요약
개발자 5,463명 조사에서 62%가 번아웃을 겪었고, AI에 대한 생각은 반반으로 갈렸습니다.
개발자 설문을 운영하는 데보그래픽스가 올해 7~9월에 일자리, 마음 상태, AI에 대해 물은 결과입니다. 개요를 쓴 연구자 미란다 히스는 지금이 개발자에게 "불확실한 시기"라고 정리했습니다.
왜 중요한가
- 해고와 직업 전환에 대한 불안이 개발자 사이에 넓게 퍼져 있다는 것을 숫자로 보여 줍니다.
- 번아웃 경험 비율이 작년과 같아, 저자는 흔하다는 이유로 이를 당연하게 여겨서는 안 된다고 강조했습니다.
- AI는 매우 널리 쓰이지만, 개발자의 평가는 긍정과 부정으로 거의 반씩 나뉘었습니다.
핵심 내용
- 응답자 절반 가까이가 고용 불안과 부족한 임금을 겪었고, 4분의 1은 해고된 적이 있습니다.
- 최근 9개월 안에 해고된 사람도 10명 중 1명에 가까웠습니다.
- 4분의 1이 넘는 응답자가 5년 안에 아예 직업을 바꿔야 할 것으로 내다봤습니다.
- 올해 처음 마음 상태를 물었는데, 약 3분의 2가 최근 의욕이 줄고 더 냉소적이 됐다고 답했습니다.
- AI에 긍정적인 응답은 49%, 부정적인 응답은 42%였고, 절반 가까이는 AI가 마음 상태에 도움이 되지 않았다고 했습니다.
HN 반응
- AI가 이미 해롭다는 쪽은 Opus 5.5의 환각(그럴듯한 오답) 경험을, 반대쪽은 수학 난제 풀이 같은 성과를 근거로 맞섰습니다.
- 일부 이용자는 부정·분노·타협·우울·수용 가운데 어느 단계에 있는지 묻자고 했고, 업계를 떠나 상업 조종사가 됐다는 경험담도 나왔습니다.
제 감으로는 장기적으로 소프트웨어 분야에 순손실이 될 것 같습니다. 오늘날 존재하는 많은 회사는 많은 사람이 해고 걱정에 끊임없이 시달리지 않고 오로지 만드는 일에만 집중할 수 있었기에 생겨났습니다. 재능과 노력에 기반한 고용 안정이라는 개념이 무너지고 있으니, 이제 모두가 늘 경계 태세로 살게 될 겁니다.
회사에 따라 다릅니다. 수십 년 동안 공포 문화로 굴러온 곳도 많습니다.
래리 엘리슨을 의인화하지 마세요!
그건 사실이 아니죠. 그때도 아웃소싱 문제가 엄청났고, 불황도 두세 번은 있었잖아요.
이미 순손실입니다. 소프트웨어뿐 아니라 인류 전체에 대해서요. 생산성이 올랐다는 건 거짓말이고, 사람들이 틀린 정보를 확신하게 만들고 있으며, 사람들이 서로를 못되게 대하는 방법만 더 늘려 주고 있습니다. AI는 기술 업계가 만든 것 중 최악에 속합니다.
무슨 객관적인 사실이라도 되는 것처럼 확신에 차서 쓰셨는데, 저는 전혀 동의하지 않습니다. 틀린 정보를 확신하게 만든다고요? 설마 ChatGPT 3.5 얘기예요?
저는 다른 나라 시민권을 신청하려고 서류를 모으고 있습니다. 지금까지 모은 자료(PDF, 출생·사망 증명서 PNG 등)를 전부 Opus 5.5에 넘기고 다음 절차를 물었는데, 결과는 이랬습니다.
몇 년 전에 통과된 새 법을 검색하지도, 고려하지도 않아서 답이 틀렸습니다.
제공한 서류에 있는 이름과 날짜 같은 뻔한 내용을 놓쳤습니다.
서로 모순되는 정보를 줬습니다. 예를 들어 어떤 절차는 1년 뒤에나 준비될 수 있다면서, 어떤 서류는 발급 후 6개월이면 만료되니 지금 해 두라고 했습니다. 1년 동안 시작도 못 하는 일이라면 6개월 만에 만료되는 서류를 지금 준비하는 건 의미가 없다는 연결을 못 한 겁니다.
저는 AI 코딩 도구를 많이 씁니다. 2026년의 에이전트라면 이런 건 식은 죽 먹기일 줄 알았는데, 쓸모없는 정도가 아니라 오히려 해로웠습니다.
일화일 뿐이긴 한데, 저는 작년에 직접 손으로 짠 코드베이스가 어떻게 동작하는지에 대해 오늘 도 Opus 5.5의 환각을 여러 번 바로잡아야 했어요.
2025년에 나온 댓글 같네요. 이번 주에도 LLM이 새로운 수학 문제를 풀고 PS5 에뮬레이터까지 성공적으로 만들었는데 ㅋㅋ 사전 믿음을 좀 업데이트하셔야겠어요. 그걸 안 하고 공개적으로 망신당하는 사람이 얼마나 많은지 놀라울 정도예요.
한쪽이 다른 쪽을 반박하는 건 아닙니다. LLM이 수학 문제를 푸는 데 크게 성공한 건 맞지만, 자기가 뭘 하는지 아는 수학자가 이끌었을 때 그렇습니다. PS5 에뮬레이터든 (이번 주에 LLM으로 만든 멋진 새 프로젝트를 아무거나 넣어 보세요) 마찬가지고요.
반면 제가 LLM을 쓸 때는 틀린 정보를 아주 자신 있게 단언하는 경우를 자주 봅니다. 그러니 생산성 향상은 사실이지만, AI 때문에 잘못된 정보로 의사결정을 하는 비용도 함께 있다고 봅니다.
사람들하고 이야기할 때도 틀린 정보를 자신 있게 말하는 경우를 자주 봅니다.
LLM이 쓸모없어지는 건 이 지점이 아닙니다. 우리가 사회적 존재이고, 많은 경우 목적지보다 가는 길이 더 중요하다는 걸 깨달을 때 LLM은 쓸모없어집니다. 또 모든 목적지로 순간이동을 시켜 주면 목적지의 가치도 함께 사라지고요.
베테랑 게이머라면 다들 공감할 겁니다. 편리함 때문에 잃어버리는 것이 분명히 있죠.
AI 때문에 생겼다는 문제나 이득 중 상당수는 그걸 쓰는 사람을 그대로 비추는 거울일 뿐이라고 생각합니다.
저는 AI를 써서 만들었는지 아닌지는 신경 쓰지 않습니다. 저에게 공유했다면 그 결과물에 책임지는 건 공유한 사람이라고 봅니다. 본인이 동의하든 안 하든 그 사람 것입니다.
여기서 인과관계는 어느 쪽입니까? AI가 사람을 못되게 만듭니까, 아니면 원래 그런 사람이거나 그럴 성향이 있던 사람입니까?
AI를 쓰는 사람들이 이룬 혁신이나 돌파구에도 같은 말을 할 수 있습니다.
이걸 AI가 독자적으로 해냈습니까, 아니면 아주 유능한 사람들이 AI를 도구로 써서 해냈습니까?
수학이나 프로그래밍 배경이 전혀 없는 사람에게 오픈AI가 수학 증명에 쓴 것과 같은 최신 모델을 쥐여 주면 같은 발견을 해낼 수 있을까요? [1]
저는 사람을 상수로 봅니다. 사람은 긍정적인 가치를 가져올 수도, 부정적인 가치를 가져올 수도 있습니다. AI는 거기에 곱해지는 배수입니다.
소프트웨어 엔지니어링으로 보면, 코드 품질에 신경 쓰지 않는 사람(이런 사람이 쓰는 코드는 전부 기술 부채가 되니 상수가 음수입니다)이 AI로 여러분의 저장소에 코드를 푸시하게 두면 프로젝트가 망가집니다. 하지만 기본기가 탄탄하고 기준이 높은 엔지니어가 AI로 코드를 푸시하면, AI 없이 할 때보다 프로젝트를 훨씬 빠르게 개선할 수 있습니다.
[1] https://github.com/openai/math/
제 댓글이 좀 급하게 쓰여서 뒤죽박죽처럼 읽혔던 것 같습니다. 대체로 동의합니다. 유능한 사람의 손에 들어가면 AI는 아주 강력한 도구입니다. 다만 저는 약간 염세적인 사람이라, 무능하고 어리석고 악의적인 사람이 유능하고 선의를 가진 사람보다 압도적으로 많다고 생각합니다. 그래서 AI의 영향에 꽤 비관적입니다. AI가 배수인데 곱해지는 사람이라는 상수가 대개 신통치 않기 때문입니다.
큰 회사에는 무능하지만 대체로 해가 없는 사람들이 소수 과반쯤 있었습니다. 무능한 탓에 큰 문제를 일으킬 능력도 없었던 거죠. 그리고 유능하고 생산적인 사람들이 따로 있었고요. 요즘은 AI 덕분에 그 무능한 사람들이 무능함으로 문제를 일으키는 데 최대의 효율을 낼 수 있게 됐습니다.
오픈소스 프로젝트도 마찬가지입니다. 무능한 사람들이 LLM에게 시켜서 만든 쓸모없는 PR과 버그 리포트가 쏟아져 들어오고 있습니다.
그러니 개인 차원에서 AI가 사람을 생산적으로 만든다는 건 맞습니다. 하지만 회사 규모에서도 그런지는 잘 모르겠고, 오픈소스 프로젝트에서도 반드시 그렇다고 보지 않습니다.
인구 분포가 부정적인 쪽으로 치우쳐 있고 평균이 0보다 낮다는 데 동의합니다. 그런 사람들이 AI를 쓰면 더 나빠지기도 하고요. AI에 의존하고 기본기를 건너뛰면서 스스로 유능해질 기회를 막아 버리니까요.
안타깝게도 다른 사람에 대해 우리가 통제할 수 있는 건 한정되어 있습니다. 그래서 최소한 할 수 있는 일은 유능한 사람들로 주변을 채우거나, 그게 안 되면 AI는 신경 끄고 최종 결과물로 사람에게 책임을 묻는 것이라고 생각합니다. 결과물이 나쁘면 AI 탓을 하면서 좋으면 자기가 한 일이라고 하는 사람을 자주 봅니다. 하지만 이건 AI 문제가 아니라 사람 문제입니다. 안타깝게도요. 차라리 AI 문제였으면 좋겠습니다. 훨씬 고치기 쉬울 테니까요.
저는 LLM으로 문제를 풀거나 새로운 것을 만들려면 자기가 뭘 하는지 알아야 한다는 전제에 동의하지 않습니다(안타깝게도요).
최근 Dan이 수학에서 한 작업이 꼭 전문가의 것이었다고는 생각하지 않습니다. 그는 Lean 팬에 가까운 사람인데, 비교적 짧은 기간에 돌파구를 만들어 냈죠.
https://overreacted.io/how-i-vibed-a-proof-of-conways-conjecture/
결국 무언가를 이루고 싶다는 마음에 충분한 돈, 지식, 노력이 있으면 되는 문제로 보입니다. 좋은 일이긴 하지만, 우리를 겨냥해 끔찍한 방식으로 무기화될 수도 있고 실제로 그렇게 되고 있습니다.
시장이 수학에는 다른 분야보다 훨씬 적은 경제적 가치를 매기는데, 한 문장에 "수학"과 "생산성"이 같이 나오는 게 흥미롭네요. 미국 연방정부가 수학에 쓰는 연간 예산을 통틀어도 평균 1억 달러 남짓에 불과합니다.
그게 왜 적절한 기준인지 모르겠어요. 연방 예산은 수학 자체와는 상관없는 일이 주 업무인 특정 정치 기관 하나의 지출일 뿐이잖아요.
게다가 시장 전체가 수학을 아주 빠르게 계산하는 게 존재 이유의 전부인 장치들의 가격을 계속 끌어올리고 있는 걸 보면, 그 전제는 성립하지 않는다고 봐요.
LLM이 미해결 수학 문제를 푸는 방식은 될 때까지 이것저것 잔뜩 시도해 보는 건데, 소프트웨어에서 하는 일이 정확히 그겁니다. 네모난 블록을 둥근 구멍에 억지로 밀어 넣은 시스템을 원하신다면 순식간에 만들어 줄 겁니다. 하지만 비기능 요구사항이 실제로 중요한 분야(그런 분야는 많습니다)에서 일한다면, 이 슬롭 쓰나미(slopnami)는 살아 있는 악몽입니다.
사람은 반복 시도 안 하나요? 프로그래밍이든 수학이든, 심지어 다른 분야도, 사람이 AI보다 잘하는 게 하나도 없어지는 건 시간문제예요.
제가 안 한다고 했습니까? 제가 말한 건 사람에게는 될 때까지 이것저것 해 보는 것 말고도 생각하는 방법이 있다는 것이지, 사람이 그렇게 하지 않는다는 게 아닙니다.
수학자들이 그 미해결 문제와 추측들을 어떻게 떠올렸다고 보십니까? 이것저것 시도하다가 "흥미로운 추측" 검사를 통과하는 걸 찾아낸 건가요? 그 검사는 무엇이었죠? Lean으로 코드를 짤 수 있습니까? ChatGPT는 할 수 있나요? LLM이 그런 추측을 내놓는 걸 본 적이 있습니까?
아닙니다. 그리고 이렇게 말하는 저나 그렇게 말씀하신 분이나 자기가 맞다고 볼 근거를 댄 건 똑같습니다.
7월에 제가 직접 설문에 답할 때는 "가능성이 다소 낮다"였습니다.
지금 다시 물어보면, 불과 몇 달 사이에 "가능성이 다소 높다" 쪽으로 기울 것 같습니다.
이 바닥이 움직이는 속도가 정말 어마어마합니다.
저는 반대 방향으로 움직였습니다. 몇 달 전만 해도 소프트웨어 엔지니어로 일할 날이 얼마 남지 않았다고 확신했습니다. 제가 좋아하고 즐거워하던 프로그래밍은 사라졌다고 생각했고요. 그런데 에이전트와 팩토리(factory), 그 주변 인프라를 더 많이 다뤄 보니, 이전에는 불가능하거나 비용 대비 효과가 없던 문제들을 이걸로 풀 수 있겠다는 쪽으로 더 낙관하게 되었습니다. 현실 세계에서 AI를 어떻게 활용할 수 있을지, 우리는 아직 겉핥기만 했을 뿐입니다.
단위 비용이 내려가면 결국 기본 제품에 녹아들 성장통이나 성숙도 문제가 아닌 게 구체적으로 뭔가요?
저는 지금 Claude로 거의 한 시간 걸리는 영상 제작 전체를 한 번에 뽑아내는데, 그 시간의 상당 부분은 ffmpeg가 돌아갑니다. 위임과 인프라가 몇 년 뒤에도 해결되지 않은 문제로 남아 있을 이유를 모르겠네요.
이런 작업들에 사람이 개입할 거라고 보는 이유가 뭔가요? 그리고 그 사람이 당신일 거라고 보는 이유는요?
저는 지난 1년 동안 로봇이 저보다 더 낫고 더 빠른 소프트웨어 개발자가 되어 가는 걸 지켜봤습니다. 제가 평생 쌓은 난해한 지식은 이제 완전히 쓸모가 없어졌고요. 저는 로봇에게 일을 시킬 수 있지만, 아무나 다른 사람도 할 수 있는 일입니다.
우리가 이것들에게 대체 뭘 하라고 프롬프트를 쓰게 될까요? 그리고 왜 사람들이 직접 프롬프트를 쓰지 않고 우리에게 돈을 내고 그 일을 시키겠습니까?
소프트웨어를 만들 때 어려운 점은 대부분 코드 자체가 아니었습니다. 무엇을 만들어야 하는지 끌어내고, 비즈니스 요구사항을 충족하도록 시스템 구성요소를 제정신으로 이어 붙이는 일이 어려웠습니다.
화려한 에이전트 하네스를 갖춘 LLM이 이제 코드를 아주 잘 쓰는 건 분명 대단합니다. 하지만 그렇다고 평범한 사람이, 복잡한 트레이드오프와 아키텍처 결정이 따르는 의미 있는 규모의 소프트웨어를 만들 수 있을 만큼 문제를 사고하게 되는 것은 아닙니다. 다른 분야 사람들과 일해 본 제 경험으로는 그런 능력은 흔하지 않고, LLM이 그걸 어떻게 해결할지도 잘 모르겠습니다.
그래서 저는 소프트웨어 엔지니어링이 어디로 사라지지는 않을 거라고 봅니다. 다만 채용과 임금에는 부정적인 변화가 생길 가능성이 충분히 있다고 생각합니다.
그렇게 빨리 생각이 바뀌셨다니 뭐라고 해야 할지 모르겠네요. 사전 믿음을 확실히 조정하셔야 하고, 미래를 평가하는 방식도 한번 돌아보시는 게 좋겠습니다.
2년 전에도 꽤 분명했어요. 지금은 딱 예정대로 일어나고 있을 뿐이고요.
흥미롭네요. 저는 GPT4가 나온 뒤로 LLM이 사람의 프로그래밍을 대체할 거라고 굳게 믿었습니다. 2025년 11월에 opus 4.5가 나왔을 때는 이미 거의 정설이 됐고 대부분 그 전제에 동의한다고 생각했고요.
여기서 사람의 프로그래밍이란, 사람이 코드를 타이핑하는 것을 말합니다.
gpt4/gemini2/claude2-3 시절 모델은 용도와 인터넷에 있는 참고 자료의 양에 따라 체감이 천차만별이었다고 생각합니다. 예를 들어 react 코드는 아주 잘 짰다고 들었지만, 제 경험으로는 Rust나 Kotlin의 타입 검사는 자주 못 맞췄고 PHP에서는 (바로 눈에 띄지 않는 방식으로) 꽤 자주 틀렸습니다. 그래서 초기 copilot(빠른 역제곱근이나 구글링하면 나오는 메서드 수준 문제는 자동 완성했죠)에서 GPT4(제 경험으로는 여전히 코딩을 못했습니다)까지의 궤적을 보고, 그 시점에 이미 학습 데이터가 "인터넷 대부분"이라는 말까지 들으니, 오늘날의 수준에 도달하리라는 게 저에게는 분명하지 않았습니다.
물론 그 뒤로 모델 자체가 계속 커져서 도움이 됐고, 주변 도구와 하네스, 그리고 그 용도에 맞춰 학습된 모델들이 2025년 4분기 무렵까지 많은 것을 이뤘습니다. 저에게는 그때가 처음으로 쓸 만해진 시기였고요.
그 시절 학습 데이터는 정말 형편없었습니다. Common Crawl에서 아무거나 열어 보면 (llama 같은) 모델이 말이 되는 결과를 내놓는다는 게 도저히 믿기지 않았어요. 테라바이트 단위의 쓰레기로도 학습이 잘 된다면, 그 아키텍처는 정말 기적이었던 겁니다.
그때는 학습 측면에서 손쉽게 딸 수 있는 열매가 정말 많았습니다.