AI가 빨라질수록 개발자에게 남는 일

About this offer

여러분은 AI를 어떻게 사용하고 계신가요? 요즘 AI를 어떻게 써야 할지 자주 고민한다. 개발자에게 필요한 AI 활용 능력이 정확히 뭔지 아직 잘 모르겠다. ChatGPT나 Claude에게 코드를 짜 달라고 하는 게 전부는 아닐 텐데, 다른 개발자들은 실무에서 AI를 어떻게 쓰는지, AI 답변을 정말 믿고 쓰는지, 못 믿는다면 뭘로 확인하는지 궁금했다. 그러다 Stack Overflow의 2026 Developer Survey를 읽게 됐다. 올해는 169개국에서 3만여 명이 참여했고 AI부터 업무 환경, 지식과 커뮤니티까지 꽤 넓게 다룬다. 그중 AI 쪽 결과 몇 개가 계속 머리에 남았다. AI를 정말 신뢰하고 있을까? 설문은 AI 도구의 결과물을 얼마나 신뢰하는지 물었다. 가장 많이 나온 답은 의외로 명확했다. 출력 결과를 쉽게 확인할 수 있을 때 신뢰한다. 응답자의 48.0%가 해당 답을 골랐다. "중요한 업무 결정을 포함해 여러 일에서 AI를 신뢰한다"는 응답은 6.6%뿐이었다. 경력 1~5년 차만 보면 4.5%까지 내려간다. 믿느냐 안 믿느냐로 딱 나뉘는 게 아니었다. 확인할 수 있는 일에는 적극적으로 쓰지만 판단이 어려운 중요한 결정까지 맡기지는 않는다. AI를 쓰긴 쓰되 사람이 판단할 자리는 남겨 두는 셈이다. AI의 답변에도 출처가 필요하다 출처에 관한 질문도 있었다. AI가 내놓은 기술적인 답변을 믿으려면 출처 표기가 얼마나 중요하냐는 질문에 79%가 "중요하다" 또는 "매우 중요하다"고 답했다. 매우 중요하다가 52.1%, 중요하다가 26.5%였다. 당연한 결과다. 인터넷에서 뭔가를 찾을 때도 우리는 어디서 나온 정보인지, 누가 썼는지, 지금도 맞는 정보인지부터 본다. 그런데 코드는 사정이 좀 다르다. AI가 공식 문서를 참고해서 답할 수는 있어도 그 코드가 우리 프로젝트에서 맞는지는 출처만 봐서는 알 수 없다. 결국 내가 코드를 이해해야 한다. 왜 이 자료구조를 썼는지, 왜 이 API를 골랐는지, 이 방식의 단점은 뭔지 알아야 하고 기존 코드와 부딪히지 않는지, 성능이나 안정성에 문제는 없는지도 따져 봐야 한다. AI가 코드를 짤수록 기본기가 중요해지는 이유 AI가 코드를 잘 짤수록 직접 타이핑하는 시간은 줄어든다. 그렇다고 개발자에게 필요한 능력까지 줄어든다고 보지는 않는다. AI가 낸 결과를 확인하려면 그 결과를 이해할 수 있어야 하기 때문이다. 자료구조와 알고리즘, 네트워크, 데이터베이스, 운영체제 같은 CS 지식이 필요하고 코드를 읽고 문제를 재현하며 원인을 좁혀 가는 능력도 필요하다. 그중에서도 여러 방법 가운데 뭐가 맞는지 고르는 일이 제일 어렵다. AI가 세 가지 방법을 내놨는데 셋 다 잘 돌아가고 테스트도 통과한다고 해 보자. 성능을 볼지, 유지보수를 볼지, 기존 시스템과 잘 맞는지를 볼지는 결국 사람이 정해야 한다. 이건 코드를 짤 줄 아느냐와는 다른 문제다. 그래서 요즘 말하는 기본기는 문법을 많이 아는 것보다 AI가 만든 결과를 읽고 의심하고 확인해서 고르는 힘에 더 가깝다고 생각한다. 문제는 늘 어떤 도메인 안에서 생긴다 AI에게 이렇게 부탁한다고 해 보자. "쇼핑몰 주문 취소 API를 만들어 줘." AI는 꽤 그럴듯한 코드를 금방 내놓는다. 하지만 실제 서비스라면 알아야 할 게 훨씬 많다. 주문 취소는 언제까지 되는지, 이미 배송이 시작된 주문은 어떻게 하는지, 결제 금액은 어떻게 환불하는지, 쓴 쿠폰과 포인트는 어떻게 돌려주는지, 판매자 쪽에는 무슨 처리가 필요한지 같은 것들이다. 이건 코드가 아니라 업무의 문제다. 코드를 아무리 잘 짜도 뭐가 맞는 결과인지는 그 서비스의 규칙과 목적을 알아야 판단할 수 있다. 같은 "회원 탈퇴" 기능이라도 금융 서비스와 커뮤니티 서비스에서 챙겨야 할 게 전혀 다른 것처럼, 어떤 문제를 풀든 그 문제가 속한 도메인을 알아야 제대로 풀 수 있다. 설문에서도 비슷한 이야기가 나온다. AI가 일을 제대로 하려면 어떤 맥락이 필요하냐는 질문에 응답자들은 프로젝트 목표와 요구사항을 가장 많이 골랐다. 맥락 응답 비율 프로젝트 목표와 요구사항 85.2% 코드, 저장소, 기술 문서 73.3% 이전 의사결정과 그 이유 44.0% 비즈니스 목표나 제품 전략 33.0% 결국 좋은 답을 얻으려면 프롬프트를 잘 쓰는 것만으로는 모자란다. AI에게 무엇을 알려 줘야 하는지 알아야 하고 그건 업무 맥락과 도메인 지식에서 나온다. 구현은 AI가 금방 해 주는 시대라 무엇을 만들어야 하는지, 왜 그게 맞는지 답할 수 있는 사람이 더 귀해지지 않을까? 그런데 그 맥락, 충분히 주어지고 있을까? 업무에 필요한 맥락을 얻는 데 뭐가 방해되느냐는 질문에 63.2%가 "정보가 불완전하다"를 골랐다. "중요한 맥락이 사람들 머릿속에만 있다"가 60.9%, "정보가 오래됐다"가 56.5%로 뒤를 이었다. 일을 시작했거나 다 끝낸 뒤에야 중요한 맥락을 알게 되는 경우가 얼마나 되느냐는 질문은 더 뜨끔했다. "매우 자주", "자주", "가끔"을 합치면 약 79%였다. 이 숫자를 보고 문서화를 다시 생각하게 됐다. 여기서 말하는 "정보가 불완전하다."는 "문서는 있는데 정작 필요한 부분이 빠져있다."는 뜻이지 않을까? AI가 줄여 준 과정은 어디에 남을까? 예전에는 문제 하나를 풀 때 이래와 같은 과정을 거쳤다. 문제 발생 → 검색 → 해결책 비교 → 적용 → 실패 → 원인 분석 → 재시도 → 해결 느리지만 그 과정에서 뭘 골랐고 왜 그랬는지가 자연스럽게 머리에 남는다. AI를 쓰면 이 과정이 확 짧아진다. 문제를 설명하고 코드를 받아 돌려 보고 고치면 끝이다. 생산성만 보면 분명 좋은 변화다. 그런데 "왜 이렇게 풀었는가"는 어디에 남을까? AI가 준 코드를 그대로 썼다면 몇 달 뒤 누군가 그 코드를 보며 이렇게 물을 수 있다. "왜 이렇게 구현했지?" "다른 방법은 검토 안 했나?" "이 제약 때문에 이렇게 한 건가?" 맥락이 남아 있지 않으면 코드는 남아도 판단은 사라진다. 프로젝트를 하면서 기술을 고른 이유나 AI 제안을 반영하지 않은 이유를 적어 두긴 했다. 이번 설문을 읽고 나서는 이걸 좀 더 신경 써서 남겨야겠다고 마음먹은 것 같다. 거창한 문서까지는 필요 없다. 내가 푼 문제를 누군가 이어받는다고 생각하고 쓰면 충분하지 않을까. 결국 AI 활용 능력이란 무엇일까? 설문을 읽기 전에는 AI 활용 능력을 꽤 단순하게 생각했다. 프롬프트를 잘 작성하는 것. 상황에 맞는 스킬을 활용하거나 필요하다면 직접 만들어 사용하는 것. 업무에 필요한 코드를 빠르게 만들어내는 것. 반복적인 작업을 자동화하는 것. 물론 이것도 중요한 능력이다. 그런데 결과를 하나씩 보며 생각이 달라짐을 느꼈다. 응답자의 62%가 업무에서 AI 도구를 쓰는 데 긍정적일 만큼 AI는 이미 개발자의 일상에 깊이 들어와 있다. 그런데도 AI 결과를 중요한 결정에 그대로 쓰는 사람은 많지 않았다. 확인할 수 있는 결과를 믿고 출처를 따지고 요구사항이나 코드, 문서 같은 맥락을 챙겼다. AI를 잘 쓰는 것만으로는 부족하다. 결과를 확인하려면 기본기가 있어야 하고 맞는 결과를 만들려면 업무 맥락과 도메인 지식이 있어야 한다. AI로 빨리 푼 문제일수록 왜 그렇게 풀었는지 남겨 두는 일도 중요해진다. 요즘 내가 느끼는 개발자의 일은 코드를 짜는 것보다 AI와 함께 문제를 정의하고 판단하는 쪽에 더 가깝다. 그래서, 여러분은 AI를 어떻게 사용하고 계신가요? 처음 질문으로 돌아가 보자. 이번 설문을 읽으면서 AI 활용 능력이 AI에게 질문을 얼마나 잘하느냐로만 갈리지는 않는다 고 느꼈다. AI에게 무엇을 물어볼지 알고 돌아온 답을 확인하는 것. 현재 우리가 진행중인 업무에 맞는지 따져 보고 왜 그렇게 했는지 적어 두는 것. 개발자에게 필요한 AI 활용 능력은 이쪽에 더 가깝지 않을까. 참고 Stack Overflow Developer Survey 2026 AI — Stack Overflow Developer Survey 2026 Knowledge — Stack Overflow Developer Survey 2026 Domain expertise still wanted: the latest trends in AI (Stack Overflow Blog)