지금 일어나는 일을 직시하자
메타가 전체 직원의 10%, 약 8000명을 내보내면서 동시에 7000명을 AI 전담 조직으로 재배치했다. aitimes 보도에 따르면 새로 생긴 조직은 '응용 AI 엔지니어링(AAI)'과 '에이전트 트랜스포메이션 액셀러레이터(ATA)' 같은 이름을 달고 있다. 이름이 낯설어도 목적은 단순하다. 지금 사람이 하는 업무를 AI 에이전트가 자율적으로 처리하도록 만드는 것. 올해 미국 테크 업계에서만 이미 11만 명이 넘는 감원이 진행됐고, 시스코·마이크로소프트·코인베이스 모두 같은 방향으로 움직이고 있다.
이 숫자들을 보고 "AI가 개발자 자리를 빼앗는다"는 공포 프레임으로 읽는 사람이 많다. 그 독법은 절반만 맞고 절반은 틀렸다. 테크 리드 입장에서 솔직히 말하면, 지금 위협받는 건 '개발자'라는 직함이 아니라 특정 종류의 '태스크'다. 그 차이를 제대로 이해하지 못하면 팀 리빌딩 방향을 완전히 잘못 잡는다.
570년 전에도 같은 일이 있었다
dev.to에 올라온 'Software's Aldine Moment'는 이 상황을 역사로 풀어낸다. 구텐베르크 인쇄기가 등장하기 전, 성경 한 권 필사에는 숙련 필경사 15개월치 노동이 들었다. 비용의 74%가 인건비였다. 책이 희귀했던 건 양피지가 귀해서가 아니라 '좋은 손'이 확장되지 않아서였다. 인쇄기는 그 병목을 제거했다. 1450년부터 1500년까지 50년 사이 유럽에서 1200만~1500만 권이 찍혔다. 필경사의 핵심 태스크—복사—는 소멸했다. 그런데 책 산업은 오히려 폭발했다.
소프트웨어 산업이 지금 정확히 같은 경로를 걷고 있다. LLM 코드젠이 2022~23년을 기점으로 '코드 복사' 병목을 제거했다. 코드 생산량은 폭발했고, 동시에 '그럴듯하지만 틀린 코드'의 홍수도 시작됐다. 이 글의 저자는 현재를 1501년 직전, 즉 '올디네 모먼트(Aldine Moment)'의 직전으로 위치시킨다. 복사가 공짜가 된 순간, 가치는 복사 능력에서 판단 능력으로 이동했다.
사라지는 태스크, 새로 생기는 역할
팀 리빌딩을 생각할 때 내가 가장 먼저 던지는 질문은 이거다. "이 업무의 어떤 부분이 태스크이고, 어떤 부분이 판단인가?" 이 두 가지는 AI에 대한 내성이 완전히 다르다.
사라지는 태스크들. 보일러플레이트 코드 작성, 단순 CRUD 구현, 반복적인 리팩터링, 표준 패턴 적용. 인쇄기가 필경사의 복사 태스크를 지운 것처럼, LLM은 이 태스크들을 빠르게 대체하고 있다. 메타가 8000명을 내보낸 자리 중 상당수는 이런 반복적 실행 역할이었을 가능성이 높다.
살아남는 역할들. Aldine Moment 분석이 제시하는 새로운 직군이 흥미롭다. 인쇄기 이후 생겨난 교정자(corrector), 편집자(editor), 출판인(publisher)의 소프트웨어 버전들이다. 구체적으로는 세 가지 방향이다.
- Verification Engineer(검증 엔지니어): AI가 생성한 코드의 정합성, 보안, 아키텍처 적합성을 검증하는 역할. 인쇄기 시대의 교정자가 텍스트를 1만 번 찍기 전에 오류를 잡았듯, 이 역할은 AI 산출물이 프로덕션에 들어가기 전 마지막 판단 게이트다.
- Systems Editor(시스템 편집자): 무엇을 만들지, 어떤 구조로 만들지, AI에게 어떻게 위임할지를 설계하는 역할. 요구사항을 AI가 실행 가능한 스펙으로 변환하는 능력이 핵심이다.
- Orchestration Publisher(오케스트레이션 퍼블리셔): 여러 AI 에이전트를 조합해 실제 워크플로우를 구성하고 배포하는 역할. 알두스 마누티우스가 어떤 책을 누구에게 어떤 형태로 낼지 결정했듯, 이 역할은 AI 시스템의 큐레이션과 배포를 담당한다.
테크 리드 관점에서 팀 리빌딩의 실제 기준
메타 사례에서 냉정하게 읽어야 할 신호가 하나 더 있다. 직원 평가 항목에 AI 사용 여부를 반영하기 시작했다는 대목이다. 극단적 형태인 '모델 역량 이니셔티브(MCI)'—마우스 움직임과 키 입력 데이터를 수집해 AI 학습에 쓰는—는 1000명 이상의 내부 반발을 불렀고, 당연히 그래야 한다. 하지만 AI 활용 역량을 팀 평가 기준에 포함한다는 방향성 자체는 피하기 어렵다.
내가 팀 리빌딩에서 실제로 쓰는 기준은 도구 능숙도가 아니다. AI 산출물에 대한 판단력이다. 구체적으로는 세 가지를 본다.
- AI가 생성한 코드의 경계와 한계를 인식하는가
- AI에게 위임할 태스크와 직접 판단해야 할 지점을 구분하는가
- AI 없이는 할 수 없던 일을 AI와 함께 실제로 해냈는가
첫 번째와 두 번째가 없으면 속도가 빠를수록 기술 부채가 쌓인다. 세 번째가 없으면 AI 활용이 퍼포먼스에 그친다.
지금 팀에서 해야 할 것
dev.to의 또 다른 글이 지적하듯, AI는 이제 데모가 아니라 인프라다. 이 전환은 팀 구조에 실질적 압력을 만든다. AI를 '옆에서 쓰는 도구'로 취급하는 팀원과, AI를 '판단을 위임하는 동료'로 취급하는 팀원 사이의 생산성 격차는 앞으로 더 벌어진다.
팀 리빌딩을 지금 시작한다면 내 우선순위는 이렇다. 먼저 팀의 현재 업무를 태스크 레벨로 분해해서 AI 대체 가능성을 솔직하게 평가한다. 그 다음 AI 대체 가능 태스크를 줄이고, 판단이 필요한 영역—스펙 설계, 구조 결정, 검증—을 담당할 역량을 키운다. 신규 채용 기준에는 도구 경험보다 'AI 산출물을 평가하는 판단력' 항목을 넣는다.
인쇄기는 필경사를 없앴지만 책 산업을 없애지 않았다. 오히려 교정자, 편집자, 출판인이라는 새로운 직업을 만들었다. 지금 AI는 코드 복사 태스크를 없애고 있다. 그 자리를 메울 Verification Engineer와 Systems Editor를 지금 팀 안에서 키우지 않으면, 메타의 재편 뉴스는 남 이야기로 끝나지 않는다.