코드를 작성하던 사람에서, 코드를 판단하는 사람으로. 이 전환이 이미 시작됐다면 어떻게 하시겠어요?
Google Cloud AI 디렉터이자 전 Chrome 엔지니어링 리더인 Addy Osmani가 2026년 JS Nation US 컨퍼런스에서 꽤 도발적인 발언을 했어요. "2026년 시니어 개발자는 고연봉 코드 편집자(highly-paid Code Editor)에 불과하다." 폄하가 아니에요. 오히려 그게 지금 이 시대가 요구하는 핵심 역량이라는 역설이죠.
이게 뭔데?
Addy Osmani는 2025년부터 "70% 문제", "80% 문제" 시리즈를 통해 AI 코딩의 현실적 한계를 꾸준히 짚어왔어요. AI가 작업의 70~80%까지는 데려다 주지만, 나머지 20~30%의 품질·정합성·마지막 마일(last mile)은 여전히 사람의 몫이라는 거예요.
이번 인터뷰에서 그는 한 발 더 나아갑니다. 개발자의 핵심 역할이 "코드를 작성하는 사람"에서 "코드를 평가하고 편집하는 사람"으로 이동하고 있다고요. 이게 단순히 역할 변화가 아닌 정체성 위기로 느껴지는 이유는 뭘까요?
우리는 너무 오랫동안 "코드를 잘 짜는 사람 = 좋은 개발자"라는 등식을 믿어왔기 때문이에요. 실제로는 아키텍처 판단, 비즈니스 컨텍스트 이해, 팀 방향 설정 같은 능력이 훨씬 중요했는데, AI가 코드 자동화를 가속하면서 그 사실이 이제야 가시화되는 거죠.
현실 데이터도 명확해요. 2025 Stack Overflow 개발자 설문에서 개발자의 84~90%가 이미 AI 코딩 툴을 사용하고 있고, 51%는 매일 사용한다고 답했어요. Anthropic Claude Code의 경우, 출시 6개월 만에 연환산 10억 달러 매출에 도달했고요. AI 페어 프로그래밍은 이제 경쟁 우위가 아니라 기본값(table stakes)이에요.
뭐가 달라지는 건데?
가장 직접적인 변화는 역할의 재정의예요. 단순히 "더 빠르게 개발한다"가 아니라, 무엇을 판단하고 어디에 집중하는가가 완전히 달라지는 거예요.
| 기존 시니어 역할 | AI 시대 새 역할 | 중요도 |
|---|---|---|
| 코드 직접 작성 | AI 출력 평가·편집 | 역할 전환 핵심 |
| 구문·라이브러리 암기 | 컨텍스트 엔지니어링 | 필수 신기술 |
| PR 직접 구현 | 에이전트 오케스트레이션 | 생산성 배수 |
| 주니어에게 코드 리뷰 | "AI가 왜 이걸 선택했나" 비판적 분석 | 교육 방식 변화 |
| 코드 완성도 = 성과 | 시스템 정합성·아키텍처 = 성과 | 평가 기준 변화 |
Osmani는 "이슈가 아니라 PR을 원한다"는 표현을 씁니다. 산책 중 GitHub 앱으로 서너 개 작업을 에이전트에 맡기고, 돌아올 때 PR을 받아 리뷰하는 방식이에요. 이게 현실이 됐어요.
Annie Vella의 연구에 따르면, 현재 개발자의 77%가 코드를 직접 쓰는 시간이 줄었다고 답했어요. GitClear의 2025년 분석에서는 AI 코드 생성 툴이 보편화되면서 코드 중복(copy-paste)이 17.1% 증가했고, 코드 변경 후 2주 이내 재수정되는 비율이 26% 증가했어요. 빠르게 생성된 코드가 반드시 좋은 코드는 아니라는 증거예요.
바로 여기서 시니어의 가치가 재정의됩니다. "이해도 부채(comprehension debt)" — AI가 생성한 코드를 실제로 이해하고 책임질 수 있는 사람이 필요해요. 시니어 개발자가 주니어보다 AI 생성 코드를 프로덕션에 배포하는 비율이 2.5배 높은 이유는, 프롬프트를 더 잘 쓰기 때문이 아니에요. 검증하고 통합하는 판단력이 더 뛰어나기 때문이죠.
핵심만 정리: 시작하는 법
Addy Osmani의 실전 LLM 코딩 워크플로우를 단계별로 정리했어요. 바이브 코딩(Vibe Coding)과 다른, "AI 보조 엔지니어링" 접근법이에요.
- 코드 전에 스펙 먼저
막연한 요청으로 시작하지 마세요. AI에게 요구사항을 반복해서 질문하게 만들고, 결과를spec.md로 정리해요. 코드 생성 전 "15분 워터폴"로 방향을 맞추는 거예요. - 작은 단위로 쪼개기
한 번에 전체를 요청하면 일관성 없는 코드가 나와요. "Step 1 구현해줘 → 검증 → Step 2" 순서로 반복해요. 각 단계마다 테스트를 돌리고 커밋하는 게 핵심이에요. - 컨텍스트를 충분히 제공하기
AI는 주어진 컨텍스트만큼만 좋은 결과를 내요. 관련 파일, 제약사항, 선호하는 패턴, 피해야 할 함정을 모두 프롬프트에 담아야 해요. gitingest나 repo2txt 같은 툴로 코드베이스를 패키징하는 것도 좋아요. - 검증은 타협 불가
AI 코드는 자신감 넘치게 틀릴 수 있어요. 모든 AI 생성 코드를 주니어 개발자 코드처럼 대하고, 반드시 테스트를 실행하세요. 두 번째 AI(다른 모델)에게 리뷰를 맡기는 것도 효과적이에요. - 커밋 = 세이브 포인트
AI와 함께 작업할 때는 더 자주 커밋해야 해요. AI의 다음 제안이 잘못된 방향으로 가면, 최근 커밋으로 돌아올 수 있어야 하니까요. "작업 완료 → 테스트 → 커밋"이 반복 리듬이에요. - 규칙 파일로 AI 길들이기
CLAUDE.md, .cursorrules 같은 규칙 파일을 만들어요. 프로젝트 코딩 스타일, 금지 패턴, 선호하는 라이브러리를 명시하면 AI가 팀원처럼 맞춰서 작업해요.
"기초(fundamentals)를 이해하는 것이 여전히 초능력(superpower)입니다. AI가 프로그래밍 언어를 무의미하게 만든다는 극단적 견해는 틀렸어요. 오히려 깊은 기술 이해가 있어야 AI의 출력을 제대로 평가하고 통합할 수 있어요."
