오랫동안 내 업무에 적절한 이름을 붙일 수 없었다.

고객의 업무에 깊숙이 들어가 무엇이 일어나고 있는지 파악한다. 그곳에 무엇을 남기고 무엇을 뺄지를 결정한다. 그러고 나서 직접 손을 움직여 시스템을 만든다. 하고 있는 일을 솔직하게 늘어놓으면, 컨설턴트(Consultant)치고는 기술에 너무 깊이 관여하고 있고, 엔지니어(Engineer)치고는 업무에 너무 깊이 관여하고 있다. 어느 쪽 틀에도 깔끔하게 들어맞지 않는다. 명함의 직함으로 삼으려 하면 매번 어딘가 거짓말이 된다.

그런데 지난 1년 사이, 그 '이름 없던 업무'에 외부에서 이름이 붙었다. Forward Deployed Engineer, 줄여서 FDE. 해외 AI 기업의 채용 페이지에 이 생소한 직종이 나열되기 시작했다. Anthropic도 OpenAI도 Google Cloud도 채용을 서두르고 있으며, 2025년 한 해 동안 수요가 800% 이상 성장했다는 보도도 있다.

단순히 이름만 붙은 것이 아니다. 갑자기 세계가 이 업무를 원하기 시작했다. 왜 지금인가. 그것을 써두고 싶다.

FDE의 채용 공고를 읽어보면 대개 같은 내용이 적혀 있다. 고객과 대화하며 기술을 번역할 수 있는 능력. 그리고 LLM을 실무(Production)에서 구동할 수 있는 능력. 요컨대, 컨설턴트의 소양과 엔지니어의 소양을 절반씩 모두 갖춘 사람을 찾고 있다는 것이다.

그 말은 틀리지 않았다. 하지만 내부에서 실제로 하고 있는 일의 핵심은 그 나열된 내용에 나타나지 않는다.

실제로 애를 먹는 것은 코드가 아니다. '이 판단은 이제 사람이 하지 않아도 된다'라고 결정하고, 그 결정을 책임지는 것이다.

업무 중에는 사람이 머릿속에서 내리는 판단이 대량으로 존재한다. 이것은 통과시켜도 된다, 이것은 반려한다. 이 확인은 필요하다, 이것은 생략할 수 있다. 오래 흘러온 업무일수록 이러한 판단들이 역사의 지층처럼 쌓여 있다. '예전에 이런 실수가 있었기에 확인 절차를 추가했다', '그 안건에서 마찰이 있었기에 승인 단계를 하나 늘렸다' —— 하나하나에는 이유가 있고, 모두 의미가 있는 것처럼 보인다.

냉정하게 나열하면 AI를 기점으로 재구성했을 때 필요 없어지는 것들은 적지 않다. 하지만 '필요 없다'라고 단언하는 것은 무거운 일이다. 제거한 뒤에 같은 문제가 발생하면, 제거한 판단에 대한 책임이 우리에게 돌아온다. 그래서 은연중에 이미 필요 없다고 모두가 느끼는 확인 절차일수록, 아무도 손대지 못한 채 남아 있게 된다.

FDE 업무의 대부분은 여기에 있다. 코드를 쓰기 전에, 업무의 목적까지 일단 거슬러 올라가 무엇을 기계에 넘겨줄 수 있을지 파악하고, 관계자들과 함께 결론을 내는 것이다. 그 선을 그어야 비로소 AI를 도입할 위치가 결정된다. 채용 공고의 '양쪽의 소양'은 이 결정을 내리기 위한 전제 조건에 불과하다.

'업무를 바꾼다'는 일은 오래전부터 있었다. 다만 지금까지 접했던 것은 업무의 외부뿐이었다.

종이를 전자화했다. 대면을 온라인으로 바꿨다. 정형 작업을 자동화하고 데이터를 수집해 가시화했다. 조직을 가로질러 재설계하고 고객 중심으로 다시 만들었다. 디지털화, 업무 개혁, DX —— 명칭은 바뀌었지만, 바꿔온 것은 언제나 업무의 입구와 출구, 즉 형태였다.

업무의 내용 —— 사람이 머릿속에서 무엇을 어떻게 판단하고 있는가 —— 에는 본질적으로 손이 닿지 않았다. 기술이 없어서라기보다, 깊이 파고들려면 머릿속의 판단 재료를 전부 사람이 번역하여 다시 입력해야 했기에 수지타산이 맞지 않았기 때문이다.

생성형 AI(Generative AI)가 그 부분을 바꾸었다. 어수선한 메모, 구두상의 뉘앙스, 단편적인 관찰 —— 지금까지 구조화할 수 없었던 판단 재료를 그대로 모델에 전달할 수 있다. 베테랑의 판단을 과거 사례의 회상·유사도 추정·정석과의 대조·자사 사정에 따른 보정 등으로 단계별로 나누어 각각을 AI에 할당하고, 마지막 한 수만을 사람에게 남긴다. 그런 방식의 구축이 현실이 되었다.

단, 전달하기 위해서는 조건이 있다. 판단 재료가 읽을 수 있는 형태로 남아 있어야 한다는 것이다. 회의의 논의도, 현장의 관찰도, 잡담 속의 시사점도 문자나 기록으로 남아 있지 않으면 AI는 아무것도 배울 수 없다. 그래서 업무의 상류를 'AI에게 넘길 수 있는 형태'로 재구축하는 쪽에 무게를 두고, 그 재구축과 AI 도입을 병행하며 반복한다. McKinsey의 조사에서도 AI로 성과를 낼 수 있는지에 대한 가장 강력한 예측 인자는 도입 시에 업무 흐름(Workflow)을 근본적으로 재구축했는지 여부라고 한다.

판단의 레이어(Layer)에 손이 닿게 된 순간, '업무를 깊이 읽을 수 있는 능력'과 '직접 손을 움직여 만들 수 있는 능력'을 한 사람 안에서 양립하는 사람이 갑자기 필요해졌다. 채용이 1년 만에 800% 성장한 것은 바로 그런 이유 때문이라고 생각한다.

이유는 단순하다. 지금까지는 업무를 읽는 사람과 만드는 사람이 따로 있어도 괜찮았기 때문이다.

업무를 이해하고 "이렇게 바꿔야 한다"라고 그리는 것은 컨설턴트 (Consultant)의 일이다. 그것을 전달받아 구현하는 것은 엔지니어 (Engineer)의 일이다. 그 사이에는 분업의 선이 존재했고, 제안서와 사양서가 가교 역할을 했다. 그 분업은 업무의 외부를 바꾸는 동안에는 원활하게 돌아갔다. 형태를 바꾸는 것뿐이라면, 그려진 도면대로 만들기만 하면 되었기 때문이다.

하지만 판단의 레이어 (Layer)를 넘겨주게 되면, 이 분업은 즉시 비명을 지른다. 무엇을 기계에 넘길 수 있는지는 업무의 실질적인 감각을 파악하고 있지 않으면 판단할 수 없다. 그러나 실제로 넘길 수 있는 형태로 재구성하려면 직접 손을 움직여 만들어야 한다. 읽는 쪽과 만드는 쪽 사이에 선이 있으면, 가장 어려운 "무엇을 넘길 것인가"에 대한 판단이 공중에 붕 뜨게 된다. 제안서에는 "AI를 활용하여"라고밖에 쓸 수 없고, 사양서에는 구체적으로 적어 내려갈 수 없다.

그래서 양쪽을 혼자서 짊어질 수 있는 사람이 필요하다. 이것은 전통적으로 어느 한쪽 직종만으로는 완결될 수 없었던 업무였으나, 생성 AI (Generative AI)의 등장으로 처음으로 "한 사람이 책임을 지는" 방식이 현실성을 갖게 되었다. 이름이 없었던 것은 필요로 하지 않았기 때문이고, 이름이 붙은 것은 필요해졌기 때문이다.

추상론으로 끝내고 싶지 않기에, 손이 닿는 범위 내에서 실제로 시도하고 있다.

하나는 기세로 구축한 사내 툴을 실운용을 견딜 수 있는 품질까지 끌어올리는 작업이다. 사람이 수행하던 품질 보증 (QA) 판단——어디를 고칠지, 어디까지 확인할지——를 시나리오의 언어화와 자동 테스트 (Automated Test), 다중 에이전트 (Multi-agent)의 탐색으로 넘길 수 있는 형태로 재구성해 나가는 것이다. 직접 해보며 알게 된 것은, AI를 호출하는 부분은 오히려 간단하며, 어려운 것은 "사람의 판단을 기계가 받아들일 수 있는 형태로 다시 번역하는" 전 단계의 작업이라는 점이다.

또 하나는 사업 운영 그 자체를 처음부터 AI 에이전트 조직에 분담시켜 보는 실험이다. 이를 통해 명확해진 것은, 에이전트를 나열하기만 해서는 아무것도 움직이지 않는다는 사실이다. 판단 재료를 전달하는 방식, 책임 범위의 경계 설정, 최종 판단을 끌어올리는 방법—— "운영의 메커니즘" 자체를 AI에게 넘길 수 있는 형태로 설계해야 비로소 조직으로서 돌아가기 시작한다.

둘 다 하고 있는 일은 같다. AI를 도입하는 것 자체가 아니라, 메커니즘을 재구성하는 것이다. 그리고 그 재구성과 AI를 병행하며 반복하는 것이다. 직접 손을 움직일수록 이 업무의 무게 중심이 "구현"이 아니라 "판단과 재구성"에 있다는 사실이 명확해진다.

오랫동안 어느 틀에도 속하지 못하는 것은 차라리 약점에 가까웠다. 전문가로서 날카롭게 특화되지 못한, 어중간한 위치로 비춰지기도 했다.

그것이 뒤집혔다. 판단의 레이어에 손이 닿게 된 세상에서는, 업무를 깊이 읽을 수 있고, 직접 손도 움직일 수 있으며, 게다가 "이 부분은 넘겨도 좋다"라고 결정하며 맡을 수 있는 사람이 가장 필요하다. 지금까지 이름 없던 어중간함이 그대로 강점이 되는 장소가 마침내 나타난 것이다.

"FDE"라는 명칭이 일본에 정착할지는 알 수 없다. 그럼에도 이런 종류의 업무는 이제 확실히 필요하며, 앞으로 늘어날 것이다. 지금까지 업무 혁신이나 DX (Digital Transformation)를 해온 사람이라면 그 경험이 그대로 토대가 될 것이고, AI를 다룰 수 있는 엔지니어라면 "코드를 쓰는 존재"에서 "현장을 바꾸는 존재"로 나아가는 입구가 될 것이다.

어디서부터 관여하든 첫걸음은 작다. 자사의 업무를 하나 골라, "이곳을 재구성하면 이 판단은 기계에 넘길 수 있다"라는 선을 한 줄 그려보는 것이다. 그 다음부터는 움직이면서 결정해 나갈 수 있다.