제 2장: AI가 가져온 생산성, 그 정체는 무엇인가

AI 는 지금까지 역사상 가장 큰 생산성 혁명이다. True. 동의하는 부분이다. 하지만 저 캐치프레이즈에서 조차. 악마는 디테일에 숨어있다. AI혁명의 악마가 무엇인가 하면, 생산성 증대가 개발비 감소로 이어지지 않는다는 점이다.

AI에 지출하는 비용이 급증하면서 일부 기업들에서 컴퓨팅 비용이 직원 급여를 넘어서기 시작했다는 보도처럼, 이미 그런 조짐은 상당히 많이 보인다. 이는 AI가 직원보다 비싸다는 역설과 함께, 사실 AI 의 사용이 직원의 감소로 이어지지 않는다는 것을 이야기하고 있다.

매우 자극적인 기삿거리, AI가 생산성을 증대시키며 더이상 개발자가 필요없다, 고임금 노동자 까지 대체될 것이라는 불안감 증폭성 기사들. 그리고 이전 회고에서 이야기했던 Code works를 AI가 대신하였다는 딸각 코딩과 관련된 내러티브. 이것을 잘못 받아들이면 AI가 사람의 일을 대체하여 사람이 필요 없어지고 있다 라고 받아들이는 경우가 정말 많은 것 같다. 하지만 대부분의 경우에선 그건 잘못된 관측이다. 오늘은 이에 대해 자세하게 개인의 경험과 분석 측면에서 이야기해보려고 한다. 이에 대해 개인의 경험 측면에서 가장 공격적으로 이야기 할 수 있는 것이 바이브 코딩 이다. 이유는 필자가 개발자라는 점과, 바이브코딩은 지금까지의 모든 AI Tool의 Usage중 가장 눈에 띄고 powerful 한 생산성 증대 방법론이기 때문이다.

바이브 코딩은 실제로 개발자를 대체하는가?

아니다. 먼저 공신력있는 자료부터 보자면, 메타 최고경영자(CEO) 마크 저커버그가 2022년 1만 1000명 감원을 발표했을 때 레이오프의 상징이 되어버린 Meta의 레이오프. 사실상 meta의 레이오프는 리얼리티 랩스 ( 가상현실 metaverse 연구소 ) 에 집중되어있었으며, 해고의 원인은 AI로 인한 생산성 증대가 아닌 코로나 시기 과잉 고용이었다고 증언한다.

올 한해 동안 미국에서 AI를 이유로 해고된 인원이 5만5000명에 달했지만, 팬데믹 기간 중 부쩍 늘어난 인원을 정리하며 댄 핑계라는 분석에서 보이듯 베니호프도 마찬가지. 세일즈포스(Salesforce) CEO 마크 베니오프(Marc Benioff)가 블록(Block)의 40% 감원이 AI발 대규모 화이트칼라 해고의 신호라는 시각에 정면 반박했다. 작년말 그렇게 많은 레이오프 이후에, 다시금 고용을 늘리는 것은 해고가 AI 로 인한 대체가 아니었음을 반증한다.

수많은 기사와 리서치들이 이야기 하는 것은 간단하고 단순하고 명확하다. AI 가 해고의 핑계는 될 수 있어도, AI가 해고의 진짜 이유가 되지는 않는다. 이 원인은 생각보다 단순한데, AI는 인간보다 싸지도 않으며, 인간을 대체할수도 없기 때문이다.

이것의 근본적인 원인은 지금의 LLM이 사실은 진짜 지능이 아닌 거대하고 빠른, 그리고 interactive 한 지식 저장소이기 때문이다. LLM은 확률적 정보에 따라 방대한 훈련 데이터에서 관찰한 언어 형식의 시퀀스를 우연히 꿰맞추는 시스템이라는 정의도 같은 이야기를 한다. 사실 연구까지도 필요없다. 나는 이러한 연구가 왜 필요한지 조차 의문인데, 애초에 LLM이 만들어지는 과정 자체가 그리고 LLM의 동작 원리 자체가 고도의 발달된 확률 계산기 이기 때문이다. 우리가 gpt나 gemini, claude가 지능적인 대답을 한다고 착각 하지만, 사실은 확률적으로 가장 그럴싸한 문장 배열을 만들고 있을 뿐이라는 이야기다. Codework에서도 동일하다. LLM은 “판단” 과 “결정” 을 내리는 것이 아닌 그저 그 자리에 가장 그럴듯하고 가장 높은 확률로 있어야 하는 코드를 배치할 뿐이다. 이는 LLM의 가장 기본적인 동작 원리가 사실은 바둑에서의 알파고와 같다라는 것에서 쉽게 이야기할 수 있다. 논리적인 사고가 아닌 가장 승리하기에 높은 확률의 다음 수를 예측하는 것이다.

btw. 이렇기 때문에 사실 LLM활용은 창의성이나 생성 보다는 확률론적 성공을 목표로 사용하는 것에 극강의 효율성을 보인다. 코드 작업에서도 이것은 흔히 관찰되었는데, 이에 대해선 나중에 기회가 더 있다면 자세히 풀어보도록 하겠다.

누군가는 이렇게 이야기할 수 있다. 확률적으로 가장 성공에 가까운 코드를 만들 수 있다면, 그것은 반대로 사람이 필요없이 어떤 code system에 대한 정답을 찾을 수 있다는 이야기 아닌가? 이는 결국 개발자를 대체할 수 있다는 이야기 아닌가? False. 틀렸다. 이것은 코딩과 Software Engineering 의 본질을 모르기 때문에. 즉 “새로운 어플리케이션, 새로운 webpage”를 만드는 것 만이 개발이라고 생각하기 때문에 나타나는 착각이다. 개발의 본질은 문제해결이다. 우리가 5년전 가장 Top-value 개발자를 논할때 주로 논의되는 항목은 1) 알고리즘 추론 능력 2) 경험 이었다. 왜 이러한 항목들이 중요할까? 그 이유는 개발 이라는 것이 보통 “주어진 메뉴얼 대로” 코드를 재배치 하는 행위가 아니라 마주친 문제를 “컴퓨터의 방식대로” 풀어내는 행위에 cost를 주었기 때문이다.

일례로, youtube강의를 열심히 들으면 누구나 instagram과 같은 플랫폼을 만들 수 있다. 이 플랫폼은 AI 나 claude code가 생기기 전에도 만들 수 있었으며, 나와 내 가족들이 사용하는 것에는 아무런 문제가 없다. 디자인을 재사용하기 위해 tailwind 가 있었고, 로직을 재사용 하기 위해 수많은 library 들이 있었으며, Top Tier 개발자들 조차도 대부분의 개발 활동을 stack overflow에 의존해서 했다는 것은 자명한 사실이다. 하지만 진짜 문제는 그 이후다. 만약 그렇게 만든 instagram like 어플리케이션을 동시에 100명 1000명이 쓴다면? 당신이 연결한 aws의 저장 공간이 당신이 예측하여 지불해둔 s3 보다 폭팔적으로 수요가 늘어난다면? 동시에 같은 게시물을 수정하려는 시도가 발생한다면? 그 시도가 미국과 이스라엘에서 각각 발생하여, 물리적인 시간 차이가 생긴다면? 이러한 환경에서 동시성을 유지하려면? 사실 개발은 저런 질문에 대한 대답을 찾아내는 행위다. 이는 이전부터도 “코더” 와 “SWE”를 구분하여 이야기해야 한다는 논의들이 종종 발생한 이유였다.

여기서도 꼬리를 무는 질문으로. 저러한 문제들이 이미 발생한 문제들이고, AI가 확률론적 계산기이자 거대한 지식저장소라면 저런 문제들에 대한 자료들도 있을 것이 아닌가? True. 맞다. 그리고 그게 LLM을 가장 효율적으로 이용할 수 있는 방식이다.

그렇다면 결국 세상의 대부분의 문제는 해결 가능하고 개발자를 대체할 수 있는 것이 아닌가? False. 아니다. 왜냐면 세상은 아직 아무도 해결 하지 못한 문제에 대해서만 대다수의 돈을 지불하기 때문이다. 간단한 질문이다. 당신은 내가 만든 개인용 youtube를 위해 youtube보다 영상의 풀이 넓지 않아도 구독료를 지불할 의향이 있는가? 당연히 아닐것이다. 왜냐하면 이건 이미 youtube와 netflix가 해결한 문제이기 때문이다. 극단적으로 과장하여 이야기하면 “AI에 저장된 사람이 이미 해결한 문제들로는 돈을 벌 수 없다.” 이것은 가장 쉽게 본인이 바이브코딩으로 앱을 출시해서 돈을 벌어보면 실감할 수 있다. 즉. 결론적으로 아직 해결되지 않은 문제를 해결할 사람은 아직도 필요하다.

여기까지 납득이 되었다면, 그다음 질문은. 그렇다면 AX는 왜 중요한가? AI가 더 싸지도 않다면 AI를 도입하려고 열을 올릴 필요가 없지 않은가? 일것이다. 하지만 나는 이 관점에 대해선 AX를 어떻게 어떤 철학으로 도입하느냐에 따라 어마어마한 차이점이 생길 것이라 생각한다. 이는 시간이 흐름에 따라서 산업을 바꾸고, 기업 순위를 바꾸고, 돈의 흐름을 바꿀정도의 어마어마한 격차를 불러올 것이라는 것에도 동의하는 바이다.

AI가 거대한 interactive 하고 빠른 지식저장소임에 동의한다면. 그 활용법은 생각보다 굉장히 단순하다. 그것은 바로 “학습의 시간을 극단적으로 줄여주는” 영역에 있다. 일례로, 위에서 언급했듯, 이미 Top Tier 개발자들은 Stack overflow나 github issues등을 통해서 유사한 문제를 다른 사람들이 어떻게 해결하였는지를 찾고, 그를 바탕으로 본인이 직면한 문제를 해결하는 것에 능한 사람들이다. 이는 새로운 프로그래밍 언어나 새로운 도메인에서도 마찬가지인데, 그 언어와 도메인의 특성을 이해하고, 다른 언어/도메인의 성공 경험을 참고하여 새로운 성공 경험을 만들어 가는 것이 이미 기존에도 반복되고 있는 로직이었으며, 이것을 얼마나 빠르고 정확하고 논리적으로 “선택” 해갈 수 있느냐가 개발자 생산성의 본질이었다. 이를 위해 코드가 가독성이 좋아야했으며, reuseable 하도록 하기 위해 많은 노력을 기울였으며, 세상에서 가장 거대한 reuseable code work platform을 제공하는 npm과 python library, tailwind 등 을 여기까지 성장시켰다.

하지만, 이제 이러한 engineering logic을 이해하는 개발자에게는 더이상 stackoverflow가 필요없다. 과거 통계와 data들에서 가장 높은 성공 확률들과 성공 경험을 찾아주는 것은, 그리고 그것을 구현해주는 것은 AI가 훨씬 빠르게, 실수없이 할 수 있기 때문이다. 엔지니어들은 AI를 통해 adaptive 한 path를 구상하고, 테스트해보고, 결정하는 것에 속도가 비약적으로 빨라졌다는 것. 거기에 더해, 기존에는 수많은 시간을 “학습”에 할애해야만 가능했던 새로운 프로그래밍 언어에 대한 적응, 새로운 도메인에 대한 적응 에 걸리는 시간이 과장을 섞어 1000배 이상 빨라졌다는 것. 이것이 AI가 가져와준 생산성 향상의 진실이다.

정리하자면, AI 는 개별 개발자, 거기에 일반 학습속도가 느렸던 개발자들 조차도 과거의 Top Tier개발자 처럼 일할 수 있게 만들어 주었다. 물론 모두가 AI를 그렇게 이해하고 AI를 그렇게 사용할 순 없겟지만, 적어도 그러한 길이 과거에 비해 압도적으로 쉬운 난이도로 열렸다는 것 만은 자명하다.

그럼 여기서 우리가 질문해야할 것은… 만약 당신의 개발자 팀이 한명 한명의 indivisual 들이 모두 Top Tier 개발자가 될 수 있다면… 그럼 당신이 그 팀의 리더로써 해야되는 선택은, 개발자를 줄이는 것일까? 때론 yes, 때론 no 일 것 같다.

yes의 케이스는 그 사업이 더 이상 확장이 불가능하고, 이미 벌어들였던 것 이상의 매출을 올리기 어려운 극단적인 성숙산업일 경우에 yes일 수 있을 것 같다. 일례로는 화석연료 엔진 base의 자동차산업과 같은 경우가 그럴 수 있을 것 같다. 또는 이미 구독할만한 사람이 전 세계에 남아있지 않은 netfilx (아이러니 하게도 나는 그렇다고 판단하는데 netfilx는 youtube를 상대로 새로운 전쟁을 시작한 듯 하다. 이것이 생각의 차이일 것 같다.) 는 그럴 수 있다고 생각한다.

하지만 대부분의 성장 산업에서는 No다. 생각해보면, Top Tier개발자를 모시는 것은 돈 이상의 노력이 필요했다. 아직도 AI가 대신할 수 없는 “AI를 만들어가는 것” 에 대한 value는 연봉 3000억 1조를 지불하더라도 한명을 찾기가 어려우며, 일론 머스크를 테슬라 CEO로 남겨두기위해 테슬라 이사회가 지불하는 금액은 그야말로 어마어마 하다. 이를 위해 Top Tier 개발자들을 어떻게든 발굴하고, 유치하고, 남겨두기위해 미국 빅테크들은 천문학적인 연봉을 제시하고, 말도 안되는 근무환경을 제공하며, 조건부 RSU를 제공하고 주식을 계속해서 올리면서 이들을 어떻게든 회사에 묶어두기위해 안간힘을 썻던 것이다.

그런데… 이제 기존의 개발자들 조차도 예전보다 훨씬 쉽게 Top Tier개발자가 될 가능성이 열렸다. 그럼 솔직히 성장 산업에서 당신이 내려야 할 결정은 당연히 투자다. 그런 개발자가 될 수 있게 교육하고, 그런 개발자가 될 수 있어 보이는 사람을 계속해서 채용해야한다. 막말로, 그런 인재풀이 딸려서 미국이 독식하고 있던 첨단산업, 전세계 단위 플랫폼 산업에서 미국 외 기업들이 또는 스타트업들이 비벼볼 수 있는 Room이 생긴 것 아니겠는가? Top Tier개발자들이 Google, Meta의 커리어와 명예, 위치, 동료를 버리고 스타트업에 합류할 가능성이 있었는가? 이걸 눈치챈 미국 AI의 구루들이 기존 빅테크에서 벗어나서 자기의 사업을 시작하는 것은 이러한 사실에 대한 명확한 배팅이다.

따라서, AI를 올바르게 이해했다면, AI를 비용 효율화로 사용하려는 잘못된 방향의 AX를 선택할 가능성은 대부분의 성장산업에서 명확히 Zero다. 돈으로도 매꿀 수 없는 간격을 이제 돈으로 매꿀 수 있는 길이 열린것. 그것이 AI가 가져온 Productivity 의 본질이다.

따라서 AX는.. 사람을 줄이는것이 아닌 더 많은 사람을 AI를 잘 쓰도록, 이해하도록 교육하여 이전에 시도하지 못했던 사업을 시작하는 것. 그것이 AX이고 생산성 향상이다.

따라서 필자는.. AI를 비용 효율화로 시도하는 대부분의 AX들이 결론적으로 실패할 것을 전망함과 동시에 이를 이해하고 기존 Big Company 들에 도전하는 기업들을 굉장히 유심히 살펴봐야 할 것을 권한다. 듀오링고(NAS:DUOL)는 인공지능(AI) 도입 이후 직원들의 생산성이 4~5배 증가했다는 기사도 같은 맥락에서 참고해보면 좋을 것 같다.

본 글 역시 FDE로서 커리어를 이어갈 사람의 확증 편향이 담겨져 있음을 솔직하게 고백하는 바이다.