아무도 보고 싶지 않던 숫자가 나왔다
앤트로픽이 3월 공개한 'AI 노출 지수(AI Exposure Index)'는 불편하지만 명확하다. 컴퓨터 프로그래머의 일상 업무 중 약 75%가 현재 LLM이 처리 가능한 범위에 들어간다. 같은 보고서에서 특정 워크플로우는 작업 완료 시간이 최대 80% 단축된다고 밝혔다—4시간짜리 작업이 48분으로 압축되는 수준이다.
이 수치를 팀 리드 입장에서 다시 읽어보자. "75%가 실직한다"는 뜻이 아니다. 개발 팀의 업무 구성, 역할 분담, 채용 기준이 다른 직군보다 훨씬 빠르게 재편된다는 신호다. 그리고 그 재편은 이미 시작됐다.
해고보다 먼저 온 신호: 주니어 채용이 조용히 줄고 있다
앤트로픽 보고서에서 내가 더 주목한 대목은 75%가 아니라 22~25세 채용 둔화 데이터다. 대규모 해고는 아직 현실화되지 않았다. 그런데 엔트리급 채용은 이미 눈에 띄게 줄고 있다.
이 차이는 중요하다. "AI 때문에 해고가 없다"와 "AI 때문에 누가 채용되는지가 조용히 바뀌고 있다"는 전혀 다른 문제다. LLM이 반복 과업—코드 초안 작성, 단순 테스트, 문서화—을 흡수하면, 조직은 주니어 자리를 덜 뽑게 된다. 단기적으로는 조용하지만, 중장기적으로는 시니어로 성장할 인재 파이프라인 자체가 좁아진다. 지금 팀 리빌딩을 고민하는 사람이라면 이 구조적 변화를 가장 먼저 인식해야 한다.
액센츄어가 보여준 '다음 단계': 교육에서 의무로
이론적 경고가 실제 조직 정책으로 전환된 사례가 있다. 액센츄어는 78만 명 직원 중 55만 명—전체의 70%—에게 생성형 AI 교육을 완료했다. 그리고 이달부터 시니어 매니저와 어소시에이트 디렉터 직급의 AI 도구 실제 사용 여부를 승진 심사 항목에 반영하기 시작했다.
추적 방식이 흥미롭다. 단순 수강 이력이 아니라 Microsoft Copilot 로그인 빈도, 세션 시간, 기능 활용 데이터를 실시간으로 측정한다. 액센츄어 CEO 줄리 스위트는 AI 도입을 "모바일 이후 가장 중요한 플랫폼 전환"으로 규정하며 연간 30억 달러를 AI 교육·툴링·클라이언트 서비스에 투자하고 있다. 교육은 끝났고, 의무화 단계가 시작됐다는 메시지다.
측정이 행동을 바꾼다, 그러나 함정도 있다
액센츄어의 접근법은 현실적이다. Microsoft 자체 데이터에 따르면 Copilot 도입 후 60일 내 이탈률이 급격히 올라가고, 지속 사용률은 30~40%에서 안정화된다. 교육만으로는 습관이 바뀌지 않는다. 승진이라는 가시적 인센티브를 연결해야 커브가 달라진다.
그러나 굿하트의 법칙은 여기서도 작동한다. "측정이 목표가 되면, 그 측정은 더 이상 좋은 지표가 아니다." 매일 아침 Copilot을 열고 바로 닫는 직원과, 클라이언트 산출물 구조를 AI로 재설계하는 직원이 대시보드에서 동일하게 보일 수 있다. 로그인 수가 역량을 증명하지는 않는다. 팀 리빌딩 실무자라면 이 간극—컴플라이언스와 역량 사이의 거리—을 어떻게 측정할지가 진짜 설계 과제다.
모든 개발자는 결국 AI 시스템을 설계하게 된다
업무 자동화와 채용 구조 변화보다 더 근본적인 전환이 있다. 개발자의 직무 정의 자체가 바뀐다.
전통적인 소프트웨어 개발은 결정론적 시스템이다. 규칙을 정의하고, 로직을 작성하고, 기계가 실행한다. AI 기반 시스템은 다르다. 개발자가 정의해야 하는 것은 명시적 규칙이 아니라 컨텍스트, 제약 조건, 평가 기준, 안전 경계다. 시스템이 그 환경 안에서 동적으로 결과를 생성한다.
이 전환은 새로운 직군의 등장이 아니다. 기존 개발자 역할이 상위 추상화 레이어로 이동하는 것이다. 채팅 인터페이스 하나로 시작한 AI 기능이 점점 사용자 경험과 비즈니스 워크플로우 전반으로 확장되면, 그 시스템을 유지보수하는 개발자는 자연스럽게 AI 동작 거버넌스를 담당하게 된다. ML 연구자가 될 필요는 없다. 하지만 프롬프트 설계, 모델 오케스트레이션, 출력 품질 평가, 드리프트 감지는 이제 표준 엔지니어링 역량이 된다.
팀 리빌딩 실무자를 위한 세 가지 판단 기준
세 개의 데이터 포인트—앤트로픽 75%, 액센츄어 55만 명 의무화, 개발자 역할의 구조적 전환—를 종합하면 지금 팀 리빌딩에서 우선 판단해야 할 세 가지가 보인다.
첫째, 주니어 채용 전략을 재검토하라. 반복 과업을 AI가 흡수하는 속도를 고려하면, 전통적인 주니어 온보딩 모델은 ROI가 급격히 떨어진다. 대신 AI 도구를 전제로 한 압축 성장 트랙을 설계해야 한다. AI가 반복을 처리하면 주니어는 더 빨리 시스템 설계 레벨로 올라올 수 있다—파이프라인이 아예 닫히기 전에.
둘째, AI 사용 측정 기준을 로그인에서 성과로 바꿔라. 액센츄어의 방향은 옳지만 지표 설계가 관건이다. 팀에서 AI 활용을 측정할 때는 세션 수보다 AI 활용 전후 산출물 품질 차이, 반복 작업 처리 시간 변화, AI 생성 코드의 리뷰 통과율 같은 결과 지표를 함께 트래킹해야 한다.
셋째, 역할 재정의를 지금 시작하라. 코드 생성, 단순 테스트, 문서화가 자동화 영역으로 이동하는 만큼, 팀 내 각자가 설계·검증·보안·제품 의사결정 중 어떤 상위 역량으로 이동할지 지금 명시적으로 논의해야 한다. 이 논의를 미루면, 자동화 압력이 왔을 때 구조가 아니라 사람이 먼저 흔들린다.
이건 예고가 아니라 일정이다
75%라는 숫자가 불편한 이유는 틀려서가 아니라 정확해서다. 앤트로픽은 '가능성'을 수치화했고, 액센츄어는 그 가능성을 조직 정책으로 전환했다. 클라우드가 서버 관리를 추상화했듯, AI는 반복 구현을 추상화한다. 이 패턴은 반복됐고 매번 현장에서 일하는 개발자들은 한 레이어 위로 이동했다.
지금 팀 리빌딩을 고민하는 사람에게 남은 질문은 '이게 일어날까'가 아니다. '우리 팀은 이 전환에 얼마나 빨리 적응할 수 있나'—그리고 그 속도를 높이기 위해 지금 무엇을 바꿔야 하나다.