'지난주 Best Practice가 이번 주 레거시.' 브런치 글 하나가 개발자 커뮤니티에서 조용히 퍼졌다. 저자는 스스로 AI 트렌드를 빠르게 따라온 편이라 자평하면서도 피로감을 솔직하게 고백한다. 프롬프트 엔지니어링이 컨텍스트 엔지니어링이 되고, 그게 채 익숙해지기도 전에 하네스 엔지니어링이 등장하는 사이클. "냉동캡슐에 6개월쯤 들어갔다 나오면 상황이 정리돼있지 않을까"라는 농담이 농담처럼 들리지 않는다.
이게 팀 리드 입장에서 왜 중요한가. 이 감각은 트렌드를 가장 열심히 따라가는 사람이 느끼는 것이기 때문이다. 팀 안에는 이보다 훨씬 깊은 AI 포비아를 안고 있는 팀원들이 분명히 있다. 그리고 그 포비아는 두 종류다. 하나는 "AI한테 대체당하면 어떡하지"이고, 다른 하나는 "변화를 못 따라가면 어떡하지"다. 전자는 시간이 해결한다. 문제는 후자다. 변화 속도 자체가 사람을 압도할 때, 팀원의 포비아는 학습 거부가 아니라 번아웃으로 표출된다.
교육 현장이 이 문제를 먼저 겪고 있다. 베트남 교육 현장 보도에 따르면, AI가 교실에 들어오면서 교사들이 마주한 가장 큰 변화는 기술 도입이 아니라 역할 재정의였다. 수업 계획, 채점, 자료 제작 같은 반복 작업이 자동화되는 순간, 교사들에게 남은 질문은 "그럼 나는 뭘 하나"였다. 전문가들의 결론은 명확하다. AI가 교직을 없애는 게 아니라, AI를 모르는 교사를 AI를 아는 교사가 대체한다. 개발 팀도 동일한 구조 위에 서 있다.
동시에 앤트로픽의 Claude Design 출시는 이 문제를 더 날카롭게 만든다. 텍스트 프롬프트 하나로 앱 프로토타입, 슬라이드, 마케팅 자산을 뽑아내고, Claude Code와 연동해 구현 단계까지 연결하는 도구가 나왔다. 기획자나 디자이너 포지션에 있던 팀원들에게 이건 위협 신호처럼 읽힌다. 이전 아티클들에서 거버넌스, 비용, 품질을 다뤘다면, 지금 팀에서 조용히 곪아가는 문제는 팀원의 심리다.
그렇다면 AI 포비아를 가진 팀원과 AI-First로 가는 실제 경로는 무엇인가. 내가 현장에서 확인한 접근은 세 가지다.
첫째, 변화 속도를 팀 전체가 다 따라가야 한다는 전제를 깨라. 브런치 글의 저자조차 링크드인은 빠르게 접고 GeekNews만 들여다본다. 정보 필터링 자체가 역량이다. 팀에서 AI 트렌드를 모두가 동일한 속도로 흡수해야 한다는 압박은 번아웃의 원인이지 해결책이 아니다. 팀 리드가 먼저 신호와 소음을 걸러주는 역할을 해야 한다.
둘째, '역할이 흡수당했다'는 공포 대신 '역할이 확장됐다'는 프레임을 팀 안에 설계하라. 교육 현장의 사례가 시사하는 바는 분명하다. AI가 반복 업무를 가져가는 순간, 사람에게 남는 것은 커리큘럼 설계자, 사고 코치, 맥락 판단자의 역할이다. 개발 팀으로 치환하면 코드 생산자에서 아키텍처 판단자, 품질 게이트 설계자, 비즈니스 맥락 번역자로의 이동이다. 이 이동을 팀원 스스로 발견하게 만드는 것이 AI-First 온보딩의 핵심이다.
셋째, 포비아를 개인의 문제로 두지 마라. 저자가 말한 것처럼, AI Native 개발의 과제는 "A~Z의 전체 틀을 러프하게 만들고 구멍을 메워가는 것"이다. 이 방식은 혼자서는 불안하고, 팀에서는 강력하다. 여러 세션을 동시에 돌리고 레포지토리 간 병렬 작업을 하는 개인의 컨텍스트 스위칭 비용을 팀 구조로 흡수하는 설계가 필요하다.
지금 AI-First 팀 리빌딩에서 가장 저평가된 리스크는 기술 부채가 아니다. 팀원이 조용히 포비아를 안고 표면적으로만 도구를 쓰는 상태다. Claude Design이 디자인-개발 경계를 지우고, 에이전트가 DevOps를 흡수하는 속도가 빨라질수록, '적극적으로 부딪혀야만 겨우 따라갈 수 있다'는 브런치 글 저자의 감각은 팀 전체의 감각이 되어야 한다. 그 감각을 개인의 동기에 맡겨두는 팀과 팀 구조로 설계하는 팀은 6개월 후 다른 위치에 서 있을 것이다.
전망은 이렇다. AI 포비아는 없어지지 않는다. 도구의 사이클이 느려지지 않는 한, 피로감은 구조적이다. 팀 리드의 역할은 포비아를 제거하는 게 아니라 포비아를 안고도 움직이는 팀을 설계하는 것이다. '변화의 격류 한가운데서 도태되지 말자'는 개인의 다짐을 팀의 시스템으로 바꾸는 일—그게 지금 AI-First 팀 리빌딩의 실체다.