“개발자는 끝났다”는 말이 커리어 커뮤니티를 가득 채우는 시기가 있었다. AI가 코드를 쓰고, 빅테크 구조조정 소식이 연달아 터지고, 채용 공고가 줄었다는 이야기가 반복됐다. 그런데 비슷한 시기 개발 직군에서만 수백 명 규모 채용을 진행하는 기업이 있었다는 이야기도 업계에서 회자된다. 그 숫자가 정확히 429명인지, 300명인지, 혹은 더 많은지는 공개 검증된 출처가 없으니 단정할 수 없다. 하지만 이 이야기가 주는 실제 함의는 숫자가 아니다. 비관론이 가득한 시기에도 채용은 조용히 일어나고 있다는 것, 그리고 그 속에서 어떻게 자신의 커리어 기준을 세우느냐가 실제 방향을 결정한다는 점이다.
비관론은 왜 이렇게 빠르게 퍼지는가
나쁜 소식은 좋은 소식보다 빠르게 퍼진다. 대형 테크 기업이 수천 명을 해고했다는 뉴스는 바이럴되지만, 같은 시기 수백 개의 중소기업과 스타트업이 개발자를 뽑고 있다는 사실은 피드에 오르지 않는다. 결과적으로 취업을 준비하는 사람이나 이직을 고민하는 현직자는 실제 시장보다 훨씬 어두운 풍경을 머릿속에 그리게 된다.
소셜미디어의 구조도 이를 심화시킨다. 취업 실패담, 서류 탈락 후기, “n개월 백수 중” 스레드가 공감을 더 많이 받는 구조에서는 성공 케이스가 상대적으로 과소 대표된다. 직장을 구한 사람은 조용히 합격 통보를 받고 입사 준비를 시작하지, 매일 커뮤니티에 근황을 올리지 않는다. 이 정보 비대칭이 “다들 안 되는구나”라는 잘못된 일반화를 만든다.
비관론이 완전히 틀렸다는 말이 아니다. 시장이 어렵다는 신호가 실제로 존재하고, 주니어 포지션의 경쟁은 분명히 치열해졌다. 하지만 ‘어렵다’와 ‘불가능하다’는 다르다. 그 차이를 구분하지 못하면 준비 자체를 멈추거나, 반대로 시장 변화를 무시한 채 낡은 방법을 반복하게 된다.
채용 숫자를 제대로 읽는 법
“어떤 기업이 개발자를 대규모로 채용했다”는 이야기를 들었을 때, 그 숫자가 나에게 의미 있는 신호인지 확인하는 습관이 필요하다. 같은 채용 규모라도 맥락에 따라 해석이 완전히 달라지기 때문이다.
- 어떤 직군인가? 개발자 전체인지, 특정 스택(AI/ML, 클라우드 인프라, 보안 등)에 국한된 것인지에 따라 의미가 달라진다.
- 어느 기업 규모인가? 대기업 한 곳의 대규모 공채인지, 다수의 중소기업이 분산 채용하는 것인지 구분해야 한다.
- 경력 조건은 무엇인가? 3년 이상 경력직 중심인지, 신입도 포함되는지에 따라 나의 지원 가능 범위가 달라진다.
- 언제 데이터인가? 채용 시장은 분기마다 흐름이 다르다. 특정 시점의 급증이 트렌드인지 일회성인지 확인해야 한다.
이 질문들에 답하지 않은 채 “몇 명 채용”이라는 숫자만 보면 낙관도 비관도 근거 없는 감정이 된다. 반대로 이 질문에 스스로 답할 수 있으면, 지금 내가 어느 직군·레벨·스택에서 경쟁하고 있는지 훨씬 정확하게 파악된다. 커리어 결정은 시장의 전체 분위기가 아니라 나의 포지션이 속한 세부 시장을 보고 내려야 한다.
비관론에 휩쓸리지 않기 위한 커리어 기준 세우기
외부 분위기에 흔들리지 않으려면 자신만의 판단 기준이 있어야 한다. 기준이 없으면 매일 올라오는 뉴스와 커뮤니티 후기가 기준이 돼버린다. 다음 세 가지 축으로 자신의 커리어 기준을 정리해두는 것이 출발점이다.
첫째, ‘무엇을 잘하는가’보다 ‘무엇을 잘하게 될 수 있는가’를 함께 고려한다. 현재 보유 기술이 시장에서 과잉 공급 상태라면, 지금 당장 전환이 어렵더라도 6개월~1년 안에 보완할 수 있는 기술 영역을 구체적으로 지목해둔다. 막연히 “AI를 공부해야지”가 아니라 “현재 백엔드 경력에 LLM API 연동 프로젝트를 추가하겠다”처럼 구체적이어야 한다.
둘째, 지원 기업의 규모 다양성을 의도적으로 확보한다. 대기업만 보거나 스타트업만 보는 것은 샘플 편향이다. 대기업 공채가 축소된 시기에 중견기업과 성장 초기 스타트업은 오히려 채용을 늘리는 경우가 많다. 반대로 스타트업 시장이 얼어붙는 시기엔 안정적인 중견기업이 대안이 된다. 포트폴리오처럼 지원 대상을 분산하는 전략이 필요하다.
셋째, ‘합격 여부’가 아니라 ‘학습 밀도’로 활동을 평가한다. 이 시기에 코딩 테스트를 준비하며 자료구조를 얼마나 깊게 이해했는지, 면접을 통해 자신의 경험을 언어화하는 능력이 얼마나 늘었는지를 지표로 삼는다. 결과는 내가 통제할 수 없지만 학습의 질은 통제할 수 있다. 이 관점이 유지되면 탈락이 좌절로만 끝나지 않는다.
AI 도구가 개발자를 대체한다는 주장, 어디까지 사실인가
AI 코딩 도구가 빠르게 발전하고 있는 것은 사실이다. GitHub Copilot, Cursor와 같은 도구들은 반복적인 코드 작성 속도를 실질적으로 높여준다. 이 맥락에서 “AI가 주니어 개발자 일자리를 빼앗는다”는 주장이 나온다. 그러나 이 주장에는 몇 가지 검토가 필요하다.
현재 AI 도구들이 잘 처리하는 영역은 주로 패턴이 명확한 반복 코드, 단순 CRUD 로직, 테스트 케이스 생성 등이다. 반면 비즈니스 요구사항을 기술 스펙으로 번역하고, 시스템 간 의존성을 설계하고, 장애 발생 시 원인을 추적하는 작업은 여전히 맥락 이해와 경험에 크게 의존한다. AI 도구를 잘 쓰는 개발자와 그렇지 않은 개발자 사이의 생산성 격차가 벌어지는 것이지, 개발자 직군 자체가 사라지는 것이 아니다.
실용적 함의는 이렇다. AI 도구를 배우는 것은 선택이 아니라 기본이 됐지만, 동시에 도구가 틀렸을 때 알아챌 수 있는 기초 실력이 더 중요해졌다. AI가 생성한 코드를 검토하고, 오류를 잡고, 설계 결정을 내리는 사람이 여전히 필요하기 때문이다. “AI 때문에 코딩을 배울 필요가 없다”는 결론은 성급하다.
실제로 채용되는 사람들의 공통점
커리어 멘토링 현장에서 반복적으로 관찰되는 패턴이 있다. 시장이 어렵다는 같은 조건 속에서도 합격하는 사람들에게는 몇 가지 공통된 특징이 나타난다.
- 포트폴리오에 ‘왜’가 있다. 어떤 기술을 썼는지보다 왜 그 기술을 선택했는지, 어떤 문제를 어떻게 해결했는지를 설명할 수 있다. 면접관은 이미 이력서에 적힌 스택을 봤다. 그들이 확인하고 싶은 것은 의사결정 과정이다.
- 준비 기간보다 준비의 밀도가 높다. 6개월을 준비했어도 반복 없이 새로운 자료만 쌓은 사람보다, 3개월 동안 같은 개념을 다양한 각도로 소화한 사람이 면접에서 더 또렷하게 말한다.
- 지원 범위가 구체적이고 현실적이다. ‘어디든 좋아요’가 아니라 ‘이런 도메인에서 이런 규모의 팀에서 일하고 싶다’는 기준이 있는 사람이 서류와 면접에서도 일관성을 보인다.
- 탈락에서 피드백을 추출한다. 같은 유형의 질문에서 반복적으로 막히면 그 영역을 보완한다. 감정적으로 소비하는 시간을 줄이고 분석에 더 많은 시간을 쓴다.
이 특징들은 재능이 아니라 습관이다. 시장 상황과 무관하게 지금 당장 바꿀 수 있는 것들이다.
지금 당장 할 수 있는 세 가지
비관론에 대한 가장 강력한 반격은 행동이다. 아래 세 가지를 이번 주 안에 실행해보자.
- 내가 지원하려는 직군의 채용 공고 10개를 직접 수집한다. 플랫폼의 트렌드 요약 기사가 아니라 공고 원문을 본다. 반복되는 기술 스택과 자격 요건, 우대 사항을 직접 추출한다. 이것이 나의 준비 방향 지도가 된다.
- 지난 3개월의 커리어 활동을 한 페이지로 정리한다. 무엇을 했는지, 그 중 무엇이 성장으로 이어졌는지, 무엇이 막혔는지를 기록한다. 진단 없이는 처방도 없다.
- 한 명의 실제 종사자를 만나거나 인터뷰한다. 커뮤니티 글이 아니라 현직자 한 명의 생생한 이야기가 시장을 읽는 가장 정확한 창이다. 링크드인 메시지, 지인 소개, 오픈 멘토링 플랫폼 등 경로는 다양하다.
시장이 어렵다는 말은 절반만 맞다. 나머지 절반은 준비된 사람에게는 여전히 문이 열려 있다는 사실이다. 비관론의 목소리가 클수록 조용히 준비하는 사람의 상대적 우위가 커진다. 지금의 혼란한 신호들 속에서 자신의 기준을 세우고 싶다면, 누스쿨 커뮤니티와 1:1 멘토링을 통해 현직자의 시각과 구체적인 액션플랜을 함께 만들어보자. 혼자 읽는 기사보다 한 번의 대화가 커리어 방향을 더 빨리 잡아준다.
💬 댓글 0