AI 코딩 어시스턴트가 팀에 들어오면 모든 문제가 해결될 것처럼 보인다. 실제로는 반대다. AI는 팀이 이미 가진 것을 더 선명하게 드러낸다. 좋은 엔지니어링 습관은 더 빠르게 좋은 결과를 만들고, 나쁜 습관은 더 빠르게 나쁜 결과를 쌓는다. dev.to의 기고 'AI in Software Development: A Mirror, Not a Magic Wand'가 정확하게 짚은 지점이다. AI는 마법 지팡이가 아니라 거울이다.
이 '증폭 효과'는 추상적인 메타포가 아니다. 100,000명의 사용자 목록에서 중복 이메일을 찾는 C# 코드를 AI에게 맡기면 어떤 일이 벌어지는가. 경험이 부족한 개발자는 AI가 생성한 O(n²) 중첩 루프를 로컬 테스트 10명으로 확인하고 머지한다. 프로덕션에서 터진다. 주니어가 만든 기술 부채가 아니라, AI가 10배 속도로 생성한 기술 부채다. 반면 시니어 엔지니어는 같은 AI 출력을 받고도 논리적 결함을 잡아내고, 자신의 판단으로 LINQ 쿼리로 교체한다. AI는 초기 모멘텀만 제공했을 뿐이다. 두 시나리오의 차이는 AI 도구의 차이가 아니라, 도구를 다루는 사람의 차이다.
그런데 이 '사람의 차이'가 이제 단순한 성과 차이를 넘어서 고용 존속의 문제가 됐다. Atlassian은 최근 전 직원의 10%인 1,600명을 감원한다고 발표했다. CEO 마이클 캐넌-브룩스는 메모에서 솔직했다. "AI가 기술 조합이나 직원 수를 변화시키지 않는 척하는 것은 솔직하지 못한 처사다." Oracle도 같은 방향이다. AI 코딩 도구 도입으로 개발자 수를 줄일 수 있다고 실적 발표에서 공식화했고, 수십억 달러 규모의 구조조정 자금을 적립 중이다. Block은 4,000명 이상 감원을 발표하며 주가가 다음날 16% 급등했다. 시장은 AI 기반 인력 구조조정을 긍정적 신호로 읽고 있다.
여기서 중요한 프레임 하나를 짚어야 한다. Atlassian의 감원을 단순히 'AI가 사람을 대체한 사례'로 읽으면 절반만 보는 것이다. GeekNews에서 소개된 'ATM은 은행 창구 직원의 일자리를 없애지 않았지만 아이폰은 그렇게 했다'는 글이 더 정확한 렌즈를 제공한다. ATM은 창구 직원의 업무를 자동화했지만 고용을 줄이지 않았다. 지점 운영 비용이 낮아지면서 오히려 지점 수가 40% 이상 늘었고, 창구 직원은 현금 처리에서 관계형 영업 역할로 전환됐다. 반면 아이폰과 모바일 뱅킹은 지점 자체의 존재 이유를 없앴다. 2010년 33만 명이었던 창구 직원이 2022년 16만 명으로 반토막 났다. 업무를 자동화한 게 아니라, 업무 구조를 통째로 재정의했기 때문이다.
지금 AI가 소프트웨어 팀에 하는 일이 어느 쪽에 더 가까운가. 솔직히 말하면 둘 다다. 그리고 그게 핵심 리스크다. GitHub Copilot이나 Claude Code는 당장은 ATM처럼 보완적 도구로 작동한다. 개발자가 더 빠르게 코드를 짜고, 테스트 케이스를 생성하고, PR 리뷰를 보조한다. 생산성이 올라가면 팀 규모가 유지되거나 늘어날 수 있다. 하지만 AI 에이전트가 기획·설계·구현·테스트·배포를 연속으로 수행하는 워크플로우가 안착되는 순간, 패러다임이 바뀐다. 그 시점에 살아남는 역할은 에이전트를 설계하고, 품질을 검증하고, 비즈니스 맥락을 판단하는 사람이다. 코드를 생성하는 사람이 아니라.
테크 리드 입장에서 팀 리빌딩을 설계할 때 이 거울 비유는 실용적인 채용 기준이 된다. AI 도구를 잘 쓰는 사람보다, AI 출력을 비판적으로 검토하는 습관이 이미 내재화된 사람을 먼저 봐야 한다. AI 코드를 그대로 머지하는 사람은 AI 없이도 리뷰를 생략했을 가능성이 높다. 반대로 AI가 틀렸을 때 정확히 어디가 틀렸는지 설명할 수 있는 사람은 AI가 있을 때 더 빠르고 더 정확해진다. 온보딩 과정에서 AI 생성 코드에 의도적으로 결함을 심고, 그 결함을 잡아내는 능력을 보는 것도 하나의 방법이다.
팀 전체의 AI 활용 수준을 높이는 것도 중요하지만, 더 선행돼야 할 것은 엔지니어링 규율의 기준선을 명확히 하는 것이다. 설계를 직접 잡고 AI에게 컴포넌트 단위 작업을 맡기는 습관, AI 생성 코드를 팀원이 작성한 코드와 동일한 기준으로 리뷰하는 문화, 테스트 커버리지를 속도보다 먼저 따지는 원칙—이것들이 없으면 AI 도구는 팀의 약점을 증폭시키는 도구가 된다. Atlassian이 1,600명을 내보내는 동안, 어딘가의 팀은 같은 AI 도구로 더 좋은 제품을 더 빠르게 출시하고 있을 것이다. 차이는 도구가 아니다.
전망은 냉정하게 봐야 한다. AI가 보완적 도구에 머무는 기간이 얼마나 될지 아무도 모른다. ATM이 창구 직원을 보완한 기간은 수십 년이었다. AI 에이전트의 패러다임 전환은 훨씬 짧은 사이클로 올 수 있다. 지금 팀 리빌딩을 설계한다면 두 가지를 동시에 준비해야 한다. 하나는 지금 당장 AI 도구로 생산성을 올릴 수 있는 팀을 만드는 것, 다른 하나는 패러다임이 바뀔 때 에이전트를 설계하고 통제할 수 있는 역할을 남기는 것이다. 거울은 지금도 팀을 비추고 있다. 거울 앞에 무엇을 세울지가 테크 리드의 일이다.