몇 주마다 AI가 "개발자를 대체하고 있다"는 새로운 스레드가 올라옵니다. 보통 이는 순전한 공포이거나 순전한 부정이며, 둘 다 그리 유용하지는 않습니다. 자극적인 의견이 아닌, 기술적 역할(technical roles)에 대해 실제 노동 데이터가 무엇을 말하고 있는지 살펴봅시다.

먼저 총계 수치부터 살펴보겠습니다.

세계경제포럼(World Economic Forum)의 '일자리의 미래 보고서 2025(Future of Jobs Report 2025)'(1,000개 이상의 고용주, 1,400만 명 이상의 노동자, 55개국 대상)는 2030년까지 전 세계적으로 약 9,200만 개의 일자리가 사라지는 반면, 약 1억 7,000만 개의 새로운 일자리가 창출될 것으로 예측합니다. 즉, 약 7,800만 개의 순증가가 예상됩니다. 기술 분야가 "사라지는" 항목에서 예외는 아니지만, "창출되는" 항목에 매우 큰 비중을 차지하고 있습니다. 빅데이터 전문가(big data specialists)와 AI/ML 엔지니어(AI/ML engineers)는 전체 데이터 세트에서 가장 빠르게 성장하는 역할 중 하나로 언급되었습니다.

엔지니어들에게 특히 더 흥미로운 수치는 다음과 같습니다: 핵심 기술(core skills)의 39%가 2030년까지 변화하거나 구식이 될 것으로 예상됩니다. 역할(roles)이 아니라 기술(skills)입니다. 이 차이는 여러분이 실제로 커리어를 어떻게 계획해야 하는지에 있어 매우 중요합니다.

실제로 자동화되는 것 vs 자동화되지 않는 것

데이터의 성장/감소 패턴이 실제로 보상하는 바를 바탕으로, 제가 그리는 실질적인 구분은 다음과 같습니다:

범용화(commoditized)되고 있는 것: 상용구적인 CRUD 생성, 일상적인 테스트 작성(routine test-writing), 초안 문서화(first-draft documentation), 단순 버그 분류(simple bug triage), 기본적인 데이터 파이프라인 스캐폴딩(basic data pipeline scaffolding) — 즉, 대규모 학습 코퍼스(training corpus)로부터 패턴 매칭이 가능한 작업들입니다.

가치가 낮아지는 것이 아니라 더 높아지고 있는 것: 시스템 설계(system design), 아키텍처 트레이드오프(architecture trade-off) 결정, 진정으로 새로운 실패 모드(failure modes)의 디버깅, 모호한 비즈니스 요구사항을 기술 사양(technical specs)으로 번역하는 것, 그리고 — 사람들이 과소평가하는 부분인데 — 엔지니어가 아닌 사람들과의 교차 기능적 커뮤니케이션(cross-functional communication)입니다.

방금 언급한 내용은 단순한 소프트 스킬의 진부한 이야기가 아닙니다. WEF 보고서는 분석적 사고(analytical thinking)를 고용주 70%가 요구하는 핵심 기술로 구체적으로 명시했으며, 이는 어떤 단일 기술적인 능력보다 높은 순위를 차지했습니다. 이 데이터셋 전반에서 가장 중요한 역량은 하나의 도구에 대한 깊은 전문 지식이 아니라, 새로운 시스템에 대해 빠르게 추론하고 불확실성 속에서 결정을 내리는 능력입니다. 생각해 보면, 이것은 시니어 엔지니어가 이미 하고 있는 일의 괜찮은 설명이며 주니어들이 아직 쌓아가야 할 부분이기도 합니다.

재교육의 현실

노동 시장 전체로 시야를 넓혀보면: 전 세계 근로자 100명 중 59명이 2030년까지 어떤 형태든 재교육을 필요로 합니다. 엔지니어들에게는 이것이 새로운 정보가 아닙니다. 첫 직장부터 프레임워크의 변화(framework churn)를 따라잡기 위해 2~3년마다 '재교육'을 받아왔기 때문입니다. 변하는 것은 속도와 중요성(stakes)입니다.

별도로 주목할 만한 데이터 포인트가 있습니다: LinkedIn에 따르면 프로필에 AI 기술을 기재하는 전문가의 수가 2016년 이후 20배 증가했습니다. 이것은 예측이 아니라, 다음 직무에서 당신이 경쟁하게 될 사람들에게 이미 반영되고 있는 현실입니다.

당신이 스스로를 포지셔닝하는 방식에 대한 시사점

가장 빠르게 성장하는 역할들—AI/ML 엔지니어링, 데이터 엔지니어링, 응용 사이버 보안(applied cybersecurity), 핀테크 인프라—은 단일하고 좁은 전문 분야 안에 있는 것이 아니라 교차점에 위치합니다. 단순히 '저는 프레임워크 X를 압니다'라고 포지셔닝하는 것보다, 'X를 통합하는 시스템을 설계하는 방법과 그것을 움직이는 비즈니스 제약 조건을 이해하며, 이를 비기술적 이해관계자에게 설명할 수 있다'고 말하는 것이 더 유리합니다.

저는 교육 분야에서도 이러한 패턴을 목격합니다. 저는 SITE에서 일하고 있는데, 저희의 'AI 및 기업가 정신(AI and Entrepreneurship)' 학사 과정은 단순히 CS 학위에 비즈니스 선택 과목 하나를 붙인 형태가 아니라, 의도적으로 그 교차점(기술 + 비즈니스)에 맞춰 구축되었습니다. 이것이 모든 것을 보장하는 것은 아니지만—어떤 프로그램도 그렇지 않다—이는 노동 데이터가 보여주는 것과 같은 신호를 반영합니다: 현재 가치가 복합적으로 증가하고 있는 분야는 바로 교차 기술입니다.

실질적인 시사점

"AI가 내 직업을 대체할까"라고 묻는 대신, 더 유용한 두 가지 질문을 던져보십시오. 현재 당신이 하는 일 중 얼마나 많은 부분이 패턴 매칭 (pattern-matchable)이 가능하고 일상적인 (routine) 업무인가 — 그리고 당신은 하나의 좁은 차선 안에 머물기보다 기술의 교차점에 위치하는 기술 세트 (skill set)를 얼마나 의도적으로 구축하고 있는가입니다. 역할은 좀처럼 하룻밤 사이에 사라지지 않습니다. 역할은 조용히 형태를 바꾸며, 이는 현재 존재하는 직무에 최적화되어 있을 뿐 직무가 명확히 향하고 있는 방향을 고려하지 않은 사람들을 방심하게 만듭니다.