요즘 개발 커뮤니티에서 가장 많이 듣는 말 중 하나가 “AI가 개발자를 대체할 것”이라는 경고다. GitHub Copilot이 코드를 완성하고, ChatGPT가 알고리즘을 설명하며, Claude가 버그를 잡는 시대. 전공생 입장에서는 이 흐름이 위협으로 느껴질 수 있다. 하지만 정확히 무엇이 대체되고, 무엇이 남는지를 구분하지 않으면 잘못된 방향으로 대비하게 된다. 이 글은 AI가 실제로 어디까지 침투하고 있는지를 냉정하게 짚고, 전공생이 지금 당장 어떤 일에 집중해야 하는지를 구체적으로 안내한다.
AI가 실제로 잘하는 것과 못하는 것
현재 AI 코딩 도구들이 잘하는 영역은 명확하다. 반복적이고 패턴화된 코드 생성, 문서화, 테스트 코드 초안, 알려진 라이브러리 사용법 안내 등이다. 예를 들어 CRUD(생성·조회·수정·삭제) 엔드포인트를 만들거나, 정형화된 SQL 쿼리를 작성하거나, 표준적인 정렬 알고리즘을 구현하는 일은 AI가 빠르고 정확하게 처리한다.
반면 AI가 여전히 취약한 부분도 분명하다. 요구사항 자체가 모호하거나 상충할 때, 기존 레거시 코드베이스의 비즈니스 맥락을 파악해야 할 때, 성능·보안·비용 사이에서 트레이드오프를 판단해야 할 때, 그리고 이해관계자와 소통하며 문제 정의 자체를 바꿔야 할 때다. AI는 “주어진 문제를 잘 푸는” 도구이지, “어떤 문제를 풀어야 하는가”를 결정하는 주체가 아니다.
결국 AI가 대체하는 것은 ‘주니어 수준의 코딩 노동’ 일부다. 그러나 그것이 곧 주니어 개발자 직군 전체를 없앤다는 뜻은 아니다. 도구가 강력해질수록, 그 도구를 올바르게 다루고 결과물을 검증할 수 있는 사람이 더 필요해지는 역설이 기술 업계에는 반복적으로 존재해왔다.
전공 커리큘럼만으로는 부족한 이유
대학 전공 과정은 컴퓨터 과학의 기초를 체계적으로 다진다는 점에서 여전히 유효하다. 자료구조, 운영체제, 네트워크, 데이터베이스 원리를 제대로 배운 사람은 새로운 기술이 등장해도 빠르게 흡수할 수 있다. AI 도구가 생성한 코드가 왜 작동하는지, 어디서 무너질 수 있는지를 판단하는 것도 이 기초 위에서만 가능하다.
문제는 커리큘럼이 ‘도구를 어떻게 활용하는가’와 ‘실제 팀에서 어떻게 일하는가’를 가르쳐주지 않는다는 점이다. 버전 관리를 제대로 쓰는 법, 코드 리뷰 문화, 배포 파이프라인, 기술적 결정을 문서화하는 습관, 팀원과 인터페이스를 협의하는 방식 등은 학교 과제에서 좀처럼 경험하기 어렵다. 이 격차가 취업 후 첫 3개월을 가장 힘들게 만드는 요인이기도 하다.
AI가 점점 코딩 보조 역할을 맡아간다면, 이 ‘협업과 판단’의 영역이 인간 개발자에게 더욱 집중된다. 즉, 전공 공부는 줄이는 것이 아니라, 거기에 더해 실제 현장 맥락을 빠르게 체험하는 것이 지금 전공생에게 필요한 전략이다.
지금 당장 할 수 있는 구체적 행동 4가지
추상적인 조언보다 지금 바로 실행 가능한 것을 정리한다.
- AI 도구를 능동적으로 사용하고, 결과를 반드시 검증하는 습관을 만든다. Copilot이 제안한 코드를 복사해서 넣는 것과, 그 코드가 왜 그렇게 생겼는지 설명할 수 있는 것은 다르다. 지금부터 AI가 생성한 코드를 한 줄씩 읽고, 의도를 이해하고, 더 나은 방식이 있는지 따져보는 연습을 일상화한다.
- 작은 사이드 프로젝트를 실제 배포까지 완성한다. 학교 과제는 제출로 끝나지만, 사이드 프로젝트는 실제 사용자가 접근할 수 있는 상태까지 만들어야 한다. 클라우드 무료 티어, GitHub Pages, Vercel 등을 활용해 한 가지라도 완성된 형태로 세상에 내놓는 경험이 중요하다. 이 과정에서 배포, 환경 변수 관리, 로그 확인 등 현장에서 반드시 부딪히는 문제들을 미리 체험하게 된다.
- 오픈소스 프로젝트에 기여해본다. 첫 기여는 거창할 필요가 없다. 오타 수정, 문서 보완, 간단한 버그 수정부터 시작할 수 있다. 핵심은 다른 사람의 코드를 읽고, PR(풀 리퀘스트) 과정을 거치며 피드백을 받아보는 경험이다. 이 경험은 이력서 한 줄보다 기술 면접에서 훨씬 설득력 있는 이야기가 된다.
- 나의 의사결정 과정을 글로 정리하는 습관을 만든다. 왜 이 라이브러리를 선택했는지, 어떤 트레이드오프를 고려했는지, 문제를 어떻게 접근했는지를 짧게라도 기록한다. 개발 블로그가 아니어도 된다. 노션, 깃허브 위키, 심지어 텍스트 파일이라도 좋다. 이 습관이 쌓이면 면접에서 기술적 판단을 설명하는 능력이 자연스럽게 길러진다.
AI 시대에 더 가치 있어지는 역량
기술 업계에서 오래 일한 시니어 개발자들이 반복해서 강조하는 것이 있다. “코드를 짜는 능력보다, 무엇을 짜야 하는지를 이해하는 능력”이다. AI가 코드 생성 속도를 높이면 높일수록, 방향을 잘못 잡았을 때의 비용도 빠르게 커진다. 잘못된 방향으로 빠르게 달리는 것은 느리게 달리는 것보다 나쁠 수 있다.
이런 맥락에서 앞으로 더 가치 있어질 역량은 다음과 같다. 비즈니스 문제를 기술 언어로 번역하는 능력, 코드 이면의 시스템 구조를 파악하는 능력, 기술적 부채를 인식하고 팀에 설명하는 능력, 그리고 다양한 직군(디자이너, 기획자, 경영진)과 기술을 매개로 소통하는 능력이다. 이 역량들은 AI가 대신할 수 없는 영역이며, 동시에 전공 수업만으로는 길러지지 않는 것들이기도 하다.
여기에 더해, 특정 도메인 지식이 결합된 개발자는 앞으로도 희소하다. 의료, 법률, 금융, 교육 등 규제와 전문성이 복잡하게 얽힌 영역에서는 해당 도메인을 이해하는 개발자를 찾기가 여전히 어렵다. 전공생 시절부터 자신이 관심 있는 산업을 한 가지라도 깊게 공부해두는 것이 장기적으로 차별화 포인트가 될 수 있다.
불안보다 전략이 먼저다
AI가 개발자를 완전히 대체할 것이라는 전망과, 아무런 변화도 없을 것이라는 낙관 사이 어딘가에 현실이 있다. 분명한 것은 변화가 빠르다는 점이고, 그 변화 속에서 살아남는 개발자는 AI를 두려워하는 사람이 아니라 AI를 가장 능숙하게 다루면서 AI가 하지 못하는 일에 집중하는 사람이라는 점이다.
전공생에게 지금 필요한 것은 불안을 키우는 뉴스 소비가 아니라, 방향이 잡힌 실행이다. 기초를 단단히 하면서, AI 도구를 적극적으로 써보고, 실제 현장에서 일어나는 일을 작게라도 경험하는 것. 그 과정에서 생기는 구체적인 질문들을 가지고 현직자나 멘토를 찾는 것이 지금 할 수 있는 가장 실질적인 준비다.
누스쿨 커뮤니티에는 실제 현장에서 AI 도구를 활용하며 일하는 개발자 멘토들이 있다. 막연한 불안이 아닌 구체적인 질문을 가지고 멘토링에 참여해보자. 방향이 잡히는 것만으로도 지금 무엇을 해야 할지가 훨씬 선명해진다.
💬 댓글 0