대부분 AI가 도입되면 숙련도가 낮은 주니어의 일자리부터 대량으로 사라질 것이라고 믿지만, 실제 고용 통계는 예상보다 평온한 흐름을 보이고 있다. 실업률이 폭증하거나 특정 직군이 증발하는 파국적인 시나리오 대신, 현장에서는 훨씬 조용하고 기묘한 변화가 감지된다. 겉으로는 고용 지표가 안정적인 것처럼 보임에도 불구하고, 실제로는 신입 사원이 전문가로 성장하기 위해 밟아야 할 '첫 번째 계단'이 소리 없이 깎여 나가고 있다. 이는 단순한 일자리 부족의 문제가 아니라, 숙련된 전문가를 길러내는 시스템 자체가 작동을 멈추고 있다는 신호다.
사라진 '지루한 업무'가 가져온 성장의 공백
흔히 주니어 시절에 수행하는 단순 반복 업무나 기초적인 코드 작성, 문서화 작업은 '시간 낭비'로 치부되기 쉽다. 하지만 이 과정은 사실 전문가가 되기 위한 필수적인 근육을 형성하는 시간이다. AI가 이 과정을 대신하면서 주니어들은 스스로 고민하고 오류를 해결하며 얻는 '암묵지'를 습득할 기회를 잃고 있다. GitHub의 조사에 따르면, 개발자들은 AI 도구를 사용할 때 작업 속도가 약 55% 빨라졌다고 답했다(출처: GitHub, "The economic impact of the AI-powered developer lifecycle", 2023).
속도는 비약적으로 상승했지만, 그 이면에는 위험한 트레이드오프가 존재한다. 직접 로직을 설계하고 한 줄씩 코딩하며 겪는 시행착오가 사라지면서, 주니어들은 자신이 생성한 결과물의 원리를 완벽히 이해하지 못한 채 다음 단계로 넘어간다. 이는 마치 기초 체력 훈련 없이 곧바로 실전에 투입되는 선수와 같다. 당장의 생산성은 높아 보일지 몰라도, 예상치 못한 예외 상황이나 복잡한 아키텍처 설계가 필요한 시점에서 이들의 성장은 급격한 한계에 부딪힌다. 필자가 관찰한 바에 따르면, AI 보조 도구를 과도하게 사용한 신입 사원들은 코드의 문법적 오류는 잘 잡아내지만, 시스템 전체의 데이터 흐름을 추론하는 능력은 오히려 퇴보하는 경향을 보였다.
데이터가 숨기고 있는 고용 시장의 진실
전체 고용 지표는 여전히 견고해 보이지만, 세부적인 항목을 뜯어보면 이야기는 달라진다. McKinsey의 보고서는 현재 업무 시간의 60~70%가 자동화될 수 있는 잠재력을 가지고 있다고 분석했다(출처: McKinsey Global Institute, "The economic potential of generative AI", 2023). 기업들은 당장 사람을 자르기보다는, 신규 채용의 기준을 극단적으로 높이는 방식을 택하고 있다.
과거에는 60점의 역량을 가진 신입을 뽑아 교육을 통해 100점으로 만들었다면, 이제는 AI를 활용해 혼자서 80점의 성과를 낼 수 있는 '준숙련자'만을 시장에서 찾는다. 이 과정에서 순수한 입문자를 위한 자리는 증발한다. 기업 입장에서는 주니어를 가르치는 비용보다 AI 구독료를 내는 것이 단기적으로 훨씬 저렴하기 때문이다. 하지만 이는 조직 전체의 연령대를 높이고, 미래의 시니어 공급을 차단하는 '인재 부채'를 쌓는 행위다. 실제로 GitClear의 분석에 따르면, AI 도입 이후 코드의 재사용성은 줄어들고 오히려 삭제되거나 수정되는 '코드 번(Code Churn)' 비율이 2021년 대비 2024년에 약 2배 가까이 증가할 것으로 예측되었다(출처: GitClear, "Coding on Copilot" 2024 Report). 이는 검증되지 않은 코드가 양산되면서 장기적인 유지보수 비용이 상승하고 있음을 시사한다.
주니어의 역할: '작성자'에서 '검수자'로의 강제 전환
이제 주니어에게 요구되는 핵심 역량은 무언가를 '만드는 능력'에서 AI가 만든 것을 '판단하는 능력'으로 급격히 이동하고 있다. 이는 매우 가혹한 변화다. 무언가를 비판적으로 검토하기 위해서는 그것을 직접 만들 수 있는 수준 이상의 지식이 필요하기 때문이다.
- 기존 모델: 학습(Learning) -> 실행(Execution) -> 검토(Review)
- AI 시대 모델: 프롬프팅(Prompting) -> 검토(Review) -> 수정(Refining)
이 구조적 변화에서 가장 큰 문제는 '검토' 단계가 주니어에게 너무 무거운 짐이 된다는 점이다. 자신의 지식 체계가 완성되지 않은 상태에서 AI가 쏟아내는 방대한 결과물의 진위 여부를 가려내야 하는 상황은 극심한 피로와 불안감을 유발한다. 필자는 이 현상을 '권한 없는 책임의 시대'라고 부르고 싶다. 주니어는 AI가 낸 사고의 뒷수습을 맡게 되지만, 정작 사고를 방지할 수 있는 깊이 있는 통찰력은 아직 갖추지 못한 상태다. 이러한 괴리는 결국 주니어 개발자들의 이탈을 가속화하고 직무 만족도를 떨어뜨리는 원인이 된다.
새로운 생존 모델: 인공지능과의 '의도적 거리두기'
그렇다면 이 위기를 어떻게 돌파해야 할까? 단순히 AI를 거부하는 것은 답이 아니다. 대신, 우리는 학습 과정에서 의도적으로 효율성을 제거하는 '불편한 학습'을 병행해야 한다. 모든 것을 AI에게 맡기기보다, 핵심 로직만큼은 도구 없이 직접 구현해보는 '화이트박스 학습' 시간을 확보해야 한다.
또한 기업은 주니어를 단순히 '산출물 제조기'로 보지 말고, AI가 대체할 수 없는 '맥락 파악 능력'과 '비즈니스 공감 능력'을 키우는 교육에 투자해야 한다. 기술적인 구현은 AI가 더 잘할지 몰라도, 왜 이 기능을 만들어야 하는지, 사용자가 겪는 진짜 불편함이 무엇인지를 정의하는 것은 여전히 인간의 영역이다. 지금 당장 편한 길을 택하는 주니어는 3년 뒤 AI보다 비싼 '느린 AI'로 전락할 위험이 크다. 반면, AI를 도구로 부리면서도 그 이면의 원리를 집요하게 파고드는 소수의 주니어는 이전 세대보다 훨씬 강력한 '풀스택 설계자'로 거듭날 것이다. 결국 미래의 경쟁력은 AI를 얼마나 잘 쓰느냐가 아니라, AI 없이도 당신이 얼마나 가치 있는 판단을 내릴 수 있느냐에 달려 있다.
참고: MIT Technology Review — AI