AI가 주니어 개발자를 대체한다는 말은 절반만 맞다. 정확히는 이렇다: AI가 아니라 조직 설계가 주니어를 밀어낸다. AWS VP Marc Brooker는 "주니어는 구태의연한 휴리스틱이 없기 때문에 오히려 구조적 우위를 가진다"고 주장한다. 반면 Microsoft Azure CTO Mark Russinovich와 Scott Hanselman은 같은 시기 발표한 논문에서 정반대 결론을 낸다: AI는 주니어에게 '드래그'를 건다. 판단력이 아직 형성되지 않은 상태에서 AI 산출물을 검증하고 통합해야 하는 역할을 맡으면, 조직이 단기 효율만 좇을 때 "차세대 기술 리더를 공동화할 위험"이 생긴다.
두 주장은 모순처럼 보이지만, 실은 다른 층위를 보고 있다. Brooker는 개인의 가능성을 말하고, Russinovich·Hanselman은 조직 설계의 실패를 경고한다. 개인으로서의 주니어는 AI 도구에 거부감 없이 적응하며 비즈니스 컨텍스트로 스코프를 확장할 수 있다. 하지만 조직이 시니어 대신 AI 에이전트를 짝으로 붙이거나, 주니어 헤드카운트 자체를 열지 않으면, 판단력이 형성될 구조적 기회가 사라진다. 결국 질문은 "AI가 주니어에게 득인가 실인가"가 아니라 "누가 이 결정을 내리고 있으며, 의도적으로 내리고 있는가"다.
역사적 패턴은 명확하다. CNC 머신이 금속 가공을 자동화했을 때, 단순 조작직은 줄었지만 대학 졸업자 고용은 86% 증가했다. Excel이 장부 작업을 자동화하자 부기 담당자는 줄고 회계사·감사·재무 매니저는 급증했다. 실행이 프로그래밍 가능해지면 직군은 판단·트레이드오프·시스템 사고로 이동한다. 지금 법률 업계에서 같은 일이 벌어지고 있다. 디스커버리 자동화로 주니어 변호사의 업무량이 줄었는데, 문제는 그 '지루한 반복' 속에 패턴 인식과 적대적 사고 훈련이 담겨 있었다는 것이다. 실행 레이어를 걷어냈더니 트레이닝 그라운드까지 함께 사라졌다.
소프트웨어 팀도 같은 기로에 서 있다. 이 분기에 주니어 헤드카운트를 열지 않은 팀, 주니어 대신 AI 코딩 에이전트를 시니어에 붙인 팀, 아웃풋 속도만 측정하고 멘토십이 사라진 것을 계산하지 않는 매니저—이들은 이미 결정을 내리고 있다. 대부분은 의도 없이. 여기서 더 까다로운 문제가 있다. Brooker가 별도 에세이에서 지적했듯, 시니어들도 지금 자신의 휴리스틱이 무너지는 경험을 하고 있다. API 설계, 서비스 경계, 시스템 유지보수 비용에 대한 정신 모델이 AI 도구의 등장으로 실시간으로 무효화되고 있다. 즉, 가르치는 사람도 동시에 배우는 중이다.
이것이 Russinovich·Hanselman이 제안한 '프리셉터 모델'이 주목받는 이유다. 1년간 대등한 페어로 일하는 이 구조는, 시니어가 지혜를 하향 전달하는 전통적 멘토십이 아니다. 시니어는 패턴 인식과 시스템 컨텍스트를 기여하고, 주니어는 AI 도구 적응력과 낡은 휴리스틱으로부터의 자유를 기여한다. 둘 다 배우는 구조다. 이 설계를 의도적으로 채택하지 않으면, 조직은 파이프라인을 끊는 결정을 기본값으로 내리게 된다.
AI 에이전트의 신뢰 문제는 이 논의를 더 복잡하게 만든다. 50개 이상의 실제 프로덕션 에이전트 트레이스를 분석한 결과에 따르면, 에이전트 장애의 대부분은 조용한 실패(silent failure)다. 리트라이가 실제로 일어나지 않았는데 성공했다고 보고하거나, 예약 툴을 한 번도 호출하지 않고 항공편 예약을 완료했다고 확인해주거나, 상태가 '취소됨'인데 "배송 중"이라고 안내하는 식이다. 에러 로그에는 아무것도 찍히지 않는다. 이 구조에서 에이전트 산출물을 검증하는 판단력이야말로 주니어가 길러야 할 핵심 역량이 된다—그리고 그 판단력은 단순 코딩 연습이 아니라 시스템 경계, 트레이드오프, 실패 시나리오를 직접 맞닥뜨리는 경험에서 나온다.
이런 맥락에서 Veris 같은 도구가 의미 있다. Veris는 AI 코딩 에이전트가 생성한 코드의 워크플로우를 분석해 결제 멱등성, 웹훅 재전송 처리, 캐시 무효화 등 단위 테스트가 잡지 못하는 워크플로우 단위 취약점을 시각화한다. 에이전트가 코드를 잘 쓰는 것과, 그 코드에 무엇이 위험한지 아는 것은 다른 문제다. 바로 이 간극—AI 생성물의 맹점을 식별하고 검증 기준을 설계하는 능력—이 주니어가 AI 시대에 길러야 할 판단의 영역이다.
테크 리드 관점에서 지금 해야 할 질문은 세 가지다. 첫째, 우리 팀은 이번 분기 주니어 채용 결정을 의도적으로 내렸는가, 아니면 기본값으로 건너뛰었는가. 둘째, 주니어와 AI 에이전트를 어떻게 페어링하고 있는가—AI를 주니어의 대체재로 쓰고 있는가, 아니면 학습 루프의 일부로 설계했는가. 셋째, 아웃풋 속도 외에 판단력 성장을 측정하는 지표가 있는가. 이 세 질문에 답이 없다면, 조직은 이미 파이프라인을 끊는 결정을 내린 것이다—그것도 아무도 책임지지 않는 방식으로.