생성형 AI(Generative AI)나 AI 코딩 에이전트(AI Coding Agent)에 의해 소프트웨어 개발의 생산성은 크게 변화하고 있습니다.

Claude Code, Cursor, GitHub Copilot, Devin, Gemini Code Assist 등을 사용하면, 이전에는 여러 명이 나누어 담당했던 구현, 테스트, 조사, 리팩터링(Refactoring), 문서 작성의 상당 부분을 상당히 짧은 시간 안에 진행할 수 있게 되었습니다.

특히, 요구사항이나 기존 코드의 문맥(Context)을 이해하고 있는 시니어 엔지니어(Senior Engineer)나 프로젝트 리더(Project Leader)가 AI 에이전트를 사용하면 매우 강력합니다.

다만, 이 변화는 단순히 "엔지니어의 생산성이 올라간다"는 이야기만으로 끝나지 않을 것이라고 생각합니다.

오히려 AI 에이전트가 정말로 무너뜨리는 것은 개별 엔지니어의 업무라기보다, 지금까지 수탁 개발 회사가 전제로 삼아왔던 인월(Man-month) 피라미드형 수익 구조가 아닌가 하는 것이 이 글의 테마입니다.

수탁 개발 회사의 대부분은 사람의 가동(稼働, Operation)을 판매함으로써 매출을 만들어 왔습니다.

예를 들어, 어떤 프로젝트에 대해,

• 프로젝트 리더 1명
• 멤버 3명
• 월간 4인월(Man-month)
• 단가를 곱하여 월액 얼마

라는 모델입니다.

이 모델에서 회사의 매출은 매우 단순하게 말하면 다음과 같은 식으로 결정됩니다.

인원 × 단가 × 가동 시간

그렇기 때문에 하위에 멤버를 많이 두고, 프로젝트에 할당(Assign)하며, 프로젝트 리더가 관리·리뷰·교육을 하며 운영하는 피라미드 구조가 합리적이었습니다.

AI 이전이라면 이 구조에는 의미가 있었습니다. 왜냐하면 구현 태스크(Task)가 대량으로 존재했기 때문입니다.

• 화면 추가
• API 추가
• 테스트 추가
• 버그 수정
• 로그 추가
• 기존 패턴의 수평 전개
• 경미한 리팩터링 (Refactoring)
• 문서 업데이트

이러한 작업은 주니어(Junior)나 젊은 멤버들에게 맡길 수 있었습니다.

다소 시간이 걸리더라도 리뷰를 하며 진행하면 매출이 되기도 하고 육성도 되었습니다.

하지만 AI 에이전트가 도입되면 이 전제가 무너집니다. 왜냐하면 이러한 태스크들은 AI가 잘하기 때문입니다.

문맥을 가진 프로젝트 리더가 AI 에이전트를 사용하면, 이전에는 멤버에게 떼어주었을 작은 구현들을 그 자리에서 상당히 고속으로 처리할 수 있습니다.

즉, AI 에이전트가 빼앗는 것은 단순한 "코딩 작업"이 아닙니다.

인월 피라미드형 수탁 회사가 매출화해 왔던, 하층 멤버의 가동 그 자체입니다.

전형적인 수탁 벤처나 SIer에서는 다음과 같은 구조가 있습니다.

• 매니저(Manager)가 여러 프로젝트를 담당
• 그 아래에 프로젝트 리더가 있음
• 프로젝트 리더가 여러 프로젝트를 관리
• 각 프로젝트에 수 명의 멤버가 있음
• 멤버의 가동을 프로젝트에 실어 매출화함

이 구조는 AI 이전이라면 어느 정도 자연스러웠습니다.

프로젝트 리더는 고객 대응, 요구사항 정리, 설계, 리뷰, 진행 관리를 수행합니다.
멤버는 구현, 테스트, 조사, 수정을 수행합니다.
매니저는 여러 프로젝트의 채산이나 인원 배치를 확인합니다.

이러한 역할 분담이 성립할 수 있었던 것은 멤버에게 넘길 수 있는 일이 충분했기 때문입니다.

하지만 AI 에이전트 시대가 되면, 프로젝트 리더가 AI를 사용하여 구현까지 상당히 직접 떠안을 수 있게 됩니다.

그러면 구조가 다음과 같이 변합니다.

• 프로젝트 리더 + AI가 최속의 개발 단위가 됨
• 멤버에게 넘길 일이 줄어듦
• 그럼에도 멤버의 급여나 관리 비용은 남음
• 멤버에게 일을 넘기면 AI보다 느리고 리뷰도 필요함
• 교육해도 성장했을 즈음에 퇴사할 가능성이 있음

이는 상당히 가혹한 구조입니다.

AI에 의해 구현은 빨라집니다.
하지만 회사 전체의 이익률이 올라간다고는 단정할 수 없습니다.
왜냐하면 구현 공수는 줄어들더라도 인원 관리, 교육, 리뷰, 할당 조정, 계약, 고객 협상과 같은 비용은 남기 때문입니다.

AI 에이전트를 가장 잘 사용할 수 있는 사람은 아마도 주니어 멤버가 아닐 것입니다.
가장 큰 혜택을 보는 사람은 프로젝트 리더나 시니어 엔지니어입니다.

이유는 단순합니다.

• 요구사항을 이해하고 있음
• 고객의 문맥을 알고 있음
• 기존 코드의 구조를 알고 있음
• 어디를 바꿔야 할지 판단할 수 있음
• AI의 출력을 리뷰할 수 있음
• 최종적으로 책임을 질 수 있음

AI 에이전트는 강한 사람을 더욱 강하게 만듭니다.

반대로 경험이 적은 멤버가 AI를 사용하더라도, 나온 코드를 검증할 수 없다면 오히려 리뷰 부하가 증가합니다.

AI가 그럴싸한 코드를 작성합니다.
멤버는 내용을 이해하지 못합니다.
리뷰를 하면 위험한 부분이 나타납니다.

지적하면, 다시 AI에게 던져서 또 다른 그럴싸한 수정안을 가져옵니다.

결과적으로 프로젝트 리더(Project Leader)의 부담이 늘어납니다.

이 상태에서는 AI가 조직 전체를 편하게 만들기는커녕, 프로젝트 리더에게 더 많은 부하를 가중시킵니다.

즉, AI 에이전트 시대의 수탁 회사에서는 다음과 같은 일이 일어납니다.

• 프로젝트 리더의 구현 속도는 올라간다
• 멤버의 업무는 줄어든다
• 프로젝트 리더의 교육·리뷰·품질 책임은 남는다
• 경우에 따라서는 AI와 멤버를 모두 살펴봐야 하므로 부하가 늘어난다

이것은 "AI로 생산성이 올라간다"는 단순한 이야기가 아닙니다.

AI에 의해 조직 내 가치의 편중이 커진다는 이야기입니다.

인월(Man-month) 피라미드형 수탁 회사에서는 하위에 많은 멤버가 있는 것이 매출의 원천이었습니다.

하지만 AI 시대에는 그 하층 멤버의 가치가 낮아지기 쉽습니다.

기존에 멤버에게 맡겼던 업무는 AI가 잘합니다.

• 작은 CRUD 구현
• 단순한 API 추가
• 테스트 템플릿(雛形) 작성
• 경미한 버그 수정
• 기존 패턴의 수평 전개
• 문서 작성
• 조사 메모 작성

이것들은 AI에 의해 압축됩니다.

그러면 멤버는 다음과 같은 상태가 됩니다.

• 맡길 업무가 적다
• 맡겨도 AI보다 느리다
• 맡기면 리뷰가 힘들다
• 맡기면 교육 비용이 든다
• 실서비스 품질을 담보하려면 프로젝트 리더의 확인이 필요하다
• 성장할 때쯤 퇴사한다

꽤 냉정하게 말하자면, AI 시대의 저숙련 멤버는 단기적으로 전력이 아니라 교육 투자에 가깝습니다.

근속 연수가 긴 JTC(일본 전통 기업) 대기업이라면, 그래도 육성 투자로서 성립할지도 모릅니다.

하지만 스타트업이나 수탁 벤처, 컨설팅, IT와 같이 인재 유동성이激しい(격심한) 업계에서는 어렵습니다.

왜냐하면 시니어와 프로젝트 리더의 시간이 가장 비싸기 때문입니다.

AI로 어렵게 프로젝트 리더의 생산성을 높여 놓아도, 그 시간을 멤버 교육에 쓰고 있다면 회사 전체의 개발 속도나 이익률은 생각만큼 올라가지 않습니다.

오히려 AI로 빨라진 만큼이 그대로 교육 비용으로 흡수될 가능성이 있습니다.

또 다른 큰 문제가 있습니다.

그것은 인월 계약과 AI 효율화의 상성입니다.

준위임이나 인월 계약에서는 매출이 기본적으로 사람의 가동(稼働)에 묶여 있습니다.

예를 들어, 다음과 같은 계약입니다.

4인월로 월액 얼마
PL 1명, 멤버 3명으로 지원합니다

이 모델에서는 AI로 효율화하여 필요 인원이 줄어들면 매출도 줄어들기 쉽습니다.

본래 AI를 통해 동일한 성과를 적은 인원으로 낼 수 있게 된다면 이익률은 올라가야 합니다.

하지만 인월 계약을 유지한다면, AI 에이전트가 침투한 세상에서 고객은 다음과 같이 생각합니다.

• AI로 빨라진다면 인원을 줄일 수 있겠네요
• AI를 쓴다면 단가를 낮출 수 있겠네요
• 지금까지 4명이던 것을 2명이 할 수 있겠네요
• 납기도 단축할 수 있겠네요

결과적으로 AI에 의한 효율화의 혜택이 수탁 회사가 아닌 고객 측으로 흐르기 쉽습니다.

이것은 매우 중요합니다.

AI를 쓰면 개발은 빨라집니다.

하지만 인월 모델을 유지한다면 그 속도를 이익으로 다 가져올 수 없습니다.

즉, AI로 구현 효율이 올라갈수록 인월 매출 모델과 충돌합니다.

인월 피라미드형 수탁 회사에 AI 에이전트를 도입하면 다음과 같은 현상이 일어나기 쉽다고 생각합니다.

먼저, 프로젝트 리더의 구현 속도가 올라갑니다.

AI를 사용하여 작은 구현이나 수정을 고속으로 처리할 수 있게 됩니다.

다음으로, 멤버에게 넘길 업무가 줄어듭니다.

특히 주니어(Junior)나 신입에게 맡기던 "적당한 구현 태스크"가 줄어듭니다.

하지만 멤버의 급여나 관리 비용은 남습니다.

어사인(Assign) 조정, 일보, 1on1, 리뷰, 교육, 평가, 퇴사 대응도 남습니다.

게다가 프로젝트 리더의 책임은 가벼워지지 않습니다.

고객 대응, 요구사항 정리, 설계, AI 출력물 리뷰, 품질 보증, 릴리스 책임은 남습니다.

오히려 AI와 멤버를 모두 살펴봐야 할 필요가 생깁니다.

마지막으로, 인월 계약을 유지한다면 AI로 단축된 공수(工数)를 가격에 반영하기 어려워집니다.

고객으로부터 단가 인하나 인원 감축 압력이 가해집니다.

결과적으로 다음과 같이 됩니다.

• 구현은 빨라진다
• 프로젝트의 속도감은 조금 올라간다
• 하지만 회사 전체의 이익률은 생각만큼 올라가지 않는다
• 멤버의 업무는 줄어든다
• 프로젝트 리더의 부담은 늘어난다
• 유능한 프로젝트 리더일수록 피폐해진다

최악의 경우, AI 도입으로 인해 가장 붙잡고 싶은 프로젝트 리더부터 퇴사하게 됩니다.

AI 에이전트 시대에 어려워지는 것은 단순히 "수탁 회사"만이 아닙니다.

수탁 회사 중에서도 다음과 같은 특징을 가진 회사들이 어려워질 것이라고 생각합니다.

• 인월 (Man-month) 매출 의존도가 높음
• 하위 멤버를 대량으로 보유하고 있음
• 프로젝트 리더 (PL)가 교육, 리뷰, 고객 대응을 모두 떠맡고 있음
• 멤버의 스킬이 낮아 AI 출력을 검증할 수 없음
• 계약이 준위임 중심임
• 결과물이 아닌 가동 시간을 팔고 있음
• 채용 허들 (Bar)이 낮음
• 육성해도 이직률이 높음
• 프로젝트 리더나 테크 리드 (Tech Lead)를 충분히 우대하지 않음
• AI 도입 후에도 조직 구조를 바꾸려 하지 않음

이러한 회사에서는 AI 에이전트 도입 후에 모순이 표면화됩니다.

구현은 AI로 빨라집니다.

하지만 매출 구조는 인월 (Man-month) 그대로입니다.

멤버의 일은 줄어듭니다.

PL의 부하는 늘어납니다.

이익률은 생각만큼 오르지 않습니다.

결과적으로, 강한 사람부터 떠납니다.

AI가 회사를 부순다기보다, AI에 의해 원래 존재하던 구조적인 왜곡이 보이게 되는 것이라고 생각합니다.

이 구조에 가까운 기업 유형으로는 인도계 대형 IT 서비스 기업, 일본의 대형 SIer, 중견 SIer, SES 기업, 하청 수탁 회사 등을 들 수 있습니다.

예를 들어, TCS, Infosys, Wipro, HCLTech, Tech Mahindra, Cognizant와 같은 인도계 IT 서비스 기업은 대량의 인재를 채용·육성하여 글로벌 프로젝트에 할당하는 모델로 성장해 왔습니다.

또한, Accenture나 Capgemini와 같은 대형 컨설팅·IT 서비스 기업도 대규모 인원을 보유하는 모델에서, AI 시대에 맞춰 인재 구성이나 제공 가치를 바꾸려 노력하고 있습니다.

일본에서 말하자면, NTT Data, Fujitsu, Hitachi, NEC, SCSK, TIS, CTC, IBM Japan 등의 대형 SIer가 유사한 구조를 가지고 있습니다.

단, 여기서 오해해서는 안 될 점이 있습니다.

이들 대기업이 곧 도태된다는 의미는 아닙니다.

오히려 대기업일수록 AI 도입, 상류화 (Upstream), 재교육, 계약 모델 변경, 업무 변혁 지원에 투자할 수 있기 때문에 살아남을 여지는 큽니다.

정말로 힘든 것은 이들 대기업 그 자체보다, 기존의 인월 (Man-month) 피라미드 구조를 유지한 채 AI 에이전트만을 도입하려는 회사입니다.

특히 2차, 3차 하청인 중견 SIer, SES, 수탁 벤처 쪽이 영향이 더 클지도 모릅니다.

왜냐하면 상류 단계의 고객 접점이나 계약 협상력이 약해, AI를 통한 효율화를 가격이나 이익률로 전환하기 어렵기 때문입니다.

그렇다면 인월 (Man-month) 수탁 회사는 어떻게 해야 할까요?

단순히 AI 에이전트를 도입하는 것만으로는 불충분합니다.

필요한 것은 회사의 수익 구조, 조직 구조, 채용 기준, 계약 모델을 바꾸는 것입니다.

AI로 빨라진 만큼을 이익으로 바꾸려면, 시간 판매 방식에서 탈피해야 합니다.

예를 들어,

• 월 160시간의 개발 지원
• 멤버 3명 할당

이 아니라,

• 월정액 고정 개선 패키지
• 소규모 수정 고정 가격 메뉴
• 유지보수·운영 개선 구독 (Subscription)
• AI 활용형 테크 리드 (Tech Lead) 지원
• 결과물 단위의 도급
• KPI 개선형 계약

이러한 형태로 조금씩 옮겨갈 필요가 있습니다.

중요한 것은 몇 시간 일했느냐가 아니라, 무엇을 얼마나 빠르고 안정적으로 실현했는가를 파는 것입니다.

AI로 작업 시간이 단축되었을 때 매출도 함께 줄어드는 모델에서는, AI의 혜택을 회사가 온전히 가져갈 수 없습니다.

AI 시대에 가치가 올라가는 것은 단순 구현 멤버가 아니라, 프로젝트 리더나 테크 리드입니다.

특히 다음과 같은 인재의 가치가 올라갑니다.

• 고객과 대화할 수 있음
• 요구사항을 정의할 수 있음
• 설계할 수 있음
• AI에게 구현을 시킬 수 있음
• AI 출력을 리뷰할 수 있음
• 품질 책임을 질 수 있음
• 릴리스(Release)까지 끌고 갈 수 있음

이들은 AI를 통해 몇 배로 레버리지 (Leverage)를 일으킬 수 있습니다.

반대로 말하면, 이런 사람이 떠나면 AI 활용 능력, 고객 맥락, 프로젝트 맥락, 품질 책임이 한꺼번에 상실됩니다.

인월 (Man-month) 피라미드형 회사는 아래에 멤버를 늘리기보다, 우선 프로젝트 리더나 테크 리드를 놓치지 않도록 투자해야 합니다.

AI 시대에는 단순 구현 멤버의 수요는 낮아지기 쉽습니다.

따라서 미경험자나 저숙련 멤버를 대량으로 채용하여 프로젝트에 투입하고, 프로젝트 리더가 교육하며 운영하는 모델은 어려워집니다.

채용한다면 AI를 사용하여 자율적으로 움직일 수 있는 사람으로 좁혀야 합니다.

• AI가 내놓은 코드를 설명할 수 있음
• 기존 코드를 읽을 수 있음
• 에러를 분리하여 파악할 수 있음
• 리뷰 지적 사항을 흡수할 수 있음
• 고객 가치를 이해할 수 있음
• 자신의 판단으로서 설명할 수 있음

이러한 능력이 없는 사람을 실무 프로젝트에 투입하면, AI 시대에는 프로젝트 리더의 부담만 가중시키는 결과로 이어지기 쉽습니다.

주니어(Junior)나 신입을 채용하는 것 자체가 나쁜 것은 아닙니다.

하지만, 실전 프로젝트의 인원수(Headcount)로 계산하는 것은 위험합니다.

AI 시대의 주니어 채용은 단기적으로는 전력이 아니라 교육 투자에 가깝습니다.

따라서 채용한다면 실전 프로젝트와는 별도로 육성 전담(Training slot)으로 설계하는 것이 좋습니다.

• 실전 프로젝트는 PL + AI + 소수 정예로 운영
• 육성 전담으로는 과제 개발, 코드 독해, AI 제한적 구현, 테스트 연습, 디버깅 연습을 수행
• 실전 프로젝트에 투입하는 것은 일정 수준의 기초 역량이 갖춰진 후로 결정

실전 프로젝트에 '공부 요원'을 섞으면, 프로젝트 리더(PL)가 무너집니다.

AI 에이전트(AI Agent)를 도입하기 전에, 회사는 다음 질문에 답해야 합니다.

• 어떤 작업이 AI로 인해 줄어드는가
• 어떤 사람의 업무가 사라지는가
• 어떤 사람의 책임이 늘어나는가
• 인월(Man-month) 매출에 어떤 영향을 미치는가
• PL의 부하가 줄어드는가, 늘어나는가
• 멤버를 프로젝트에 투입하는 합리성이 남아 있는가
• 계약 모델을 변경할 수 있는가
• 잉여 인력을 어떻게 처리할 것인가
• 유능한 PL을 어떻게 우대할 것인가

이 부분을 간과하고 AI 에이전트만 도입하면, 편리해지기는 할 것입니다.

하지만 회사 전체의 이익률은 올라가지 않을 수도 있습니다.

AI 도입에서 정말 중요한 것은 툴(Tool) 선정이 아니라, 업무 구조의 재설계입니다.

AI 에이전트에 의해 구현은 빨라집니다.

하지만 인월 수탁 회사에게 문제는 구현이 빨라지는 것 그 자체가 아닙니다.

문제는 지금까지 매출원이었던 하위 레벨 멤버의 가동률이 AI에 의해 압축된다는 점입니다.

• 프로젝트 리더 + AI가 최속의 개발 단위가 됨
• 멤버의 업무는 줄어듦
• 교육·리뷰·관리 비용은 남음
• 인월 계약에서는 효율화가 매출 감소로 이어짐
• 유능한 PL에게 부하가 집중됨

즉, AI 에이전트 시대에 도태되는 것은 엔지니어 개인이라기보다, 우선 인월 피라미드(Man-month Pyramid)로 돈을 버는 회사 구조가 아닐까 생각합니다.

물론 모든 수탁 회사가 도태되는 것은 아닙니다.

살아남는 회사는 AI를 사용하여 소수 정예로 성과를 내고, 계약 모델을 시간 판매에서 성과 판매로 전환하며, 프로젝트 리더나 테크 리드(Tech Lead)를 우대하고, 채용 기준(Bar)을 높이며, 육성 전담과 실전 전력을 분리해 나갈 것입니다.

반대로 기존의 피라미드 구조를 유지한 채 AI 에이전트만 도입하는 회사는 상당히 어려울 것이라고 생각합니다.

AI 에이전트는 코딩을 자동화할 뿐만 아니라,

인월로 매출을 만드는 수탁 회사의 피라미드 구조를 파괴합니다.

Google은 주니어~미드 레벨(Junior to Mid-level) 소프트웨어 엔지니어 채용 시, AI 어시스턴트 사용을 허용하는 면접 프로세스를 시험 도입하고 있다고 보도되었습니다.

Google에서는 신규 코드의 75%가 AI 생성이며, 인간 엔지니어가 이를 리뷰하고 있다고 보도되었습니다.

Microsoft Azure의 CTO인 Mark Russinovich 등은 AI가 시니어 층의 생산성을 높이는 한편, 초기 경력 개발자(Early-in-career developers)의 육성 파이프라인이 무너질 가능성에 대해 문제를 제기하고 있습니다.

GitHub는 Copilot의 조직 도입에 있어 단순히 툴을 배포하는 것뿐만 아니라, 온보딩(Onboarding), 트레이닝(Training), 도입 설계가 필요하다고 밝히고 있습니다.

TCS의 레이오프(Layoff)와 관련하여, Reuters는 AI 주도의 변화가 인도 IT 아웃소싱 산업에 미치는 영향으로 보도했습니다.

Accenture는 AI 시대를 대비한 재교육과 인력 재편을 진행하고 있다고 보도되었습니다.

Capgemini는 AI 수요 증가에 따라 AI 관련 인재 확보와 조직 구조 재편을 진행하고 있다고 보도되었습니다.