발표에서 확인된 핵심 사실

도메인 전문가는 직접 업무를 수행하는 역할에서 벗어나, 업무 일부를 수행하는 시스템을 만들고 감독하며 개선하는 책임을 맡는다. 이는 단순히 코딩 기술을 습득하는 차원의 변화가 아니라, 개별 업무를 직접 수행하던 기존 방식에서 반복 수행이 가능한 프로세스를 설계하는 방식으로 이동하는 선택이다. 전문직의 업무 방식이 시스템을 설계하고 감독하는 엔지니어화(Engineerification)로 전환되며, 작업의 핵심이 단순 실행에서 시스템 설계와 감독으로 바뀐다. 도메인 전문가는 이제 시스템의 결과물을 검토하고 최적화하는 관리자로서의 역할을 수행한다.

수학자의 작업 방식은 파일, 의존성, 권한, 실행 가능한 검사, 버전 기록, 에이전트를 모두 포함하는 소프트웨어 프로젝트 형태로 변한다. 로컬 디렉터리에서 작업하며 코딩 에이전트를 활용하고, 저장소 관리와 커밋을 통해 작업의 이력을 체계적으로 관리하는 방식이 권장된다. Lean(형식 증명 검증 도구)을 통해 형식 증명을 검증하는 절차를 도입하여 논리적 무결성을 확보한다. 수치 실험 등의 구체적인 작업에서는 Claude Code와 Codex를 사용하여 모델에게 서브루틴 생성을 요청하고 이를 테스트하는 방식으로 전체 공정을 구성한다.

기술이 실제로 작동하는 방식

코드 한 줄의 자동완성을 넘어 저장소(repository, 소스 코드와 변경 이력이 저장된 공간) 전체의 작업을 위임하는 방식으로 개발 환경이 바뀐다. GitHub Copilot Workspace는 작업을 편집 가능한 명세, 계획, 구현, 테스트의 주기로 변환하여 처리한다. 개발자는 명세를 편집하며 AI가 제안한 계획을 수정한다. 이어 의도를 정의하고 제약을 설정하는 상위 단계에 집중한다. 최종 결과물을 검증하고 테스트 케이스를 설정하는 과정이 핵심 업무로 자리 잡는다. 개발자의 정체성이 개별 기능을 만드는 구현자에서 전체 시스템의 상호작용과 구조를 설계하는 시스템 씽커(systems thinker)로 전환한다.

디자인과 구현의 경계가 사라지며 디자이너가 직접 실제 제품을 배포하는 단계까지 수행한다. Vercel의 디자인 엔지니어는 Figma나 코드에서 작업을 시작해 재사용 가능한 컴포넌트를 구축한다. 이어 브라우저 성능과 접근성을 직접 확인한 뒤 결과물을 배포한다. Anthropic의 제품 디자이너들은 Claude Code(터미널 기반의 AI 코딩 도구)를 활용해 시각적 요소나 상태 변경을 직접 구현한다. 기존의 프로토타입 제작 단계를 거치지 않고 코드 변경을 통해 즉각적으로 결과물을 수정하는 사이클을 운용한다. 디자인 도구와 코드 사이의 전환 비용이 사라지며 구현의 주체가 확장된다.

GTM 및 분석 분야에서 개별 결과물 생산 대신 처리

GTM 엔지니어는 개별 계정을 일일이 조사하는 단순 반복 작업 대신 신호 입력, 데이터 보강 및 점수화, 행동 라우팅, 결과 측정, 워크플로우 수정으로 이어지는 처리 시스템을 구축한다. Analytics Engineering(분석 엔지니어링) 분야에서도 데이터 변환 파이프라인을 모듈화하고 테스트와 코드 리뷰를 적용한 버전 관리 소프트웨어 형태로 유지하며 관리한다. 개별 결과물을 하나씩 생산하던 방식이 전체 처리 메커니즘을 설계하는 방식으로 전환된다.

업무를 시스템화하는 과정에서는 측정 가능한 신호와 표현 가능한 규칙에만 우선순위를 두는 형식화의 위험이 발생한다. 시스템이 표현하지 못하는 핵심 가치나 판단이 필요한 예외 사례를 놓칠 가능성이 크기 때문이다. 단순한 최적화를 넘어 시스템 경계 밖을 탐색하고 최종 결과에 책임을 지는 stewardship(관리 책임) 역량이 전문직의 새로운 요구 조건이 된다. AI가 시스템 감독까지 맡게 된다면 이러한 엔지니어화는 전문직과 AI 사이의 일시적인 인터페이스로 남을 수도 있다.

실무적 경쟁력은 단순한 구현 위임이 아니라 입력, 의존성, 제약, 검증이라는 시스템 경계를 설정하는 능력에서 결정된다. 산출물은 저장소로, 절차는 워크플로우로, 규칙은 테스트로 전환하는 세 가지 엔지니어화 기준을 적용해 업무를 재설계해야 한다.