50%.

AI 시대에 컴퓨터공학 전공 졸업생 중 절반은 AI의 발전 속도를 따라잡지 못해 영원히 도태될 수 있다는 예측이다. 계산기가 보급되었다고 해서 수학 공부를 포기한 사람이 수학적 사고력을 가진 전문가를 이길 수 없는 것과 같다. 그런데 일반적인 신입 취업 시장이 역대 최악의 한파를 겪는 동안, OpenAI나 Anthropic 같은 최정상 기업들은 여전히 주니어 인재를 모시기 위해 치열한 전쟁을 벌이고 있다. 대다수의 졸업생이 AI라는 도구 뒤에 숨어 과제를 빠르게 끝내는 '스피드런'에 매달릴 때, 소수의 인재는 AI 없이 고생하며 기본기를 닦아 대체 불가능한 직관을 쌓고 있기 때문이다. 과거에는 사람이 직접 계산하던 '계산원'이라는 직업이 있었지만, 과학 계산기의 등장으로 사라졌다. 하지만 우리는 여전히 고등학교와 대학에서 미적분과 선형대수를 배운다. 도구가 있어도 원리를 알아야 도구를 제대로 쓸 수 있기 때문이다. 시니어 개발자가 AI 코딩 에이전트를 더 능숙하게 다루는 비결 역시 AI가 없던 시절 5년 넘게 수동으로 코드를 짜며 겪은 시행착오에 있다. 이제 시장은 단순히 코드를 칠 줄 아는 사람이 아니라, AI에게 무엇을 시켜야 할지 정확히 아는 '직관'을 가진 사람만을 원한다.

신입 개발자 시장의 붕괴와 OpenAI의 '주니어 쟁탈전'

컴퓨터공학을 전공한 졸업생들이 마주한 취업 시장의 문턱은 최근 몇 년 사이 역대 최악의 높이로 치솟았다. 기업 입장에서 신입 개발자는 단순히 월급만 지급하면 되는 대상이 아니다. 이들이 실무에 투입되어 제 몫을 하기까지는 선배 개발자의 시간과 노력이 필수적으로 투입되어야 한다. 과거에는 신입이 직접 코드를 작성하며 배우는 과정 자체가 기업의 자산이 되었으나, 이제는 AI 코딩 에이전트(AI가 코드를 대신 작성하거나 수정해 주는 도구)를 활용해 시니어 개발자의 생산성을 극대화하는 것이 훨씬 경제적인 선택이 되었다. 결과적으로 시니어 개발자는 여전히 시장에서 환영받지만, 신입 개발자의 자리는 급격히 좁아졌다.

이런 상황에서도 OpenAI나 Anthropic(AI 모델을 개발하는 선도 기업) 같은 최상위권 기업들은 신입 인재를 확보하기 위해 치열한 경쟁을 벌인다. 이들이 찾는 인재는 단순히 코딩 문법을 아는 수준이 아니다. 졸업 후 2~3년이라는 짧은 시간 내에 복잡한 시스템의 구조를 파악하고 문제를 해결하는 '코딩 직관'의 임계치를 넘을 수 있는 소수의 정예들이다. AI가 코드를 대신 짜주는 시대일수록, 무엇을 시켜야 할지 알고 결과물의 오류를 즉각적으로 판단할 수 있는 이 감각의 가치는 오히려 폭등하고 있다. 결국 기업은 AI를 도구로 다루기 위해 필요한 최소 5년 차 수준의 직관을 빠르게 습득할 잠재력을 가진 신입만을 골라내고 있다.

기술의 발전은 소프트웨어 컨설팅 시장의 2티어 영역을 넓히고 있지만, 이곳에 종사하는 인력들의 급여가 시니어 수준으로 상승하기는 어렵다. AI가 보편화되면서 누구나 코드를 생성할 수 있게 되었고, 이로 인해 단순 구현 업무의 시장 가치는 하락했기 때문이다. 반면, 스스로 코드를 밑바닥부터 작성해 본 경험이 없는 이들은 AI가 내놓은 결과물이 정확한지조차 판별하지 못하는 상황에 놓인다. 결국 기업은 교육 비용을 감당할 가치가 있는 극소수의 인재에게는 더 높은 보상을 지불하고, 그렇지 못한 다수의 신입은 시장에서 외면받는 양극화가 고착화되고 있다.

계산기와 AI, '코딩 직관'을 만드는 5년의 수동 노동

과거에는 복잡한 수식을 빠르게 계산하는 것만으로 돈을 버는 계산원이라는 직업이 있었다. 이들은 장부의 합계를 맞추거나 포탄의 발사 각도를 계산하고 선박의 최적 선형을 설계하는 일을 맡았다. 1970년대 과학 계산기가 보급되면서 이 직업은 완전히 사라졌고, 현재는 수치 모델링 소프트웨어가 물리 시뮬레이션을 대신 수행한다. 하지만 공학 전공자들은 여전히 미적분과 선형대수를 배운다. 도구가 계산 과정을 무료에 가깝게 단축했어도, 그 원리를 이해하는 비용을 지불한 사람만이 도구를 제대로 다루기 때문이다.

시니어 개발자가 AI 코딩 에이전트를 더 능숙하게 다루는 이유는 5년 넘게 수동으로 코드를 짰던 고생의 시간이 있기 때문이다. AI에게 정교한 지시를 내리는 데 필요한 컴퓨팅 직관은 보통 5년 정도의 실무 경력 수준과 일치한다. 과거의 숙련자들은 기업에서 월급을 받으며 이 직관을 쌓았지만, 지금의 신입들은 AI가 코드를 대신 짜주면서 이 학습 기회를 잃고 있다. 도구의 성능이 올라갈수록 수동 경험이 없는 개발자와 숙련자 사이의 제어권 격차는 더 벌어지며, 이는 곧 몸값의 차이로 이어진다.

데이터 분석 과정에서 클로드(Claude)에게 NMF(비음수 행렬 분해, 데이터를 겹치지 않는 특징으로 나누는 분석법)를 사용해 데이터를 정돈하라고 요청하는 상황을 보자. 구체적으로는 쌍별 거리 행렬에 NMF를 적용해 k개의 클러스터 중심점과 소속 점수를 얻고, 이를 기준으로 원래 행렬을 재정렬해 클러스터를 시각화하는 과정이다. 이 짧은 요청에는 NMF라는 정확한 방법과 거리 행렬 클러스터링이 필요한 시점, 그리고 이를 적용하기 위한 전제 조건인 정확성에 대한 지식이 모두 들어있다. 수동으로 데이터를 만져본 경험이 없다면 AI에게 어떤 키워드를 던져야 할지조차 알 수 없다.

학습 단계에서 AI로 과제를 빠르게 끝내는 방식은 숙련도를 쌓을 기회를 스스로 없애는 선택이다. 중학교 수학 시간에 계산기 사용을 금지했던 이유는 계산 과정 자체가 사고력을 기르는 훈련이었기 때문이다. 코딩 역시 마찬가지로 최소 한 번은 손으로 직접 구현해 본 뒤에 AI를 도입해야 한다. 컴퓨터를 단순히 정해진 기능만 수행하는 가전제품처럼 다루는 사람은 AI에게 자동화를 요청할 생각조차 하지 못한다. 과정을 생략하고 결과만 얻는 습관은 당장의 속도는 높여주지만, 복잡한 문제를 해결할 때 필요한 직관이라는 자산을 포기하는 것과 같다.

단순히 문법을 익혀 코드를 짜던 시대는 끝났다. 이제는 AI가 작성한 수천 줄의 코드를 빠르게 훑고 논리적 허점을 찾아내는 편집자의 역량이 더 중요하다. 도구가 정교해질수록 정작 필요한 것은 전체 시스템의 흐름을 읽고 최적의 경로를 찾아내는 설계자의 시야다.

숙련된 코더보다 영리한 디렉터가 살아남는 구조로 시장이 재편되고 있다. 결국 단순 구현 능력보다 문제를 정의하고 해결책을 찾아내는 직관이 개발자의 몸값을 결정한다.