AI가 당신의 기술을 빼앗은 게 아니라, 당신이 스스로 내려놓은 것이다

코드를 작성하는 것과 코드를 생성하는 것의 차이

요즘 개발자 커뮤니티에서 빠지지 않는 주제가 있습니다. AI 코딩 도구가 개발자의 역할을 어디까지 대체할 것인가, 그리고 개발자라는 직업의 본질은 무엇인가 하는 질문입니다. GitHub Copilot이 등장한 이후 Cursor, Claude Code, 그리고 수많은 AI 코딩 어시스턴트가 쏟아져 나오면서, 이전에는 한 줄 한 줄 고민하며 작성하던 코드를 이제는 탭 한 번으로 수락하는 일이 일상이 되었습니다.

개발자 David Abram이 최근 공유한 글은 이 상황에 대해 불편하지만 직시할 필요가 있는 관점을 제시합니다. 핵심 주장은 간단합니다. "기계가 당신의 장인 정신(craft)을 빼앗은 것이 아니라, 당신이 자발적으로 그것을 내려놓은 것이다."

편의와 이해 사이의 트레이드오프

이 글이 짚는 핵심 문제는 도구의 성능이 아니라 도구를 사용하는 방식에 있습니다. AI가 제안한 코드를 수락할 때, 우리는 두 가지 중 하나를 하고 있습니다. 첫째는 이미 어떻게 작성해야 하는지 알고 있는 코드를 더 빠르게 입력하는 것이고, 둘째는 자신이 완전히 이해하지 못하는 코드를 프로젝트에 넣는 것입니다.

첫 번째 경우는 진정한 의미의 생산성 향상입니다. 보일러플레이트 코드, 이미 수십 번 작성해본 패턴, 문법은 아는데 타이핑이 귀찮은 코드를 자동완성으로 처리하는 것은 IDE의 코드 스니펫이나 자동완성이 해오던 일의 자연스러운 확장입니다.

문제는 두 번째 경우입니다. AI가 생성한 코드가 "일단 돌아가니까" 넘어가는 순간, 개발자는 코드의 동작 원리를 이해할 기회를 스스로 포기하는 것입니다. 이것은 Stack Overflow에서 답을 복사 붙여넣기 하던 시절과 본질적으로 같지만, AI의 유창한 코드 생성 능력이 이 행동의 빈도와 규모를 비교할 수 없을 정도로 키웠습니다.

"장인 정신"이란 구체적으로 무엇인가

"craft"라는 단어가 추상적으로 들릴 수 있으니 구체적으로 생각해봅시다. 소프트웨어 개발에서 장인 정신이란 다음과 같은 능력을 말합니다.

문제를 분해하는 능력: 복잡한 요구사항을 작은 단위로 나누고, 각 단위의 인터페이스를 설계하는 능력
트레이드오프를 판단하는 능력: 이 상황에서 성능이 중요한지 가독성이 중요한지, 확장성을 고려해야 하는지 당장의 배포가 급한지 판단하는 능력
디버깅 능력: 코드가 예상대로 동작하지 않을 때, 어디서부터 추적해야 하는지 감을 잡는 능력
시스템 사고: 이 변경이 다른 부분에 어떤 영향을 미칠지 예측하는 능력

이 능력들은 모두 코드를 직접 작성하고, 실패하고, 디버깅하는 과정에서 형성됩니다. AI가 제안한 코드를 수락하는 것으로는 이 근육이 발달하지 않습니다. 마치 계산기가 있다고 해서 수학적 직관이 저절로 생기지 않는 것과 같습니다.

주니어 개발자에게 특히 중요한 이야기

이 논의에서 가장 우려되는 부분은 경력 초기의 개발자들입니다. 시니어 개발자가 AI 도구를 사용하면, 이미 축적된 경험과 판단력 위에서 효율성을 높이는 것입니다. 10년간 쌓은 디버깅 직관이 있는 상태에서 Copilot의 제안을 평가하는 것과, 그 직관이 아직 형성되지 않은 상태에서 제안을 무비판적으로 수락하는 것은 완전히 다른 행위입니다.

한국 개발 현장에서 특히 이 문제가 체감될 수 있는 이유가 있습니다. 빠른 개발 속도를 요구하는 스타트업 문화, 짧은 프로젝트 주기, 그리고 "일단 돌아가면 된다"는 압박 속에서 AI 도구는 이 속도 압박을 해소하는 완벽한 도구처럼 보입니다. 하지만 장기적으로 보면, 이해 없이 생성된 코드는 기술 부채가 되고, 그 부채를 해결할 수 있는 깊은 이해를 가진 개발자가 줄어드는 악순환이 발생할 수 있습니다.

AI 시대에 장인 정신을 유지하는 방법

그렇다고 AI 도구를 쓰지 말자는 이야기가 아닙니다. 핵심은 의식적인 사용(intentional use)입니다. 몇 가지 실천 가능한 방법을 생각해볼 수 있습니다.

첫째, AI가 생성한 코드를 수락하기 전에 한 줄씩 읽어보세요. 왜 이 변수명을 썼는지, 이 알고리즘의 시간 복잡도는 어떤지, 엣지 케이스는 처리되어 있는지 확인하는 습관만으로도 학습 효과가 크게 달라집니다.

둘째, 가끔은 의도적으로 AI 없이 코딩해보세요. 특히 새로운 개념을 배울 때, 처음부터 AI에 의존하면 표면적인 이해에 머물기 쉽습니다. 직접 타이핑하고, 에러를 만나고, 문서를 찾아보는 과정이 깊은 이해를 만듭니다.

셋째, AI의 제안과 다른 방식으로 구현해보세요. AI가 for 루프로 제안한 것을 reduce로 바꿔보거나, 다른 디자인 패턴을 적용해보는 연습은 여러 접근법을 비교할 수 있는 능력을 키워줍니다.

업계 전체의 흐름 속에서

이 논의는 단순히 개인 개발자의 성장 문제를 넘어서, 소프트웨어 산업 전체의 방향성과 맞닿아 있습니다. AI가 코드 생성에서 점점 더 능숙해지면, 개발자의 가치는 "코드를 작성하는 속도"가 아니라 "무엇을 만들어야 하는지 판단하는 능력"과 "만들어진 것이 올바른지 검증하는 능력"으로 이동합니다.

이는 곧 코드 리뷰 능력, 아키텍처 설계 능력, 요구사항 분석 능력이 이전보다 더 중요해진다는 뜻이기도 합니다. AI가 코드를 작성해주는 세상에서, 역설적으로 코드를 깊이 이해하는 능력이 더 희소하고 가치 있어집니다.