[번역] 취향과 판단력을 얻는 법

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

예전에는 취향이 반복 훈련의 부산물이었습니다. 그런데 에이전트가 그 반복을 가져가 버렸습니다. 그래서 지금 주니어라면, 취향(과 판단력)을 의도적으로 직접 얻으러 가야 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.

미리 말하자면, 오래도록 살아남고 채점할 수 없는 능력은 이미 정답이 있는 문제를 더 잘 푸는 것이 아닙니다. 무엇을 만들지 고르고, 그것이 쓸 만한지 판단하는 능력입니다.

신입 단계가 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.

수요 측면도 그들 발밑에서 재편됐습니다. 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 나쁜 것은, 2026년 MIT 테크놀로지 리뷰 기사가 학습 단계를 자동화하면 지금 당장의 산출물은 얻지만 사회는 나중에 점점 더 무능해진다고 경고했다는 점입니다. 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. 그리고 스탠퍼드 연구진조차 초기에는 신중했습니다. 초기 신호는 불분명했고, 2024년 이후에야 데이터가 AI에서 비롯된 감소를 분리해 낼 만큼 깨끗해집니다. 너무 많은 벤더의 '합성 노동(synthetic labor)' 발표는 예언이 아니라 마케팅 문구입니다.

그리고 물론, 이 모든 것 바로 옆에는 시장의 나머지 영역에서 나오는 진짜로 낙관적인 이야기가 자리하고 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 그 지출이 AI 역량을 갖춘 사람들에게 일거리를 만들어 주고 있다는 것입니다.

그렇다면 같은 해에 어떻게 이렇게 상반된 보고가 나올 수 있을까요?

총량과 신입 단계는 서로 다른 질문이기 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 대장을 분석해, Z세대와 신입 직군이 가장 큰 타격을 입으면서 미국에서 매달 약 1만 6천 개의 일자리가 순감했다고 추정했습니다. "증거가 전혀 없다"는 말에 대한 실증적 답인 셈입니다.

전체 성장과 사라지는 첫 계단은 동시에 참입니다. 그리고 그 계단에 올라서려는 사람이 바로 당신이라면, 순증 숫자는 차가운 위로일 뿐입니다.

그러니 이 국면에서 주니어 개발자가 위험하다면, 진짜 질문은 우리가 어떻게 나아가야 하는가입니다. AI 계층이 무언가를 잘하게 된다면, 그것은 정답지가 있는 모든 일일 것입니다. 예전의 학교는 처음부터 끝까지 정답지였고, 오로지 정답을 맞히는 데 집중했습니다.

그래서 저는 일자리가 있느냐 없느냐를 덜 보고, 취향을 기르는 데 더 집중하자고 제안합니다. 취향이란 노력으로 얻어 낸 패턴 인식의 형태로 압축된 경험입니다. Kent Beck은 AI 에이전트가 취향을 갖게 될 가능성은 거의 없다고 말합니다. 여기서 취향이란 판단력을 뜻하며, 결국 그 판단력은 이런 교차점에서 우리가 공급해야 할 몫으로 남습니다.

에이전트를 감독하는 일

이제 우리는 두 가지 빚을 지고 있습니다. 인지적 항복과 이해입니다.

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 일련의 활동을 반복합니다(조사, 구현, 테스트, 보고). 인간인 당신은 바깥쪽 루프를 담당합니다. 결과가 당신의 주의를 기울일 가치가 있는지 결정하고, 그 결과가 승인할 만한지 검증하고(디프, 테스트 결과, 로그, 그리고 짧은 '왜'), 승인하거나 막고, 그 결과를 책임지는 일입니다. 그 경계는 증거입니다(제 신조입니다).

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. 파서를, 혹은 CRM을, 아니면 의미 있는 무언가를 처음부터 직접 만들어 보세요. 부수적으로 따라오는 학습을 지키세요. Karpathy는 메모리, 뷰(시스템에 세상이 어떻게 보이는가), 저장소처럼 에이전트가 틀리는 기본기를 강조합니다.

• 한 시스템을 처음부터 끝까지 깊게 파고드세요. 실패할 때까지 끝까지 밀어붙이세요. 그러고 나면 진짜 깊이가 어떤 느낌인지 알게 됩니다.

• 명세와 검증을 따로 하는 법을 익히세요. 명세를 쓰는 일은 명료하게 생각하는 일입니다. 검증은 증거입니다. 명세의 품질이 가장 큰 지렛대입니다.

• 평가(eval)를 만드세요. 정확성, 유지보수성, 효율성, 보안, 스타일이라는 기준표를 중심으로 한 테스트 프레임워크입니다. AI 에이전트가 만든 실제 PR 50개에 그것을 돌려 보세요. 예상치 못한 테스트 실패와 수정을 기록하세요. 당신 내부의 품질 함수가 명시적으로 드러나도록 보정하세요.

• 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 보고서는 이미 답을 알고 있을 때만 AI의 도움을 받는다고 말하며, 에이전트를 감독하려면 정작 그 에이전트에 지나치게 의존할 때 위축되는 바로 그 능력이 필요하다고 경고합니다. 주니어 개발자가 답을 맹목적으로 받아들이는 대신 그런 마음가짐으로 의도적으로 성장하려면 노력이 듭니다. 도구는 신중하게 쓰면서, 당신이 다루는 시스템에 대한 더 깊은 이해를 의도적으로 쌓으세요.

• 어떤 근육을 위축되도록 내버려 둘지 신중하게 생각하세요. Gergely Orosz는 코딩에는 AI를 쓰지만 글쓰기에는 AI를 전혀 쓰지 않습니다. 트레이드오프를 염두에 두고, 어떤 능력을 계속 날카롭게 유지할지 스스로 정하세요.

오래가는 가치는 어디에 몰릴까요?

희소한 자원을 기준으로 최적화하는 데서 출발하세요. 자본은 풍부합니다. 시간도 풍부합니다. 진짜 관계, 특히 좋은 일을 해 온 이력은 여전히 희소합니다. 저는 몇 주 만에 돈을 모을 수는 있어도, 평판을 모을 수는 없습니다. 바이브 코딩 덕분에 한몫 잡기가 시시해질 때, 그렇게 번 돈은 가치가 거의 없습니다. 희소한 수는 내놓을 가치가 있는 무언가를 고르는 것입니다. 이 렌즈로 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. 주니어 개발자를 오픈 소스에서 멀어지게 만든 그 제약, 즉 잘 구상한 프로젝트는 한 사람이 1년은 매달려야 하고 조금씩 늘어지거나 부분부분 베끼기 쉽다는 점은, 정말 좋은 작업으로 쌓은 오픈 소스 이력의 희소함에 비하면 덜 중요합니다. 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 올지는 당신이 각본을 쓸 수 없고, 다만 기회가 떨어지는 자리에 서 있느냐만 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. 그것은 중소 규모 회사에서 인턴십을 하는 것일 수도, 어딘가에서 소프트웨어 엔지니어링 트랙에 올라타는 것일 수도, 프로덕션 코드로 의미 있는 사이드 프로젝트를 만드는 것일 수도 있습니다. 요령을 부려 대충 넘어가려는 사람은 그게 정말 어렵다는 걸 알게 될 것입니다.

4. T자형 제너럴리스트가 되세요. 한두 분야에 가장 깊은 지식을 갖추면서도 폭넓은 소양을 유지하는 개발자가 대체로 가장 좋은 결과를 냅니다. AI의 도움이 충분하다는 것은, 개발자가 예전보다 더 적은 분야를 다루면서도 단독 기여자로서 더 많은 일을 해낼 수 있다는 뜻입니다. 작고 여러 기능을 아우르는 팀과 엔드투엔드 엔지니어에 기대는 팀이 번창할 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 말하지만, 에이전트의 세계에서 마지막 몇 걸음은 사실상 무한합니다. 에이전트는 산출물을 무한히 늘릴 수 있지만, 당신은 그럴 수 없습니다. 당신의 주의력은 가장 소중한 자산이고 다시 채워지지 않으니, 지켜야 합니다. 남이 채점할 수 있는 것은 무엇이든 자동화되고 있습니다.

커리어는 채점할 수 없는 부분입니다. 무엇이 중요한지 고르고, 그것을 손에 넣었는지 정직하게 판단하고, 그에 대해 책임지는 일입니다. 그렇게 하세요. 공개적으로. 어려운 문제 가까이에서. 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.