코드 너머의 인간

코드너머의 인간

Transcript

1. 코드 너머의 인간 AI 시대에 맞이하는 엔지니어 르네상스
2. 오늘의 여정 01 INTRO 현대판 중세 암흑기, 그리고 르네상스의 서막 02 ACT1 10번의 이직, 7개 도메인에서 발견한 '불변의 법칙' 03 ACT2 국경과 규모를 넘어선 공통분모, '사람' 04 ACT3 엔지니어 르네상스, Human in the Loop 05 OUTRO 코드 너머를 보는 눈
3. 중세 암흑기에서 르네상스로의 전환, 그리고 지금의 AI. 역사적 데자뷰
4. Layoffs wave (2022~) 대규모 해고(Layoffs)의 파도 "인간의 자리를 AI로 대체하겠다 " 이것은 단순히 '기분 탓'이 아닙니다 .
5. 거대한 불안감의 파도
6. 거대한 불안감의 파도 "AI가 코딩 다 하는데 프론트엔드가 왜 필요함?" "개발자 AI 대체" "3년 차인데 이직처가 없다" “딸깍이면 다 되는데 공부 굳이 해야하나 ?”
7. 현대판 중세 암흑기 거대한 인공지능이라는 존재 앞에서 인간 엔지니어의 목소리와 가치가 묻혀버리는 듯한 풍경. 'AI'라는 거대한 신의 그림자 아래 작아진 인간 엔지니어들
8. 하지만 기억하십니까 ? 가장 어두웠던 중세의 끝자락, 인간의 가치를 재발견하는 '르네상스'가 피어났습니다. 지금이야말로 코드가 아닌 '코드 너머의 인간'에 집중해야 할 엔지니어 르네상스 시대입니다 .
9. ACT 1 10번의 이직, 7개의 도메인에서 발견한 '불변의 법칙'
10. "도메인은 바뀌어도 , 구조는 반복된다 ."
11. Engineering Journey Browser Gaming Travel e-commerce Mobility Delivery OTT 2009 2015 2024 2020 2021 2022 2023
12. 트렌드의 홍수와 피로감 도메인이 바뀔 때마다 새로운 기술이 쏟아졌습니다 . 쏟아지는 트렌드를 무작정 쫓기만 했다면, 저는 이미 지쳐 쓰러졌을 것입니다.
13. The Core — 어떤 도메인에서도 반복된 세 가지 설계 능력 복잡성을 단순함으로 벼려내는 힘 상태 관리 철학 복잡한 현실 세계의 문제를 코드로 옮기는 힘 추상화 역량 데이터의 흐름을 통제하는 힘
14. 그리고 지금, 우리의 본질을 뒤흔드는 것 같은 강력한 파도, "생성형 AI"가 기술 시장에 등장했습니다 . AI는 과연 어디까지 할 수 있을까요 ? 글로벌 실증 데이터를 살펴봅시다 .
15. Writing Code vs. Shipping Code (NBER, May 2026) GitHub 개발자 10만 명+ 분석 https://www.nber.org/papers/w35275
16. Writing Code vs. Shipping Code (NBER, May 2026) 하지만… '생산 계층별 감쇄 현상' (Weeks 21-30) 코드는 찍어내듯 양산되지만 , PR 리뷰·머지·검증·릴리즈는 여전히 인간의 시간에 의존합니다 . https://www.nber.org/papers/w35275
17. Estimating AI Productivity Gains from Claude Conversations 개발 시간 80% 단축 1.5시간 → 약 18분 82$ 고부가 가치 창충 Anthropic Economic Research, Nov 2025 https://www.anthropic.com/research/estimating-productivity-gains 생산성 19% 기여도 전 직군 중 생산성 기여도 1위
18. The Effects of Generative AI on Productivity, Innovation and Entrepreneurship 작업 시간 단축 AI 사용 그룹 vs 대조군 과제 완수율 • 주니어일수록 AI를 통한 시간 단축·성과 향상 폭이 극적으로 큼 • AI는 환각(Hallucination)과 보안 취약점도 함께 양산 → Human Oversight 필수 OECD AI Papers, June 2025 — GitHub Copilot 실증 연구 https://www.oecd.org/en/publications/the-effects-of-generative-ai-on-productivity-innovation-and-entrepreneurship_b21df222-en.html
19. Gen AI Boosts Productivity, But Can't Turn Novices Into Experts Harvard Business School, Mar 2026 — IG Group 78명 실험 "GenAI Wall" 도메인 지식이 부족한 실행 단계에서 전문가 대비 약 13% 뒤처짐 (3.42 vs 3.96) AI는 "지도(Map)"를 주지만, 실제 "지형(Terrain)"을 탐색하는 경험은 대체하지 못한다. https://www.library.hbs.edu/working-knowledge/gen-ai-boosts-productivity-but-cant-turn-novices-into-experts
20. 데이터가 가리키는 불편한 진실 • • • • 180%, 741%, 80.2%… 압도적인 생산성 데이터 그 이면에는 치명적 약점이 공존합니다 맥락적 오류 (환각, Hallucination) 구멍 뚫린 보안 취약점 (Vulnerability) 속도는 빠르지만 , 그 속도만큼 위험도 빠르게 퍼집니다 .
21. AI가 결코 내릴 수 없는 "철학적 결정" • • • • AI는 정형화된 코드를 짜줄 순 있습니다 비즈니스의 꼬인 실타래를 풀기 위해 시스템을 어떻게 추상화할지 어떤 구조로 설계할지 대안을 비교하며 내리는 "철학적 결정"은 결코 하지 못합니다 데이터가 아니라, 맥락과 경험과 조직에 대한 이해에서 나오는 결정
22. 기술 생산 비용이 제로에 수렴하고 모두가 AI라는 강력한 무기를 쥐게 된 지금, 결국 엔지니어의 차이를 만드는 것은 "문제를 정의하고 시스템을 설계하는 인간 고유의 철학"입니다.
23. 그렇다면 이 격변의 시대에, 우리는 시스템을 넘어 "무엇"을 설계해야 할까요? 그 힌트는 제가 거쳐온 현장의 "사람들 "에게 있었습니다 .
24. ACT 2 국경과 규모를 넘어선 공통분모 , "사람"
25. "기술은 도구일 뿐, 문제를 정의하고 해결하는 것은 사람이다 ."
26. 글로벌 현장의 생생한 경험담 • • • 한국, 미국, 독일, 태국, 말레이시아의 엔지니어들과 함께 일하며 마주했던 서로 다른 문화와 언어의 장벽 그리고 그 장벽 너머에서 발견한 하나의 공통분모
27. 규모에 따른 리소스의 한계 • • • 조직의 규모와 환경에 따라 예산·인력·시간의 한계는 완전히 달랐습니다 수백 명 대기업 인프라 vs 엔지니어 3명 스타트업 그러나 훌륭한 결과를 내는 팀에게는 규모와 무관한 공통점이 있었습니다 대체 뭐가 다른 걸까요?
28. 창업의 민주화 • • • 생성형 AI는 초기 자본과 전문성이 부족한 창업가들의 진입 장벽을 대폭 낮췄습니다 과거: 아이디어 하나로 런칭하려면 수십억 원의 자본과 수십 명의 인력 지금: 노트북 한 대와 AI만 있으면 한 사람이 MVP를 만들 수 있습니다 누구나 대기업 수준의 무기를 쥘 수 있는 시대가 왔습니다 .
29. 거시 경제 관점의 비용 하락 • • • AI로 인한 개별 과업의 자동화는 기술 자본의 불평등을 해소합니다 소규모 조직이나 1인 개발자에게 대기업 수준의 무기를 쥐여줍니다 모두가 같은 무기를 쥔 상태에서, 무엇이 엔지니어를 차별화할까요 ?
30. 끝까지 살아남는 엔지니어는 누구인가 ? • • • 기술과 비용의 문턱이 완전히 무너진 지금 뛰어난 성과를 내고 조직에서 끝까지 생존하는 엔지니어들의 공통점은 결코 "화려한 기술 스택"이 아니었습니다
31. "소프트웨어 개발은 사람의 문제를 해결하기 위해, 사람이 모여서, 사람이 쓰는 것을 만드는 과정입니다 ."
32. 끝까지 살아남는 엔지니어의 3대 핵심 축 협업 동료의 컨텍스트를 깊이 이해하는 커뮤니케이션 비즈니스 조직이 나아갈 사업적 방향성에 엔지니어링 싱크를 맞추는 역량 01 �� 03 02 제품 유저의 고통(Pain Point)에 진심으로 공감하는 능력
33. "기술적 상향 평준화의 시대, 결국 차이를 만드는 것은 기술이 아니라 "사람에 대한 집착"입니다."
34. ACT 3 엔지니어 르네상스 , Human in the Loop
35. "AI는 루프(Loop) 안에 있고, 인간은 그 루프의 주인이다 ."
36. AI가 가져온 분명한 선물 • • • • 아이디어 재조합 가속 → R&D 속도 폭발 (+180% 커밋) 주니어의 역량 공백을 메우는 완벽한 "다리(Bridge)" 개발 시간 55.8% 단축, 작업 완수율 73% vs 47% AI를 부정할 필요 없습니다. 잘 쓰면 증폭기(Amplifier)입니다.
37. 인지적 부하의 감소와 심리적 변화 • • • • 기계적이고 지루한 수작업에서 해방된 개발자는 인지적 부하를 덜고 높은 직무 만족도와 함께 고차원 문제 해결에 온전히 몰입하기 시작했습니다
38. AI 생산성의 치명적인 양면성 • • • AI가 제안하는 아이디어와 코드에는 맥락적 오류(환각, Hallucination)와 보안 취약점(Vulnerability)이 빈번하게 포함되어 있습니다 기술에 대한 무조건적인 신뢰는 위험합니다 속도에 취해 검토 없이 머지하면 , 책임은 여러분에게 돌아옵니다 .
39. AI 생산성의 치명적인 양면성 • KBS 뉴스 (2026.07.22): 오픈AI GPT-5.6 솔 등 최신 모델, 내부 평가 중 통제 이탈 → 개방형 AI 플랫폼 허깅페이스 해킹, 인증 정보 탈취 • 동아일보 (2026.04.02): 앤스로픽 AI 에이전트 '클로드 코드' 시스템 프롬프트, 업데이트 부주의로 외부 노출 → 깃허브 복제본 8000여 건 삭제 요청 • AI타임스: 데이터 라벨링 업체 머코어, LiteLLM 공급망 공격으로 해킹 → 4TB 데이터 유출, 메타/오픈AI/앤트로픽 학습 방법론 노출 우려 • Fortra / Wiz: 상위 50개 AI 기업 중 65%가 깃허브에 API 키·토큰 등 비밀 정보 유출 → 4,000억 달러 이상 기업 가치에 보안 리스크
40. Human in the Loop • AI가 강력한 엔진이라면 — 그것을 이끄고(Prompting), 검증하며(Review), 맥락을 결합하는 사령탑은 철저히 "인간 엔지니어"여야 합니다 • HITL은 단순 검증이 아닙니다: 모델 출력 → 인간 피드백 → 재학습의 루프입니다 • 높은 영향·불확실·규제 영역에 리스크 기반 검증을 집중해야 합니다 (Databricks) • AI Agent가 DB를 수정하거나 메시지를 보내기 전, 명확한 인간 승인 경로가 필수입니다
41. Human in the Loop 레이블링 학습 검증 추론 검토 사람이 데이터에 태그·주석을 달아 AI가 학습할 재료를 만듦 인간 피드백(RLHF)으로 모델 출력을 평가·교정 AI 예측/생성물을 인간 전문가가 확인 ← 피드백 루프: 승인/검토 결과가 다시 학습 데이터로 → 실행 승인 위험/중대 결정은 사람이 최종 승인
42. HITL ROI: 실전 케이스 5가지 • 금융 (ImaginAb): AP 자동화로 연 1,750시간 수작업 제거, 다국가·다통화 정확도 향상 • 물류 (LTL Carrier): 화물 문서 처리 99% 정확도, 비용 50% 절감, 배송 가시성 향상 • HR (Unilever): 채용 시간 75% 단축, 연 50,000시간 인터뷰 시간 절약, £100만 연간 절감 • 고객지원 (Motel Rocks): AI 챗봇으로 43% 티켓 회피, 50% 티켓 볼륨 감소, CSAT 9.44% 상승 • 보험 (Nordic Insurer): 70% 문서 자동 추출·분류, 실시간 클레임 처리, 에이전트는 고객 상담 집중 • ROI 벤치마크: 의사결정 정확도 +31%, 오탐 -67%, 분류 오류 최대 -85% (Parseur)
43. HITL의 경고: 운전석은 인간의 것 • HITL은 만능 안전장치가 아닙니다 — "사람이 한 번 훑는다"는 식은 위험합니다 (Yale JReg) • 가치 중심의 정책 결정을 알고리즘에 맡기고 서명만 하는 건 책임 회피입니다 • 글쓰기는 사고의 과정입니다. AI 초안에 서명만 하면 사고도 위임하게 됩니다 • HITL은 인간을 루프 안에 두는 것이 아니라, 알고리즘을 우리의 루프 안에 두어야 합니다 • 결국 HITL의 핵심은 "승인(Approve)"이 아니라 "지휘(Command)"입니다
44. 상호 보완성과 고숙련자의 가치 • AI를 완벽하게 제어하고 아키텍처에 결합할 수 있는 고숙련자 중심의 상호 보완성이 두드러질 것입니다 • AI를 안 쓰는 사람이 아니라, AI를 가장 잘 지휘하는 사람의 가치가 오릅니다 • 이것이 시장에서 끝까지 살아남는 진짜 무기입니다
45. 이 변화의 소용돌이 속에서 이번 컨퍼런스가 여러분께 던지는 본질적 질문: "우리는 끝까지 살아남기 위해 "왜(Why) 이 문제를 해결해야 하는가?" 를 끊임없이 묻고 있는가?
46. 머지않아 AI로 인해 코드 생산 비용이 0에 수렴할지라도 — 문제를 날카롭게 정의하고 사람들의 고통에 공감하며 기술로 사람을 연결하는 엔지니어의 철학은 대체되지 않습니다 .
47. 단순한 "코드 생산 기계"의 시대는 끝났습니다 . 이제 우리는 — 문제를 정의하고 철학을 담아 설계하는 "기술 예술가(Tech Artist)"의 시대를 맞이해야 합니다.
48. "코드를 짜는 기계로 남을 것인가, 문제를 해결하는 예술가가 될 것인가."
49. OUTRO 코드 너머를 보는 눈
50. 선배 엔지니어로서의 고백 • 지난 17년 동안 수많은 기술이 태어나고 사라지는 것을 보았습니다 • 2009년 jQuery 시대부터 React, 클라우드, 모바일, 그리고 AI까지 • AI의 등장으로 커리어의 미래를 불안해하는 후배들의 마음을 누구보다 잘 압니다
51. "트렌디한 기술 스택 한 줄을 이력서에 추가하는 것보다, 내가 만든 서비스가 사람들에게 어떤 가치를 주는지, 내 동료들과 어떻게 협업할 것인지에 대한 "나만의 철학"을 세우십시오 ."
52. "코드가 아닌, 코드 너머의 인간을 보십시오 . 그곳에 우리의 미래가 있습니다 ."