소프트웨어 엔지니어 플로리안 헤렌트(Florian Herrengt)가 8월 11일 자신의 블로그에 올린 글 "AI is removing the middle class of software engineering"이 Hacker News에서 큰 토론으로 번지고 있다. 그는 AI 코딩 도구가 구현 속도의 상한선을 없애면서, 원래도 엔지니어링 문화가 약했던 조직은 예전보다 훨씬 빨리 손쓸 수 없는 상태에 도달한다고 주장한다.
헤렌트가 드는 예시는 이렇다. 2020년에는 팀장이 휴가를 다녀오면 코드베이스가 엉망이 되어 있어도 어떻게든 되돌릴 수 있었다. 2026년에는 휴가를 가지 않은 평범한 월요일 아침에도 리뷰할 PR이 7개 쌓여 있고, 그중 첫 PR부터 추가 2만 4,506줄·삭제 3,938줄 규모다. 팀이 주말 사이 만든 변경량이 예전에 몇 주 휴가를 비웠을 때보다 많다는 것이 그의 관찰이다.
월요일 아침 PR 7개가 왜 예전과 다른가
문제는 언뜻 보면 코드가 돌아간다는 점이다. 브랜치를 받아서 실행하면 대체로 뭔가는 작동한다. 그래서 팀은 계속 같은 방식으로 일하고, PR은 7개에서 13개로 늘어난다. 헤렌트는 이 상태를 신용카드로 고급 차를 산 것에 비유한다. 빚은 보이지 않고 차만 근사해 보인다는 것이다. 결국 반복되는 버그를 팀원에게 물어보면 "저도 몰라요, Claude한테 물어볼게요"라는 답이 돌아오고, 둘이 나란히 앉아 LLM이 내놓는 긴 설명을 읽어도 그게 맞는 설명인지 아무도 확신하지 못하는 장면으로 이어진다.
왜 좋은 엔지니어와 나쁜 엔지니어의 몸값이 갈라지는가
헤렌트는 이제 구현 자체는 값싸졌고, 사람이 돈을 받는 이유는 좋은 결정을 내리는 능력이라고 말한다. 그는 런던이나 샌프란시스코의 엔지니어에게 왜 여전히 6자리 연봉을 주는지 되묻는다. 스펙을 코드로 바꾸는 능력만 필요했다면 훨씬 싼 곳에서 같은 일을 시킬 수 있었을 것이다. 그의 예측은 AI가 연봉 격차를 더 벌린다는 것이다. 판단력이 있는 엔지니어는 AI 덕분에 훨씬 빠르게 움직이고 주변에 구현 인력을 덜 필요로 하는 반면, 판단력이 없는 엔지니어는 오히려 채용 비용이 커진다. LLM의 제안을 평가할 판단력이 없는 사람에게 "더 신경 써서 판단하라"고 요구해 봐야 문제가 해결되지 않기 때문이다.
기술 부채는 왜 예전처럼 쉽게 되돌릴 수 없는가
기술 부채 자체가 항상 나쁜 것은 아니라고 헤렌트는 선을 긋는다. 문제는 그것이 지름길이라는 사실을 아는지 여부다. 예를 들어 LLM에게 데이터베이스에 테이블과 컬럼 여러 개를 추가하라고 시키면 10분이면 끝난다. 하지만 일단 데이터가 그 안에 쌓이기 시작하면 함부로 지울 수 없다. 마이그레이션 계획을 세우고, 매일 돈을 내고 쓰는 사람들을 방해하지 않아야 하고, 마이그레이션이 실패했을 때의 대응까지 생각해야 하고, 외래 키가 고아 상태로 남지 않도록 신경 써야 한다. 최고의 모델을 쓰더라도 되돌리는 작업은 여전히 훨씬 오래 걸리고, 그 사이에 새로운 PR과 새로운 추상화, 새로운 결정이 계속 쌓인다. 나쁜 결정 하나를 풀어내는 동안 다섯 개가 더 병합된다는 것이 그의 표현이다.
코드 리뷰·CI를 강화하면 막을 수 있지 않을까
헤렌트가 가장 많이 받은 반박은 "프로세스를 고치면 된다"는 것이다. 테스트, CI, 코드 리뷰, 아키텍처 리뷰는 모두 있었고 그중 아무것도 사라지지 않았다고 그는 답한다. 다만 이 장치들은 애초에 한 사람이 하루에 이 정도 규모의 변경을 만들어낼 수 없던 시절에 설계됐다. 누군가 AI가 쓴 설명을 붙여 하루에 PR 10개를 여는 상황에서는 코드 리뷰가 같은 방식으로 작동하지 않는다. 테스트는 애초에 작성자가 떠올린 동작만 검증하므로, 아무도 생각하지 못한 동작까지 잡아내지는 못한다. 그는 CI가 전부 초록불이고 커버리지가 높았는데도 버그를 그대로 배포한 경험이 몇 번이나 있는지 되묻는다. 변경을 이해하고 품질을 지키는 사람이 병목이 됐다면 남은 선택지는 셋뿐이다. 생성량을 줄이거나, 진짜로 더 나은 검증 방법을 찾거나, 낮은 품질을 받아들이는 것이다.
주니어 개발자는 이제 필요 없어지는가
헤렌트는 최근 함께 일한 주니어 두 명을 예로 든다. 이들은 AI를 자신이 이해하지 못하는 부분을 탐색하고, 추론을 검증하고, 가정을 재확인하는 도구로 쓴다. 반대로 코드를 이해하려는 시도 자체를 포기한 시니어들과도 일해봤는데, 이들은 결과적으로 더 나쁜 엔지니어가 됐다고 그는 전한다. 문제는 AI 자체가 아니라 이해를 대신하는 수단으로 쓰는지, 이해를 키우는 도구로 쓰는지의 차이라는 게 그의 결론이다.
이 흐름이 소프트웨어 엔지니어링에만 그치지는 않을 것이라고 헤렌트는 본다. 지식노동 전반에서 AI가 가장 뛰어난 사람을 더 생산적으로 만들고 판단력이 부족한 사람은 고용하기조차 어렵게 만들 것이라는 예측이다. 예전에는 나쁜 결정이 너무 커지기 전에 누군가 붙잡을 가능성이 있었지만, 이제는 주변 누구도 현실적으로 검토·이해할 수 있는 속도보다 빠르게 변경이 쌓인다.
출처: Florian Herrengt, "AI is removing the middle class of software engineering"