Addy Osmani "The Next Two Years of Software Engineering" 분석
관련글
The Next Two Years of Software Engineering
들어가며
Google의 시니어 엔지니어 Addy Osmani가 2026년 1월 5일 발표한 이 글은 AI 시대 소프트웨어 엔지니어링의 미래를 다섯 가지 핵심 질문으로 정리한 탁월한 분석이다. 이 글이 특히 주목할 만한 이유는 단순히 기술 트렌드를 나열하는 것이 아니라, 각 이슈마다 낙관적 시나리오와 비관적 시나리오를 동시에 제시하면서 개발자들이 실제로 어떻게 대응해야 하는지 구체적인 행동 지침을 제공한다는 점이다.
이 글을 읽으며 가장 인상적이었던 점은 Osmani가 AI 도구 제공자인 Google에 소속되어 있음에도 불구하고 AI에 대한 맹목적 낙관론을 경계하고, 데이터와 현실에 기반한 균형잡힌 시각을 유지한다는 것이다. 하버드 연구, BLS 통계, 실제 채용 데이터 등을 인용하며 주장의 신뢰성을 높이는 동시에, 현장 개발자들의 목소리를 직접 인용하여 이론과 실무의 간극을 메우려 노력한다.
핵심 통찰: 다섯 가지 질문이 던지는 의미
1. 주니어 개발자의 운명: 파이프라인의 붕괴인가, 재정의인가
Osmani가 제시한 하버드 연구 결과는 충격적이다. 6,200만 명의 근로자를 대상으로 한 연구에서 기업이 생성형 AI를 도입하면 6분기 내에 주니어 개발자 고용이 9-10% 감소하는 반면, 시니어 개발자 고용은 거의 변하지 않는다는 발견은 단순한 통계 이상의 의미를 갖는다. 이는 AI가 단순히 생산성 도구가 아니라 인력 구조 자체를 재편하는 파괴적 기술임을 보여준다.
빅테크가 지난 3년간 신입 채용을 50% 줄였다는 사실은 이미 현실이 되고 있는 미래를 보여준다. “왜 9만 달러를 주고 주니어를 뽑아? AI 코딩 에이전트가 훨씬 싸잖아”라는 냉소적인 발언은 실제로 많은 기업 의사결정자들의 머릿속에 있는 계산일 것이다.
그러나 Osmani가 지적한 “느린 붕괴(slow decay)”의 개념은 더욱 섬뜩하다. 오늘의 주니어가 내일의 시니어이자 기술 리더인데, 주니어 파이프라인을 완전히 차단하면 5-10년 후 리더십 공백이 발생한다는 경고는 단기 효율성에만 집중하는 기업들이 놓치기 쉬운 장기적 리스크다. 이는 마치 나무를 키우지 않고 계속 베기만 하는 것과 같다.
반면 낙관적 시나리오 - AI가 소프트웨어를 모든 산업으로 확산시켜 개발자 수요가 오히려 증가한다는 전망 - 역시 설득력이 있다. BLS의 2024-2034 소프트웨어 직업 15% 성장 예측이 이를 뒷받침한다. 헬스케어, 농업, 제조, 금융 등 전통 산업에 소프트웨어가 깊숙이 침투하면서 “AI 네이티브” 개발자들이 특정 도메인을 위한 자동화와 통합을 빠르게 구축하는 새로운 형태의 진입 역할이 생길 수 있다.
이 두 시나리오 중 어느 것이 현실이 될지는 아직 불확실하지만, 분명한 것은 과거의 “코딩 배우고 → 주니어 직업 얻고 → 시니어로 성장”하는 단순한 경로는 더 이상 작동하지 않는다는 점이다. 주니어 개발자들은 이제 AI와 협업하여 소규모 팀의 아웃풋을 혼자 만들 수 있음을 입증해야 하고, 단순히 “훈련이 필요한 신입”이 아니라 “빠르게 배우는 즉시 유용한 엔지니어”가 되어야 한다.
2. 스킬의 역설: 약화되는가, 더 중요해지는가
84%의 개발자가 AI 어시스턴스를 정기적으로 사용한다는 통계는 이제 AI 도구 사용이 선택이 아니라 표준이 되었음을 보여준다. 많은 개발자들에게 버그나 새 기능을 마주했을 때 첫 번째 본능은 코드를 직접 작성하는 것이 아니라 프롬프트를 작성하고 AI 생성 조각들을 엮는 것이 되었다.
여기서 Osmani가 제기하는 근본적인 질문은 이것이다: 이진 탐색 트리를 직접 구현해본 적 없고, 메모리 누수를 혼자 디버깅해본 적 없는 세대가 과연 훌륭한 엔지니어가 될 수 있는가? 이는 “탈숙련화(deskilling)”에 대한 우려로, 계산기가 암산 능력을 약화시켰듯이 AI가 기본적인 프로그래밍 능력을 약화시킬 수 있다는 두려움이다.
그러나 역설적이게도 반대 시나리오도 똑같이 설득력이 있다. AI가 일상적인 80%를 처리하면서 인간은 가장 어려운 20%에 집중하게 된다는 것이다. 아키텍처, 까다로운 통합, 창의적 설계, 엣지 케이스 - 기계만으로는 해결할 수 없는 문제들. 이 관점에서 보면 AI의 편재성이 오히려 인간 전문성을 더 중요하게 만든다.
“최고의 소프트웨어 엔지니어는 가장 빠른 코더가 아니라 AI를 언제 불신해야 하는지 아는 사람”이라는 시니어 엔지니어의 말은 핵심을 찌른다. 모든 사람이 AI 코딩 에이전트에 접근할 수 있다면, 뛰어난 개발자를 구별하는 것은 AI가 틀렸거나 최적이 아닐 때를 아는 능력이다.
이는 프로그래밍의 본질이 변화하고 있음을 의미한다. 보일러플레이트 타이핑은 줄어들고, 논리적 오류, 보안 결함, 요구사항 불일치를 찾기 위한 AI 출력 검토가 늘어난다. 핵심 스킬은 소프트웨어 아키텍처, 시스템 설계, 성능 튜닝, 보안 분석으로 이동한다. AI는 웹 앱을 빠르게 만들 수 있지만, 전문 엔지니어는 AI가 보안 모범 사례를 따랐는지, 경쟁 조건을 도입하지 않았는지 확인한다.
결국 업계가 기대하는 것은 둘 다다: AI의 속도와 품질을 위한 기초적 지혜. 이는 개발자들에게 더 높은 기준을 요구하는 것이며, “어떻게든 작동하는 코드”에서 “보안, 성능, 유지보수성까지 고려한 코드”로의 전환을 의미한다.
3. 역할의 재정의: 감시자인가, 조율자인가
Osmani가 제시한 두 가지 극단적 미래 - 제한된 감사자 역할로의 축소 vs 핵심 오케스트레이터로의 확장 - 는 개발자 커뮤니티의 가장 큰 불안과 희망을 동시에 반영한다.
비관적 시나리오에서 개발자는 창의적 책임을 잃는다. 소프트웨어를 만드는 대신 주로 AI 출력을 감사하고 보모 역할을 한다. AI 시스템이나 노코드 플랫폼을 사용하는 “시민 개발자”가 생산을 담당하고, 인간 개발자는 자동 생성된 코드를 검토하고, 오류나 편향, 보안 문제를 확인하고, 배포를 승인한다. 만드는 사람이 검사자가 된다. 코드 창작의 기쁨은 리스크 관리의 불안으로 대체된다.
“AI가 벽 너머로 던지는 것을 청소하는 코드 관리인이 되고 싶지 않다”는 엔지니어의 한탄은 많은 개발자들의 우려를 대변한다. 이는 단순히 업무 내용의 변화가 아니라 직업적 정체성의 위기다.
그러나 대안적 미래는 훨씬 더 흥미롭다. 개발자가 고수준 오케스트레이터로 진화하여 기술적, 전략적, 윤리적 책임을 결합한다는 비전이다. AI “워커”가 있다는 것은 인간 개발자가 건축가나 종합 계약자 역할을 맡는다는 의미다. 전체 시스템을 설계하고, 어떤 작업을 어떤 AI나 소프트웨어 컴포넌트에 할당할지 결정하고, 여러 움직이는 부품들로부터 솔루션을 짜낸다.
로우코드 플랫폼 CEO가 표현한 “에이전틱” 개발 환경에서 엔지니어는 “작곡가”가 되어 AI 에이전트와 소프트웨어 서비스의 앙상블을 지휘한다는 개념은 매력적이다. 모든 음표를 직접 쓰지는 않지만 멜로디를 정의한다: 아키텍처, 인터페이스, 에이전트 상호작용 방식. 이 역할은 학제간이고 창의적이다: 소프트웨어 엔지니어이자 시스템 아키텍트이자 제품 전략가.
어느 쪽으로 갈지는 조직이 AI를 어떻게 통합하기로 선택하느냐에 달려 있을 수 있다. AI를 노동력 대체로 보는 기업은 개발 팀을 축소하고 남은 엔지니어에게 자동화를 계속 실행하도록 요청할 것이다. AI를 팀을 증폭시키는 방법으로 보는 기업은 헤드카운트를 비슷하게 유지하되 각 엔지니어가 더 야심찬 프로젝트를 제공하도록 할 것이다.
4. 전문가 vs 제너럴리스트: T자형 인재의 부상
기술 스택 하나에만 경력을 거는 것의 위험성에 대한 Osmani의 경고는 시의적절하다. 레거시 프레임워크의 전문가가 새로운 AI 도구가 최소한의 인간 개입으로 그 기술을 처리할 때 갑자기 수요가 줄어드는 자신을 발견할 수 있다. COBOL 개발자, Flash 개발자, 모바일 게임 엔진 전문가를 생각해보라 - 산업이 움직일 때 피벗하지 않은 사람들.
지금 다른 점은 변화의 속도다. AI 자동화는 특정 프로그래밍 작업을 사소하게 만들 수 있어서, 그런 작업을 중심으로 한 역할을 약화시킨다. 한 가지만 아는 전문가(SQL 쿼리 미세 조정, Photoshop 디자인을 HTML로 분할)는 AI가 그 작업의 90%를 처리하는 것을 발견할 수 있다.
그러나 역설적으로 새로운 형태의 전문화가 부상하고 있다: “다재다능한 전문가” 또는 T자형 개발자. 한두 영역에서 깊은 전문성(수직 선)과 많은 다른 영역에 대한 광범위한 친숙성(수평 선)을 갖춘 사람. 이런 엔지니어는 다학제 팀의 “접착제”가 되어 다른 분야의 전문가들과 소통하고 필요할 때 공백을 메운다.
45%의 엔지니어링 역할이 이제 여러 도메인의 숙련도를 기대한다는 통계는 의미심장하다: 프로그래밍과 클라우드 인프라 지식, 또는 프론트엔드와 약간의 ML 친숙성. 이는 단순한 트렌드가 아니라 구조적 변화다.
흥미롭게도 AI 도구는 실제로 제너럴리스트를 더 증폭시킨다. 한 사람이 핸드오프를 기다리지 않고 여러 컴포넌트를 처리하기 더 쉽게 만든다. 백엔드 엔지니어는 AI 도움으로 합리적인 UI를 만들 수 있고, 프론트엔드 전문가는 AI가 서버 보일러플레이트를 생성하도록 할 수 있다. AI가 풍부한 환경은 사람들이 더 광범위하게 작동하도록 한다. 한편 깊은 전문가는 자신의 틈새가 부분적으로 자동화되어 쉽게 확장할 방법이 없다는 것을 발견할 수 있다.
5. 교육의 위기: 대학은 살아남을 수 있는가
전통적인 4년제 CS 학위가 소프트웨어 역할로 가는 주요 티켓이었다는 사실은 흔들리고 있다. Osmani가 제시한 두 시나리오는 모두 현재 진행형이다.
첫 번째 시나리오에서 대학은 중요하지만 관련성을 유지하는 데 어려움을 겪는다. 학위는 여전히 기본 자격증이지만, 프로그램은 느린 커리큘럼 업데이트 주기와 관료적 승인 프로세스에 방해받아 빠르게 진화하는 요구사항을 따라가지 못한다. 최근 졸업생들은 학위 기간 동안 클라우드 컴퓨팅, 현대 DevOps, AI 도구에 대해 배운 적이 없다고 보고한다.
학자금 대출 부채는 막대하고, 기업들은 새 졸업생들이 직장에서 필요한 기술이 부족하기 때문에 수십억 달러를 훈련에 쓴다. 대학들이 높은 시간과 재정 투자를 요구하면서 낮은 관련성 교육을 제공한다면, 비싼 게이트키퍼로 보일 위험이 있다.
그러나 파괴적 시나리오도 똑같이 현실화되고 있다. 코딩 부트캠프, 온라인 인증, 자습 포트폴리오, 고용주 주도 교육 아카데미. Google, IBM 같은 유명 고용주들이 특정 기술 역할에 대한 학위 요구사항을 철폐했다. 2024년 거의 45%의 기업이 최소한 일부 직위에 대해 학사 학위 요구사항을 제거할 계획이었다.
부트캠프는 성숙했다. 최고 기업에서 CS 졸업생과 함께 채용되는 졸업생을 배출한다. 이 프로그램들은 더 짧고(12주 집중), 실용적 기술에 초점을 맞춘다: 현재 프레임워크, 클라우드 서비스, 팀워크. 채용 화폐는 라이브 포트폴리오, 마이크로 자격증, 검증된 기술로 이동하고 있다.
더 흥미로운 것은 AI 자체가 새로운 학습 방법을 제공한다는 점이다: AI 튜터, 대화형 코딩 샌드박스, 대학 환경 밖에서의 개인화된 교육. 강력한 CS 대학이 없는 나라의 아이가 실리콘밸리의 누군가와 동일한 Coursera 과정을 듣고 동일한 포트폴리오를 만들 수 있다. 학습의 모듈식 생태계는 비싼 4년 학위보다 훨씬 더 접근 가능하다.
비판적 평가: 무엇이 빠졌는가
Osmani의 분석은 균형잡히고 데이터 기반이지만, 몇 가지 중요한 측면이 상대적으로 덜 다뤄졌다.
첫째, 지역별, 산업별 편차가 크다. 실리콘밸리나 시애틀의 현실이 중소도시나 비기술 산업의 현실과 같지 않다. 한국처럼 대기업 중심 생태계를 가진 나라에서는 AI 도구 도입 패턴이 다를 수 있다. 삼성, 네이버, 카카오 같은 기업들의 AI 전략이 전체 한국 개발자 시장에 미치는 영향은 훨씬 더 직접적이고 집중적일 것이다.
둘째, 비용 구조에 대한 분석이 제한적이다. AI 코딩 도구가 “주니어보다 싸다”는 주장은 단순화된 계산이다. 실제로는 AI API 비용, 인프라 비용, AI 출력 검증 비용, 잘못된 코드로 인한 숨겨진 비용 등을 고려해야 한다. Anthropic 자체 연구에서도 현재 Google이 AI 생성 코드 25%, Microsoft가 20-30% 수준이라는 점을 감안하면, 90% AI 생성 코드는 먼 미래의 이야기다.
셋째, 문화적, 조직적 저항에 대한 논의가 부족하다. AI 도구를 도입하는 것과 실제로 조직 전체가 효과적으로 사용하는 것은 다른 문제다. 많은 기업들이 ChatGPT 같은 도구에 접근할 수 있지만, 체계적인 워크플로우를 구축한 기업(Claude Skills 같은)이 40% 시간 절감을 달성하는 반면, 기본적인 사용에 머무는 기업은 뒤처진다는 현실이 있다.
넷째, 보안과 책임성 문제가 상대적으로 가볍게 다뤄졌다. AI 생성 코드의 라이선스 문제, 보안 취약점, 규제 준수 문제는 단순히 “검토하면 된다”보다 훨씬 복잡하다. 특히 금융, 의료, 국방 같은 높은 규제 산업에서는 AI 생성 코드 사용이 법적, 윤리적 문제를 야기할 수 있다.
다섯째, 정신 건강과 직업 만족도에 대한 언급이 제한적이다. “코드 관리인”이 되는 것에 대한 불안은 단순한 역할 변화를 넘어 정체성 위기다. 많은 개발자들이 코딩 자체를 즐기는데, AI가 그 즐거움을 빼앗아간다면 이직이나 번아웃이 증가할 수 있다.
한국 시장에의 적용: 특수한 맥락
한국 소프트웨어 생태계는 몇 가지 독특한 특징으로 인해 Osmani의 분석이 다르게 적용될 수 있다.
첫째, 대기업 중심 구조다. 네이버, 카카오, 삼성, LG 같은 소수의 대기업이 개발자 시장을 지배한다. 이들 기업의 AI 도입 결정이 전체 시장에 미치는 영향이 미국보다 훨씬 크다. 네이버의 HyperCLOVA X, 삼성의 가우스 등 자체 AI 모델 개발도 고려해야 한다.
둘째, 교육열과 학벌 중시 문화다. 미국에서는 부트캠프나 자습이 대안이 될 수 있지만, 한국에서는 여전히 서울대, KAIST 같은 명문대 CS 학위가 큰 프리미엄을 갖는다. 45%의 기업이 학위 요구사항을 철폐한다는 미국 트렌드가 한국에서 똑같이 나타날지는 의문이다.
셋째, 군 복무와 취업 시기의 특수성이다. 한국 남성 개발자들은 대부분 20대 중후반에 사회에 진입하는데, 이 시기에 AI 도구가 빠르게 진화한다면 복무 전후 기술 격차가 클 수 있다. 2년의 공백이 과거보다 훨씬 더 큰 의미를 가질 수 있다.
넷째, SI(시스템 통합) 산업의 비중이 크다. 한국 개발자의 상당수가 SI 프로젝트에 종사하는데, 이 영역은 창의성보다 정해진 요구사항의 빠른 구현을 중시한다. AI 코딩 도구가 가장 먼저, 가장 크게 영향을 미칠 가능성이 높은 영역이다.
다섯째, 정부 주도 AI 정책이다. 한국은 “AI 주권” 개념을 강조하며 자체 AI 생태계 구축에 투자하고 있다. 이는 글로벌 AI 도구(Claude, GPT, Gemini)와 국산 도구 사이의 선택 문제를 만든다.
실용적 시사점: 무엇을 해야 하는가
Osmani의 조언은 대체로 타당하지만, 한국 맥락과 2026년 현재 상황을 고려하여 몇 가지 추가할 점이 있다.
주니어 개발자는 단순히 AI 도구를 사용하는 것을 넘어 AI 도구의 한계를 이해해야 한다. Claude Code, Cursor, GitHub Copilot, Gemini CLI를 모두 사용해보되, 각각이 어떤 상황에서 잘 작동하고 어디서 실패하는지 직접 경험해야 한다. 포트폴리오를 만들 때는 “AI로 이것을 만들었습니다”가 아니라 “AI를 이렇게 활용했고, 이런 문제를 이렇게 해결했습니다”를 보여줘야 한다.
시니어 개발자는 “AI 회의론자”도 “AI 맹신자”도 되어서는 안 된다. 대신 “AI 현실주의자”가 되어야 한다. 팀에 AI 도구 사용 가이드라인을 만들되, 획일적 규칙보다는 상황별 판단 기준을 제시해야 한다. 예를 들어, “결제 관련 코드는 AI 생성 후 반드시 2인 이상 수동 검토” 같은 구체적 프로토콜.
기업은 단순히 AI 도구를 구매하는 것을 넘어 조직적 학습 시스템을 구축해야 한다. Claude Skills 같은 체계적 워크플로우, 내부 베스트 프랙티스 공유, AI 사용 사례 라이브러리 등. 40%의 시간 절감을 달성하는 기업과 그렇지 못한 기업의 차이는 도구가 아니라 조직 역량에 있다.
교육 기관은 “AI 시대에도 변하지 않는 것”에 집중해야 한다. 알고리즘 구현 스킬보다 알고리즘 선택 능력, 문법 암기보다 시스템 사고, 코딩 속도보다 문제 정의 능력. 동시에 최신 AI 도구를 커리큘럼에 통합하되, 도구 사용법이 아니라 도구를 비판적으로 평가하는 능력을 가르쳐야 한다.
개인적으로는 Osmani의 “T자형 개발자” 권고가 가장 실용적이라고 본다. 하나의 깊은 전문성(예: 백엔드 아키텍처)을 가지되, 인접 영역(프론트엔드, DevOps, 데이터)에 대한 작업 지식을 갖춘 사람. AI 도구는 이런 T자형 성장을 오히려 쉽게 만든다. 백엔드 개발자가 AI 도움으로 React UI를 만들어보고, 프론트엔드 개발자가 간단한 API를 작성해보는 것이 과거보다 훨씬 빠르고 쉽다.
결론: 불확실성 속에서의 확실한 전략
Osmani의 글이 주는 가장 중요한 메시지는 “확실한 미래는 없다”는 인정이다. AI가 주니어 개발자 일자리를 줄일지 늘릴지, 스킬을 약화시킬지 강화시킬지, 역할을 축소시킬지 확장시킬지 - 이 모든 것은 아직 열려 있다.
그러나 불확실성 속에서도 확실한 전략은 있다. 지속적 학습, 다양한 역량 개발, AI를 도구로 사용하되 의존하지 않기, 인간만이 할 수 있는 것(창의성, 판단력, 공감)에 투자하기. 이것들은 어떤 시나리오에서도 유용하다.
2026년 1월 현재, 우리는 Osmani가 말한 “이상한 변곡점”에 정확히 서 있다. Claude Opus 4.5, GPT-5.2, Gemini 3 Pro 같은 추론 모델의 등장으로 AI 코딩 능력은 또 한 번 도약했다. 그러나 동시에 이런 도구들의 실제 채택률과 효과는 여전히 과대광고와 현실 사이 어딘가에 있다.
Osmani의 분석이 탁월한 이유는 양쪽 극단을 모두 인정하면서도, 중간 어딘가의 현실을 준비하라고 조언하기 때문이다. AI는 마법 같은 해결책도, 직업을 파괴하는 악마도 아니다. 그것은 우리가 어떻게 사용하느냐에 따라 증폭기가 될 수도, 족쇄가 될 수도 있는 강력한 도구다.
“미래를 예측하는 가장 좋은 방법은 그것을 능동적으로 엔지니어링하는 것”이라는 그의 마지막 말은 정확하다. 우리는 AI 시대의 피해자가 아니라 설계자가 되어야 한다. 기술이 우리를 어디로 데려갈지 걱정하는 대신, 우리가 기술을 어디로 데려갈지 결정해야 한다.
그리고 그 결정을 현명하게 내리기 위해서는, Osmani 같은 사려 깊은 분석과, 데이터에 기반한 판단과, 현장의 목소리에 귀 기울이는 태度가 필요하다. 다음 2년은 소프트웨어 엔지니어링의 미래를 결정하는 중요한 시기가 될 것이다. 우리가 어떻게 준비하고 대응하느냐에 따라, 그것은 기회의 시대가 될 수도, 위기의 시대가 될 수도 있다.
작성 일자: 2026-01-22