당신은 어떤 유형인가요?
AI 시대 엔지니어의 세 갈래 길
도구의 차이는 겉모습일 뿐, 갈림길은 워크플로에 있습니다
최근 친구와 각자 AI로 코드를 작성하는 방식에 관해 이야기했습니다. 차이가 터무니없이 컸습니다. 도구만 다른 게 아니라 워크플로 자체가 완전히 다른 종이었습니다.
크게 세 가지로 나뉩니다.
코드는 직접 타이핑합니다. AI는 bug를 찾고, 문제를 예측하고, 가끔 코드 조각을 채웁니다. 무엇을 어떻게 쓸지는 엔지니어가 결정하며, AI는 주된 작업 흐름에 관여하지 않습니다.
개발은 AI에 맡기고 엔지니어는 테스트 작성에 전념합니다. '무엇이 맞는지' 정의해 두면 한 번 실행해서 AI가 작성한 code의 통과 여부를 알 수 있습니다. 일이 코드를 쓰는 것에서 명세를 쓰는 것으로 바뀝니다.
개발과 테스트를 모두 AI에 맡깁니다. 요구사항을 설명하고 결과물을 검토하고 세부 사항을 조정합니다. code는 건드리지 않고 방향만 제시합니다.
ChatGPT 3.5가 나오자 ChatGPT Plus를 구독했습니다. code는 직접 쓰고, 가끔 한 부분을 GPT에 던져 더 나은 작성법이 있는지 물었습니다. 나중에 회사가 Team 요금제를 구매해서 개인 구독은 해지했습니다.
Claude Pro를 쓰기 시작했고, 청구 금액은 월 $200로 뛰었습니다. AI가 더 많은 code를 쓰고, 저는 테스트와 review에 더 많은 시간을 썼습니다.
GitHub Copilot은 workspace 기능과 GitHub 연동의 장점이 마음에 들었습니다. 초기에 VS Code plugin 가운데 꽤 편하게 쓸 수 있는 도구 중 하나였습니다.
Google AI Pro는 NotebookLM, Nano 열풍을 따라 쓰기 시작했습니다. 미국 학교 자격으로 무료로 사용했습니다.
OpenClaw를 가지고 놀다가 여러 작업을 동시에 지휘하는 요령을 뜻밖에 익혔습니다. 모델이 충분히 똑똑해지면서, 예전에는 작업량이 너무 많아 엄두도 못 냈던 일을 AI 부하들과 함께 마침내 할 수 있게 됐습니다. 나중에는 OpenClaw가 token을 너무 많이 써서 접어 두었습니다. 하지만 그 경험 덕분에 저는 완전히 지휘파가 되었고, 방향을 돌려 제 것을 만들기 시작했습니다.
| 서비스 | 기간 | 금액 |
|---|---|---|
| ChatGPT Plus | 2023/2 ~ 2024/2 | $260 |
| Claude Pro / Max | 2025/2 ~ 2026/3 | $1,342.86 |
| GitHub Copilot | 2025/5 | $100 |
| Google AI Pro | ~2025년 중반 ~ 현재 | $0(edu 무료) |
| 합계 | $1,702.86 | |
지휘파가 되기 위해 엔지니어일 필요는 없습니다. 누구나 AI에게 일을 시킬 수 있습니다.
하지만 차이는 큽니다.
기술을 모르는 사람은 AI가 주는 대로 받습니다. 아키텍처가 좋은지 알아보지 못하고, 함정이 어디 있는지도 모릅니다.
기술을 아는 사람은먼저 경계를 정할 수 있습니다. 프레임워크는 어떻게 고를지, 모듈은 어떻게 나눌지, 어디는 건드리면 안 되는지 말입니다. AI는 그 경계 안에서 작업하고, 방향이 틀어지면 곧바로 바로잡습니다.
차이는 결과물을 내는 속도가 아니라,문제가 생겼을 때 드러납니다.
소프트웨어 부서가 돌아가는 방식과 비슷합니다. 기술을 아는 관리자는 평소 code를 쓰지 않습니다. 방향을 정하고, 업무를 나누고, 결과물을 review합니다. 아래 엔지니어들이 구현을 맡습니다. 일이 순조로울 때 관리자는 말만 합니다. 문제가 터지면요? 관리자가 직접 뛰어들어 맡습니다. 기술을 알기에 수습할 수 있습니다.
결과물은 안정적이지만 속도가 느립니다. AI의 능력이 계속 향상되므로 직접 작성하는 방식을 고수할수록 효율 격차는 커질 뿐입니다.
적은 노력으로 큰 효과를 낼 수 있지만, 테스트 역량도 높아야 합니다. 테스트가 충분히 좋지 않으면 AI가 내놓은 결과물을 제대로 검증할 수 없습니다.
가장 빠르고 편하지만 위험도 가장 큽니다. 당신의 가치는 한 가지에 달려 있습니다. 문제가 생겼을 때 감당할 수 있느냐는 것입니다.
세 가지 방식은 서로 배타적이지 않습니다. 많은 사람이 프로젝트 성격에 따라 바꿔 씁니다.
하지만 확실한 점이 하나 있습니다. 어느 길을 택하든 '기술을 아느냐'의 중요성은 줄지 않았습니다. 오히려 더 커졌습니다.
AI가 강력해질수록,그 결과가 옳은지 판단하는 능력은더 값어치 있어지기 때문입니다.
위에서 말한 '세 가지 방식은 서로 배타적이지 않고, 많은 사람이 프로젝트 성격에 따라 바꿔 쓴다'는 내용을 하나의 정체성 꼬리표로는 담을 수 없습니다. 그래서 여기서는 세 줄로 바꿨습니다. 각 줄에서 두 가지를 묻습니다. code는 누가 쓰고, 테스트는 누가 쓰나요? 판정에는 위의 세 정의만 사용하며, 이 글에서 다루지 않은 조합이라면 해당 유형이 없다고 분명히 말합니다. 모든 처리는 브라우저 안에서 이뤄지고, 밖으로 전송되는 것은 없습니다. 표시란은 비워 둬도 됩니다. 적으려면 프로젝트 이름이나 자격 증명 대신 간단한 기호만 적으세요.
판정에 쓰는 기준의 출처는 모두 이 글에 있습니다. 직접 작성파는 'AI는 주된 작업 흐름에 관여하지 않는다', 테스트파는 '개발은 AI에 맡기고 엔지니어는 테스트 작성에 전념한다', 지휘파는 '개발과 테스트를 모두 AI에 맡긴다'입니다. 오른쪽 열에 있는 세 가지 선택의 의미는 위 카드 세 장의 문장을 그대로 옮겼습니다. 이 글은 어떤 분포가 좋은지 말하지 않으므로, 여기서는 점수를 매기거나 합격선을 긋지 않습니다. 이 도구가 판단하는 것은 당신이 세 프로젝트를 어떻게 설명했는지뿐이지, 프로젝트의 실제 모습이 아닙니다. repo를 읽거나 commit을 살피거나 테스트 커버리지를 확인하지 않았습니다. 현실에서 '누가 code를 쓰는가'는 연속적인 정도의 문제이므로, 둘 중 하나를 고르면 혼합 상태를 한 칸으로 압축하게 됩니다. 세 줄도 전수 조사가 아니라 당신이 임의로 고른 세 가지 일일 뿐입니다.
저도 아직 배우는 중입니다. 지휘는 지휘대로 하지만, LLM은 매일 제가 생각하지 못한 것을 보여 줍니다. 가끔은 prompt 한 줄에 돌아온 결과가 제가 원래 계획했던 방안보다 낫습니다.
AI 커뮤니티는 지금 매우 활발합니다. 새 도구, 새 프레임워크, 새로운 활용법이 매주 쏟아집니다. 새로운 지식을 받아들이면서도 무엇이 쓸 만한지, 무엇이 눈속임인지, 무엇을 더 깊이 살펴볼 가치가 있는지 계속 검증해야 합니다.
폭과 깊이가 동시에 넓어지고 있습니다. 이 길은 아직 멉니다.