AI 시대에 경력직 엔지니어로서 AI 시대에 프로그래밍은 어떤식으로 변하게 될까 어떤 컨텐

## 지금 상황 한 줄 정리 요즘 느낌이 “AI가 코드 다 짜주면 나 같은 경력 개발자는 뭘 해야 하지?” 이런 불안 + 궁금증 섞인 상태인 것 같아. 예전엔 ‘얼마나 빨리/잘 구현하냐’가 승부였는데, Claude Code나 Copilot 같은 거 써보면 “이 정도면 신입 일은 이미 다 하는 거 아닌가?”라는 생각도 들지. [7] 실제로 업계 글들을 보면, 개발자 역할이 “키보드 두드리는 코더”에서 “문제를 정의하고, 설계하고, AI를 포함한 도구를 잘 조합하는 전략가” 쪽으로 바뀌고 있다는 말이 계속 나와. [1][2][3] 이 말은, 프로그래밍 자체가 사라지는 게 아니라 **프로그래밍의 ‘형태’와 ‘비중’이 바뀌고 있다**는 거야. 채용 시장에서도 “AI 도구를 잘 쓴다”만으로는 안 뽑고, 여전히 기본 CS, 설계 능력, 도메인 이해도, 협업 능력을 먼저 본다는 얘기가 나와. [2][6][7] 다만, 그 위에 “AI를 써서 얼마나 더 레버리지를 내냐”가 추가 스펙처럼 붙는 느낌이고. 한 줄로 정리하면, **“AI 시대에는 ‘손이 빠른 코더’에서 ‘문제 정의·설계·검증을 하는 엔지니어’로 포지션을 옮겨야 하고, 공부/일하는 방식도 그 방향으로 바꾸는 게 좋다”인 것 같아.** ## 계속할지를 결정할 기준 먼저 시장 얘기부터 할게. 글로벌 기준으로 보면, AI 덕분에 코드 생산성은 미친 듯이 올라가는데, 그렇다고 개발자 수요가 줄어든 건 아니고 역할이 재편되는 중이야. GitHub, AWS 쪽 글을 보면 “AI가 새로운 타입의 개발·엔지니어링 일을 계속 만들어낼 거라, 커리어를 재설계하는 쪽이 중요하다”고 해. [2][5] Figma 블로그에서도 “AI가 코드 생성 자체를 빠르게 해주면서, 엔지니어에게 더 중요해지는 건 문제 정의, 시스템 설계, 협업, 제품 감각, 품질 책임 같은 스킬”이라고 못 박고 있어. [1] 이건 단순히 ‘툴 하나 더 배우자’가 아니라, **직무의 핵심 역량 정의가 바뀐다는 얘기**야. 국내 글들도 비슷한 결론이야. 인포그랩 글에서 “AI 때문에 개발자라는 직군이 사라지는 게 아니라, AI를 이해하고 도구로 쓰는 개발자/AI를 못 쓰는 개발자로 양극화될 것”이라고 하고, 특히 DevOps나 데이터·플랫폼 쪽처럼 시스템 레벨에 가까울수록 레버리지가 더 커진다고 봐. [3][8] 반대로, Careerly 글 중 하나는 “취준이나 이직 시장에서 여전히 기본기(자료구조, 네트워크, OS, DB)와 실서비스 경험이 더 우선이고, AI 툴은 그걸 ‘가속’하는 수단”이라고 짚어. [6][7] 즉, AI만 열심히 파는 건 위험하고, **AI는 ‘곱하기’라서 앞에 곱할 기본 실력이 없으면 아무것도 안 된다는 느낌**이야. 그래서 “계속 프로그래밍을 해야 할까?”를 고민한다면, 기준을 이렇게 잡아보면 좋아: 1. **코드를 짜는 행위 자체보다, 문제를 쪼개고 설계하고 검증하는 걸 즐기냐** – 이게 좋아야 AI 시대에도 재미있게 갈 수 있어. [1][2] 2. **도메인(비즈니스/산업)에 대한 호기심이 있냐** – AI가 보일러플레이트를 짜줄수록 도메인 이해가 차별점이 돼. [2][3] 3. **새 도구를 빠르게 실험하고 워크플로를 바꾸는 걸 두려워하지 않냐** – AI는 매년 판이 바뀌니까, 이 적응력 없으면 피곤해진다. [1][2][7] 이 세 가지에 “그래도 난 이쪽이 맞는 것 같다”는 느낌이 든다면, **계속 가는 게 맞고, 대신 자기 정의를 ‘코더’에서 ‘AI를 포함한 문제 해결 엔지니어’로 업데이트해야 한다**고 봐. ## 계속한다면, 어떻게 다르게 할지 이제 “그래, 계속 간다고 치자”면, 관건은 **어떻게 공부하고, 어떻게 ‘쓰는지(코딩/콘텐츠 둘 다)’**야. Figma 글이 말하는 AI 시대 엔지니어의 핵심 스킬 여섯 가지가 대략 이런 방향이거든: 문제 정의, 시스템 사고, 협업, 제품 마인드, 실험 문화, 책임감 있는 사용. [1] 이걸 기준으로 자기 루틴을 갈아엎어보는 게 좋아. AI 코딩 툴 쓰는 방식부터 정리하자면, 이제는 - “코드 한 줄 한 줄을 내가 다 짠다” → “내가 설계와 의도, 제약을 정의하고 AI에게 짜게 한다” - “결과를 신뢰한다” → “결과를 공격적으로 검증하는 리뷰어·테스터 역할로 올라선다” 이렇게 역할을 바꾸는 게 핵심이야. GitHub도 개발자의 새 역할을 “실행자에서 전략가/품질 책임자”로 보거든. [2][4] 공부 루틴은 대략 이렇게 가져가면 좋아: - **1) 매일 AI와 페어 프로그래밍** - 새 기능 구현할 때 “문제 서술 + 요구사항 + 제약”을 프롬프트로 丁하게 적어보고, 거기서 나온 코드를 리뷰하듯 보는 습관 들여봐. - 목표는 “코드량을 줄이는 것”이 아니라, “내가 설계·검증에 쓰는 두뇌 비중을 늘리는 것”. [1][2][7] - **2) CS/아키텍처는 오히려 더 파야 돼** - AI가 짜준 코드의 성능/확장성/보안 이슈를 판단하려면, 네트워크, DB, 캐시, 동시성 같은 기초가 더 중요해져. [2][3][6] - 즉, “구현 스킬은 AI와 분담, 시스템 사고는 내가 책임” 구조로 가야 살아남는다는 느낌이야. [1][3] - **3) 도메인 + 제품 감각 쌓기** - AWS, GitHub 다 “AI 시대에는 비즈니스 임팩트를 내는 엔지니어가 더 각광받는다”고 해. [2][5] - 지금 있는 업종(핀테크, 커머스, B2B SaaS 등)에서 **유저 문제와 숫자(KPI)를 같이 보는 연습**을 해봐. 요구사항을 자연어로 잘 정의하는 능력이 곧 AI에게 일을 시키는 능력이거든. [1][2] - **4) 협업과 커뮤니케이션** - Po-Shen Loh 인터뷰에서도, AI 시대에 인간에게 남는 건 결국 “네트워크, 신뢰, 협업 능력”이라고 하거든. [10] - PR 메시지, 설계 문서, 티켓 작성, 회고 글을 좀 더 구조적으로 쓰는 연습을 해봐. 이게 그대로 “AI에게 줄 프롬프트 퀄리티”로 직결돼. [1][2][10] 그리고 “어떤 콘텐츠를 읽을까?”에 대해선 이렇게 추천해볼게: - **전략/시대 흐름 파악용**: GitHub 블로그의 AI·개발자 역할 관련 글들 [2][4], 인포그랩의 AI 시대 개발자 커리어 글 [3][8] - **실무 감각/국내 사례**: Careerly의 “AI 시대 어떤 기술이 중요해질까?”, “AI보다 먼저 챙겨야 할 것” 같은 글들 [6][7] - **스킬 체크용**: Figma의 “6 skills every engineer needs for the AI era” 글 읽고, 내 현재 상태랑 갭 분석해보기. [1] 읽기만 하면 아무 의미 없으니까, 최소한 이런 식으로 “써보는 것”까지 묶어봐: - 읽은 글 하나당, **요약 + 내 상황에 어떻게 적용할지 3줄 메모** 남기기 (노션/블로그/커리어리 아무 데나) - AI 도구 써서 만든 코드나 자동화, 프롬프트 팁들을 짧은 회고 형태로 공유해보기 → 이게 나중에 포트폴리오/이직 스토리로 재활용된다. [5][7][8] ## 그만둔다면, 챙기고 나가기 만약 진지하게 “개발 말고 다른 길?”을 생각 중이라면, AI 시대에는 오히려 **“개발 백그라운드 있는 비개발 직무”**가 꽤 많은 기회를 갖는 것도 사실이야. AWS 글에서 보듯, AI 덕분에 새롭게 생기는 역할(프로덕트, AI 도입 컨설팅, 데이터 관련 직무 등)이 늘어나고 있거든. [5] 여기서 중요한 건, 그냥 “개발이 싫다”가 아니라 - 내가 좋아하는 건 **사람/조직/전략/비즈니스 쪽인지**, - 아니면 **콘텐츠, 교육, 기획, PM, 데이터 분석** 같은 쪽인지 를 좀 찬찬히 보는 거야. 이쪽들도 결국 “IT/AI를 이해하는 사람”을 더 선호하는 추세라, 지금까지 쌓은 개발 경력을 버리는 건 아니거든. [3][5][10] 그만둔다고 해도, 최소한 이건 챙기고 나가는 게 좋아: - **1) 내 프로젝트/경력에서 ‘문제 → 해결 → 임팩트’ 스토리 정리** - 이건 어떤 직무로 가든 그대로 써먹는 자산이야. [2][5] - **2) AI/자동화 경험은 명시적으로 남겨두기** - “어떤 업무를 AI/스크립트로 자동화해서, 시간/비용을 얼마나 줄였다” 같은 건 모든 직군에서 먹히는 어필 포인트야. [3][5] - **3) “개발을 왜 떠나는지”를 자신에게 솔직하게 정리하기** - 이걸 안 해두면, 다른 직무 가서도 비슷한 고민을 반복할 수 있어. 그리고 개발을 완전히 끊는 게 아니라, **“내가 하는 다른 일에서 AI/자동화를 잘 쓰는 사람”**으로 남는 것도 방법이야. 이건 커리어리나 각종 글에서도 계속 나오는 흐름이고. [3][5][10] ## 정리하면 AI 시대에 프로그래밍은 “코드를 타이핑하는 일”에서 “문제를 정의하고, 설계하고, AI와 협업해서 해결하는 일”로 비중이 이동하는 중이야. [1][2][3][7] 그래서 뭘 읽을지·어떻게 코딩할지는 **AI를 더 잘 쓰는 코더**가 아니라 **AI를 포함해 시스템을 설계·검증하는 엔지니어** 쪽으로 나를 재정의하는 기준으로 잡는 게 좋고. 계속 개발자로 갈 거면, AI를 일상 도구로 쓰면서 CS/아키텍처·도메인 이해·커뮤니케이션을 강화하는 쪽으로 루틴을 갈아엎어봐. [1][2][6][7] 반대로 다른 길을 본다면, “개발 출신이라는 강점 + AI 이해도”를 살려갈 수 있는 역할 쪽으로 옮겨가는 걸 추천하고. [3][5][10] 필요하면, 지금 하고 있는 일/스택/연차 알려주면 그 기준으로 “6개월짜리 AI 시대 업스킬 플랜”도 같이 짜보자.