AI가 코드를 작성한다면, 우리들은 다음으로 무엇을 배워야 할까요? 그리고 따라잡을 수 있을까요?

AI는 매달 코드를 작성하는 능력이 향상되고 있습니다. 저는 기술 분야 사람들, Reddit 사용자들과 제 주변 네트워크에 있는 사람들에게 다음에 무엇이 올지 물어보았습니다.

만약 당신이 같은 주에 두 명의 클라이언트로부터 고용되었다고 가정해 봅시다.

첫 번째는 요가 스튜디오입니다. 두 번째는 병원(클리닉)입니다. 둘 다 앱을 원합니다.

당신에게 AI 비서가 있으니, 당신은 스튜디오의 앱에 대해 설명합니다: 수업 예약, 이용권(passes), 캘린더 기능. 20분 만에 작동합니다. 다음으로 병원의 앱 차례입니다: 환자의 시간 경과에 따른 검사 결과가 표시되는 기록표(chart). 또 20분이 지나자 그것도 작동했습니다.

당신은 자신이 천재라고 느낍니다. (사실이 아닙니다, AI가 천재인 겁니다. 하지만 이 순간을 즐겨봅시다.)

6개월 후, 문제가 발생하기 시작합니다. 아무도 버그를 보고하지 않는데, 왜냐하면 버그 자체가 없기 때문입니다.

스튜디오의 경우입니다. 당신의 앱은 이용권을 숫자("남은 수업: 7")로 저장합니다. 보기에는 완벽해 보입니다. 그러다 고객이 남은 수업이 네 개인 이용권에 대해 환불을 요청합니다. 또 다른 이용권은 장기간의 질병 휴가(freeze) 후에 만료됩니다. 세 번째는 할인가로 구매되었기 때문에, 각 수업의 가치가 서로 다릅니다. 사장님은 남아있는 각 수업의 가치와 언제 만료되는지, 그리고 무엇을 위해 구매했는지 알고 싶어 합니다. 카운터로는 이 모든 것을 답할 수 없었고, 기록(history) 자체를 버렸습니다. 스튜디오 사장님은 이용권이 만료일이 있는 진짜 돈이라는 것을 알기 때문에, 숫자가 아니라 원장(ledger)이 필요합니다.

병원의 경우입니다. 당신의 차트는 각 결과를 날짜와 함께 플롯팅합니다. 완벽해 보입니다. 하지만 검사 결과는 하나의 시간이 아닙니다: 샘플을 채취한 시간, 결과가 준비된 시간, 그리고 보고된 시간이 있습니다. 당신의 차트는 잘못된 시간을 사용했기 때문에, 환자의 혈당 수치가 실제로는 개선된 날짜보다 며칠 후에 개선된 것처럼 보입니다. 아무도 어떤 날짜를 물어보지 않습니다. 모두 단 하나의 시간만 있다고 가정하기 때문입니다. 건강 데이터 분야에서 일하는 사람이라면 여러 개의 시간이 있다는 것을 알고 있으며, 어느 것이 중요한지 압니다.

당신의 AI는 결코 알지 못했습니다. 아무도 그것에게 알려주지 않았습니다. 당신에게도 아무도 알려주지 않았습니다.

두 앱 모두 버그가 없습니다. 코드는 완벽합니다. 부족한 것은 '작업(work)'에 대한 지식입니다.

이것이 제가 계속해서 돌아오는 질문입니다. AI는 매달 코드를 작성하는 능력이 향상되고 있습니다. 그렇다면 우리 나머지 사람들은 다음에 무엇을 배워야 할까요? 그리고 우리가 따라잡을 수 있을까요?

내가 질문한 이유

저는 소프트웨어 분야에서 일하고 있는데, 최근 주변 모든 사람들이 AI에 대해 불안해합니다. 직업 문제, 주니어 개발자들, 어떤 인재를 고용해야 할지 고민하는 창업가들까지, 온통 그 이야기로 가득 차 있습니다.

그래서 추측하기보다는 직접 질문을 했습니다. Reddit에 세 가지 질문을 올렸고, 사람들이 같은 걱정을 논의하던 다른 스레드를 읽었으며, 아는 지인 몇 명에게 메시지를 보냈습니다.

질문은 간단했습니다:

1. AI가 얼마나 빠르게 발전하고 있으며, 헬스케어 기술(health tech)을 포함한 IT 및 기술 분야에 어떤 영향을 미칠까요?
2. 직장 시장에 부정적인 영향을 줄까요, 그리고 사람들이 방향 전환(pivot)해야 할까요?
3. 3년에서 5년 후에는 기술 지식보다 도메인 지식이 더 중요해질까요?

참고: 이것은 설문조사나 연구가 아닙니다. 인터넷상의 수십 개의 의견과 몇몇 동료들의 생각입니다. 통계 자료가 아닌 대화로 받아들여 주시기 바랍니다.

컴퓨터는 한때 사람의 역할이었다
여러 댓글 중 한 가지가 가장 인상 깊었습니다.

한 댓글 작성자는 "컴퓨터"라는 것이 예전에 직업 명칭이기도 했다고 지적했습니다. 사람들은 하루 종일 앉아서 계산을 했습니다. 그러다 기계가 등장하면서 일이 바뀌었습니다. 사람들이 사라진 것은 아니지만, 계산을 하던 역할에서 기계를 다루는 쪽으로 이동한 것입니다.

실제 역사는 Reddit 댓글보다 훨씬 복잡하지만, 이 아이디어는 매우 좋습니다.

AI가 다음 컴퓨터가 될 수 있을까요? 어쩌면 그럴지도 모릅니다. 아무도 알지 못합니다. 하지만 이것은 "우리 모두 끝장났다"고 생각하는 것보다 훨씬 차분하게 상황을 바라볼 수 있는 관점입니다.

사람들이 실제로 말한 내용
답변들은 대략 세 그룹으로 나뉘었습니다.

첫 번째, "그것은 도구일 뿐이다" 그룹. 8년 경력의 백엔드 개발자 한 명이 명확히 말했습니다:

"AI는 저를 대체하는 것이 아니라, 더 빠르게 만들어주는 도구입니다."

대형 기술 회사에서 일한다고 밝힌 다른 댓글 작성자는 자신이 이제 다섯 명의 일을 할 수 있게 되었다고 주장하며, 이를 "코드는 싸지만 생각은 어렵다(code is cheap thinking is hard)"로 요약했습니다.

두 번째, "걱정된다" 그룹. 한 사람은 자신의 역할이 1년 만에 "개발자에서 개발자+QA"로 바뀌었고, QA 팀은 해고되었다고 말했습니다. 또 다른 사람은 아무도 명확하게 답하지 않은 질문을 던졌습니다:

"무엇을 역량 강화해야 할까요? AI가 제가 새로 배우는 기술보다 더 잘 수행합니다."

세 번째, "아무도 모른다" 그룹. 그리고 제가 가장 좋아하는 솔직한 답변이었습니다.

“저도 모르고, 당신도 모릅니다. 다른 누구도 모릅니다.”

답변하기 꺼려진 질문
제가 가장 궁금했던 세 번째 질문은 이것이었습니다. 3년에서 5년 후에는 기술 지식보다 도메인 지식이 더 중요할까요?

거의 아무도 직접적으로 답하지 않았는데, 아마도 어려운 질문이기 때문일 것입니다. 몇몇 사람들은 각기 다른 관점에서 근접한 답변을 했습니다.

한 댓글 작성자는 코드를 짤 필요는 없겠지만 시스템에 대한 이해는 필요하다고 말했습니다:

“코딩 방법을 알 필요는 없지만, 아키텍처를 설계하는 방법은 알아야 한다.”

개발자 한 명은 AI가 자신보다 더 나은 코드를 작성한다고 했지만, 여전히 자신의 역할이 있다고 주장했습니다:

“저는 아직 필요합니다. 제가 취향과 선호도를 가지고 있기 때문입니다.”

한 학생은 이미 깊은 지식을 가진 분야에 진출할 것을 제안했습니다:

“이미 깊은 지식이 있는 어떤 도메인이든 파고들어라.”

헬스케어 데이터를 다루는 직장 동료 한 명은 코드 자체의 비용이 저렴해지고 있지만, 희소하게 남아있는 것은 문제를 아는 것이라고 말했습니다. 헬스케어 데이터에서 이는 임상적(clinical) 및 운영적(operational) 업무가 실제로 어떻게 진행되는지 이해하는 것을 의미합니다. 그들은 또한 AI가 제공하는 것을 판단할 수 있는 충분한 기술이 여전히 필요하다고 덧붙였습니다.

그리고 제가 일하는, 기술 분야 외부의 사람 한 명은 과연 누가 이 속도를 따라잡을 수 있는지 궁금해했습니다. 그들의 조언은 제가 들은 것 중 가장 짧았습니다. 그냥 주변에 관련된 기술(skill)만 갖추라는 것이었습니다.

그렇다면, 우리들은 다음에 무엇을 배워야 할까요?
제목의 질문으로 돌아가서요. 이 모든 견해들을 읽고 난 후, 저는 계속해서 하나의 결론에 도달하고 있습니다.

코드는 점점 저렴해지고 있습니다. 이 스레드에서 거의 아무도 코드를 생산하기 어려워진다고 주장하지 않았습니다. 심지어 차분한 사람들조차도요. 그들이 지속적으로 지적했던 것은 코드 주변의 모든 것이었습니다: 문제, 흐름(flow), 아키텍처. 다른 사람들, 다른 단어들로 표현했지만, 방향은 같았습니다. 즉, 구문(syntax)을 넘어서는 이해가 필요하다는 것입니다.

우리가 다뤘던 두 가지 앱을 기억해 주세요. 도메인 지식은 세부 사항을 기억하는 것이 아닙니다. 그것은 일반적인 도구가 구조적으로 무엇을 잘못 아는지를 아는 것입니다. 스튜디오 주인은 유효 기간이 있는 돈이 패스라는 것을 압니다. 건강 데이터 분야의 전문가는 실험 결과가 여러 번 나올 수 있으며, 어떤 결과를 신뢰해야 하는지 알고 있습니다. AI는 누군가가 무엇이 빠졌는지 알려주면 그중 어느 것도 제대로 구축할 수 있습니다. 어려운 부분은 그것에게 무엇을 말해야 하는지 아는 것입니다.

놓치기 쉬운 반전이 하나 있습니다. AI는 기술 지식이 제한적인 사람들도 코딩 측면을 탐색할 수 있게 했습니다. 저희 이야기 속의 스튜디오 주인은 이제 대략적인 예약 도구를 스스로 구축할 수 있게 되었습니다. 이 역시 역방향으로도 작동합니다. AI는 코딩의 일부를 처리해 주는 도움의 손이 될 수 있으며, 이는 기술 분야에 있는 사람들이 해당 도메인으로 들어갈 여지를 갖게 한다는 것을 의미합니다.

그래서 제 대답은 이렇습니다:

이미 기본적인 것 이상으로 잘 알고 있는 틈새 시장을 선택하세요. 그 문제점과 흐름에 깊이 빠져들세요. 아무도 묻지 않는 질문들을 던지고, 그것이 내부적으로 어떻게 작동하는지, 그리고 그러한 시스템의 좋은 아키텍처가 무엇인지 배우세요. 그런 다음 AI 도구를 사용하여 더 완성도 높은 소프트웨어를 구축하고, 이때 당신의 도메인 지식이 방향을 제시하고 기술적 기초가 결과를 검토하도록 하세요.

만약 창업자라면, 이것은 똑같이 중요합니다. 이는 누구를 고용할지, 그리고 무엇을 만들지를 결정하기 때문입니다.

우리는 따라잡을 수 있을까요?
만약 '따라잡는다'는 것이 코드를 작성하는 AI와 맞추려고 노력한다는 의미라면, 저는 그만한 경쟁은 가치가 없다고 생각합니다. 속도는 빨라지고 있고, 격차는 아마 계속 벌어질 것입니다.

하지만 만약 그것이 당신의 분야를 충분히 깊게 알아서 빠른 것과 올바른 것을 구별할 수 있다는 의미라면, 그렇습니다. 이것은 사람들이 여전히 하나씩 질문을 던지며 구축해 나갈 수 있는 무언가입니다.

둘 다 가진 사람들이 단순히 빠르기만 한 것이 아니라 '올바른' 것을 만들게 될 것입니다.

이것이 제가 파악한 바입니다. 예측이라기보다는, 몇십 명의 낯선 사람들, 몇몇 동료들, 그리고 두 명의 가상의 고객들이 가리키는 방향에 가깝습니다.

여러분은 무엇을 추가하고 싶으신가요? 댓글로 알려주세요. 제가 읽겠다고 약속합니다.

그리고 끝까지 오셨다면, 패스가 단순히 숫자가 아닌 이유를 아시게 되었을 겁니다 😉

저는 클리닉 및 소규모 사업체를 위한 맞춤형 소프트웨어와 자동화를 구축하며, 보통은 업무가 실제로 어떻게 돌아가는지 배우는 것부터 시작합니다. 이것이 유용하게 들린다면, [[email protected]]에서 인사해주세요.