AI-First 전환의 첫 번째 충격
애플이 시리 개발자 200명을 대상으로 수 주짜리 AI 코딩 부트캠프를 시작했다. 단순 도구 교육이 아니다. 동시에 핵심 개발팀을 60명으로 슬림화하고, 별도 60명은 성능·안전성 전담 조직으로 재배치한다. 15년간 비대해진 조직을 Claude Code·Gemini 시대에 맞게 재설계하는 것이다(aitimes 보도). 이 움직임을 보면서 "AI가 사람을 대체한다"는 익숙한 프레임으로 읽으면 핵심을 놓친다.
재교육이 아니라 역할 재정의다
애플의 조치를 자세히 보면 감원이 아니라 재배치다. 부트캠프 이후 200명이 어디로 가는지 공개되지 않았다는 점이 오히려 핵심을 드러낸다. 애플은 지금 "AI 코딩 도구를 쓸 수 있는 사람"과 "AI 인프라를 운영할 수 있는 사람"을 동시에 필요로 하고 있다. 기존 개발자 중 일부는 AI 보조 개발자로 전환되고, 일부는 시리의 성능과 안전성을 평가하는 전문 역할로 이동한다. 이건 인원 감축이 아니라 팀 토폴로지의 분화다.
자동화가 넓어질수록 인프라 수요가 폭증한다
같은 시점에 Anthropic은 Claude Code Routines를 공개했다. 매일 새벽 2시에 버그를 자동 분석하고, PR을 생성하고, 코드 리뷰까지 처리하는 무인 워크플로우다. 로컬 컴퓨터가 꺼져 있어도 클라우드에서 계속 돌아간다. 표면적으로는 "엔지니어 없이도 돌아가는 팀"처럼 보인다. 하지만 dev.to에 게재된 'AI Capacity Trap' 분석은 정반대의 현실을 보고한다. AI 워크플로우로 50명이 100명 몫을 하던 DACH 스타트업들이 시리즈 A·B를 거친 뒤 공통적으로 같은 문제에 부딪혔다. AI 레이어가 스케일되자 그걸 유지할 전담 엔지니어가 없었다.
왜 자동화할수록 사람이 더 필요한가
이 역설의 구조는 명확하다. AI 기능을 빠르게 만드는 것과 그것을 프로덕션에서 안정적으로 운영하는 것은 완전히 다른 문제다. 하루 50건 처리하던 AI 에이전트가 5,000건을 처리하려면 큐 관리, 모델 버전 관리, 프롬프트 드리프트 대응, 레이턴시 프로파일링이 필요하다. 이건 AI가 대신할 수 있는 영역이 아니다. 오히려 AI를 운영하는 새로운 백엔드 역할—프롬프트 버전 컨트롤, 평가 파이프라인, 모델 프로바이더 추상화 레이어—이 전통적인 백엔드와 별도로 필요해진다.
DORA 연구에 따르면 핵심 제품 운영과 AI 인프라 개발을 동시에 맡은 팀은 집중 팀 대비 배포 빈도가 절반으로 떨어진다. 어텐션이 쪼개지면 두 트랙 모두 느려진다. 해법은 동기부여가 아니라 구조적 분리다.
애플이 보여주는 AI-First 팀 구조의 실체
애플의 시리 재편은 이 구조를 대기업 스케일에서 실행하는 사례다. 핵심 개발 60명, 품질·안전 평가 60명, 나머지는 AI 코딩 역량을 갖춘 인력으로 재교육. 이 구조가 흥미로운 건 "적게 써서 빠르게"가 아니라 "역할을 명확히 나눠서 각자 깊게"라는 방향이기 때문이다. AI 도구(Claude Code, Gemini)는 개발 속도를 높이는 데 쓰이지만, 그 위에서 AI 자체를 평가하는 전담 조직이 따로 있다. 자동화를 감시하는 사람도 전문 직군이 된다.
팀 리빌딩의 실용적 시사점
Claude Code Routines 같은 도구가 팀에 들어온 순간부터 질문이 바뀐다. "이걸 누가 쓸 것인가"가 아니라 "이게 밤새 돌아갈 때 누가 책임지는가"다. 당장 내일 도입을 고려 중인 팀에게 세 가지를 짚는다.
첫째, AI 워크플로우는 출시 직후가 아니라 스케일 시점에 무너진다. 초기 성공 경험이 오히려 함정이다. 작을 때 잘 됐다고 커져도 잘 된다는 보장이 없다.
둘째, 기존 엔지니어를 AI 인프라에 추가 배정하는 것은 단기 패치다. DORA 데이터가 보여주듯 어텐션을 쪼개면 두 트랙 모두 느려진다. 별도 스쿼드 구성이 구조적 해법이다.
셋째, 재교육 설계는 "AI 도구 사용법"이 아니라 "AI 결과물의 검증과 운영"에 초점을 맞춰야 한다. 애플 부트캠프의 진짜 목표도 도구 사용이 아니라 AI 시대의 개발자 역할 재정의에 있다.
AI-First 전환의 다음 단계
AI-First 팀 리빌딩은 "AI가 일을 줄인다"는 가정에서 출발하면 실패한다. 실제로는 AI가 처리하는 작업의 종류와 속도가 바뀌고, 그걸 설계·검증·운영하는 사람의 역할이 분화된다. 애플이 200명을 재교육하고 구조를 나누는 것도, Anthropic이 Routines로 무인 자동화를 밀어붙이는 것도, DACH 스타트업들이 AI 백엔드 전문가를 추가 채용하는 것도 같은 방향을 가리킨다.
자동화가 넓어질수록, 그 자동화를 책임지는 사람의 수와 전문성은 오히려 높아진다. AI-First 전환의 역설은 여기에 있다. 도구가 강해질수록 팀 구조 설계의 중요성은 더 커진다.