AI와 일하는 건 코딩보다 리더십에 가깝다

소프트웨어 엔지니어에게 코드는 오랫동안 확실성의 원천이었다. 같은 입력을 넣으면 같은 결과가 나오고, 그렇지 않으면 그것을 버그라고 불렀다. 프로그램은 지시받은 대로만 동작했고, 예측 가능성은 개발이라는 직업의 기본 전제였다. 개발자이자 리더로 일해 온 앨런 바르기(Allen Bargi)는 최근 자신의 노트에서, AI와 함께 일하는 경험이 바로 이 전제를 흔든다고 말한다. AI는 소프트웨어 위에서 돌아가지만, 정작 그것을 다루는 방식은 컴파일러보다 사람에 가깝다는 것이다.

그가 든 대비는 명료하다. 리더가 동료에게 일을 맡기면 정확히 요청한 결과가 나올 수도 있지만, 의도를 이해한 동료가 요청보다 더 나은 결과를 내놓을 수도 있다. 반대로 결과물이 자신의 설명이 생각만큼 명확하지 않았음을 드러낼 때도 있다. AI와의 상호작용이 바로 이 두 번째 경험에 가깝다는 것이다. 같은 요청에도 다른 답이 나오고, 유용한 연결을 만들어내는가 하면 뻔한 지점을 놓치기도 하며, 미처 생각하지 못한 접근을 제안하기도 한다.

컴파일러가 아니라 협업 상대로 대할 때

바르기의 핵심 주장은 이 예측 불가능성을 다루는 태도에 있다. AI를 컴파일러처럼 대하면 이런 편차는 그저 성가신 결함으로 느껴진다. 그러나 상호작용을 일종의 협업으로 받아들이면 같은 특성이 오히려 쓸모로 바뀐다. 그는 이 지점에서 흔한 오해를 분명히 선을 그어 경계한다. AI를 협업 상대로 본다고 해서 그것이 사람이 되는 것은 아니라는 것이다. AI에는 삶의 경험도, 책임도, 인간적 판단도 없다. 비교의 대상은 AI의 본질이 아니라 '일하는 방식'이다.

좋은 리더는 단순히 지시만 내리지 않는다. 맥락을 공유하고, 원하는 결과를 설명하고, 경계를 설정하고, 돌아온 결과에 반응한다. 바르기는 바로 이 습관들이 AI와의 작업에서도 그대로 성과를 높인다고 본다. 잘 다듬은 프롬프트도 도움이 되지만, 공유된 작업 맥락이 더 크게 작용한다. 예시와 교정, 그리고 재사용 가능한 지시를 쌓아가면 오해가 줄고, 시간이 지날수록 시스템이 자신의 사고방식과 필요에 더 잘 맞춰진다는 것이다.

실무자에게 남는 함의

이 관점은 한국의 개발 실무자에게도 시사하는 바가 있다. 최근 코딩 에이전트나 AI 어시스턴트를 도입한 팀이 겪는 흔한 실패는, 그것을 결정론적 도구로 기대했다가 편차를 마주하고 신뢰를 거두는 패턴이다. 바르기의 틀을 따르면 해법은 도구를 더 촘촘히 통제하는 것이 아니라, 의도를 더 잘 표현하는 쪽에 투자하는 것이다. 프로젝트의 맥락 문서, 반복적으로 재활용하는 지시 세트, 잘못된 결과를 교정해 축적한 사례집 같은 것들이 일회성 프롬프트 기교보다 오래 간다.

다만 이 논의는 한 개인의 경험에서 길어 올린 에세이이며, 정량적 근거나 실험 데이터를 제시하지는 않는다는 점은 짚어둘 필요가 있다. '리더십처럼 느껴진다'는 표현 자체가 은유이고, 그 은유를 어디까지 밀어붙일지는 조직과 작업 성격에 따라 달라진다. 안전성이나 규제가 걸린 영역에서는 예측 불가능성 자체가 비용이며, 협업의 유연함보다 통제와 검증이 우선한다. AI가 낸 결과에 대한 책임은 여전히 사람에게 있고, 판단이 필요한 지점을 식별하는 일도 사람의 몫으로 남는다.

결국 바르기가 말하는 변화의 본질은 이렇게 정리할 수 있다. 우리는 수십 년 동안 컴퓨터에 무엇을 하라고 정확히 지시하는 법을 배워왔지만, 이제는 그 일이 왜 중요한지, 좋은 결과가 어떤 모습인지, 어디에서 판단이 필요한지를 설명하는 법까지 익혀야 한다. 기술은 새롭지만 여기에 요구되는 능력—맥락 공유, 명확성, 피드백—은 전혀 새롭지 않다. AI 시대의 생산성 격차가 프롬프트 기술의 차이가 아니라 의도를 표현하는 리더십의 차이에서 벌어질 수 있다는 점이, 이 짧은 글이 남기는 가장 실질적인 질문이다.