니어링·에반젤리즘 리더이며, 가장 최근에는 Google Cloud AI의 디렉터입니다.