Stanford 디지털경제연구소가 급여 기록을 분석한 결과, 22~25세 소프트웨어 개발자 고용이 2022년 말 정점 대비 약 20% 감소했다. ChatGPT 등장 시점과 정확히 겹친다. Linux Foundation의 별도 연구도 같은 방향을 가리킨다: AI 기반 채용 감축의 충격은 신입 직군이 가장 크게 받고 있다. 숫자만 보면 AI가 효율을 높이는 것처럼 보인다. 하지만 Gartner 수석 애널리스트 Aliyah Camacho의 경고는 다르다. "주니어 채용을 줄이면 지식 이전이 막히고, 내부 인재 파이프라인이 고갈되며, 결국 더 비싸고 경쟁이 치열한 시니어 채용에만 의존하게 된다."
여기서 근본적인 오해 하나를 짚고 넘어갈 필요가 있다. 개발자를 '코드 생성기'로 보는 시각이다. IEEE가 Microsoft 엔지니어를 분석한 연구에 따르면, 코드를 쓰고 읽는 데 쓰는 시간은 하루 업무의 15%에 불과하다. 나머지 85%는 협업, 기획, 리뷰, 테스트다. AI 코딩 도구가 아무리 빨라져도 대체하기 어려운 영역이 대부분이다. 그리고 AI가 생성한 코드가 그대로 쓸 수 있는 수준도 아니다. 2025 State of Web Development AI 설문에서 개발자의 76%가 AI 도구가 만든 코드의 절반 이상을 직접 다시 작성한다고 응답했다. 주요 이유는 검증과 오류 탐지다. AI가 초안을 쓰고, 사람이 완성한다—이게 현실이다.
그렇다면 주니어를 줄이면 누가 그 검증을 맡나? 답은 시니어다. Jellyfish 조사에서 엔지니어링 매니저의 46%가 개발자 번아웃이 심화될 것으로 예상했다. 주니어가 담당하던 유지보수와 감독 업무가 시니어에게 전가되기 때문이다. COBOL 전문가 연봉이 약 11만 5천 달러까지 올라간 사례는 인재 공급이 줄었을 때 보상이 어떻게 폭등하는지를 보여주는 선행 지표다. Gartner는 2028년까지 AI로 주니어 직군을 축소한 조직이 소프트웨어 엔지니어링 인재 파이프라인을 스스로 파괴하고, 결국 비용 절감으로 가속하려 했던 혁신이 멈출 것이라고 예측한다.
그렇다면 AI-First 팀 리빌딩의 출발점은 어디인가. '채용을 줄이는 것'이 아니라 '역할을 다시 정의하는 것'이다. 애널리스트들은 신규 입사자를 테스트, 검증, 시스템 판단 영역으로 이동시키고, AI 출력물 리뷰의 명시적 오너십을 주니어에게 부여하는 방식을 제안한다. AI가 저렴하게 프로토타이핑을 가능하게 만든 지금, 주니어 중심의 '소규모 팀'이 오히려 원시 생산성을 비즈니스 결과로 빠르게 전환하는 경로가 될 수 있다. 팀 리빌딩의 핵심은 AI를 도구로 쓰는 사람을 없애는 게 아니라, AI 출력을 판단하는 사람을 키우는 것이다.
도구 선택 문제도 이 맥락에서 함께 봐야 한다. 현재 기업 코딩 에이전트 시장에서 가장 주목받는 플레이어는 Anthropic의 Claude Code다. Wall Street Journal 보도에 따르면, Anthropic은 소비자 챗봇 경쟁보다 기업이 즉시 투입할 수 있는 코딩 AI에 집중하는 전략을 택했고, 이 선택이 시장 모멘텀을 바꾸고 있다. 2026년 5월 기준 Anthropic의 밸류에이션은 9,650억 달러로 OpenAI의 8,520억 달러를 추월했다. Claude Code가 파일 읽기, 코드 작성·수정, 개발 환경 직접 연동까지 지원하며 단순 챗봇 이상의 작업 완결성을 제공한다는 점이 기업 채택을 이끌고 있다. AI-First 팀을 구성할 때 도구 선택은 단순한 선호의 문제가 아니라, 팀 워크플로우에 얼마나 깊이 통합될 수 있는지가 기준이 돼야 한다.
도구를 선택했다면 다음은 비용 통제다. 그런데 이 부분에서 현실적인 경고가 하나 있다. Cursor는 2026년 7월 31일부터 Individual·Teams 셀프서비스 요금제의 Usage 페이지에서 달러 기반 비용 정보를 제거했다. 토큰 수만 보여주고, 모델별 달러 내역은 삭제됐다. 공식 이유는 포함 사용량 환산 비용이 실제 요금보다 크게 표시돼 혼란을 준다는 것이다. 하지만 실제로 온디맨드 요청이 발생한 경우조차 요청별 비용을 확인할 수 없게 됐고, 과거 데이터까지 소급 적용됐다. Teams 사용자 중에는 월 결제 주기 합산 비용이 3만 달러에 달하는 경우도 있었다. 모델마다 토큰 가격이 다른 상황에서 토큰 수만으로는 비용 대비 효율을 비교하기 어렵다. 엔터프라이즈 요금제는 달러 표시가 유지됐다는 점은 더 불편한 신호다—비용 투명성이 요금제 등급에 따라 달라진다.
AI-First 팀 리빌딩을 설계할 때 지금 동시에 다뤄야 할 세 축이 이렇게 겹친다. 팀 구조는 주니어를 줄이는 방향이 아니라 AI 검증 역할로 재배치하는 방향으로 설계해야 한다. 도구 선택은 소비자 인지도보다 워크플로우 통합 깊이와 작업 완결성으로 판단해야 한다. 비용 통제는 도구 벤더가 알아서 투명하게 해줄 것이라는 기대를 버리고, 팀이 직접 모니터링 체계를 갖춰야 한다. Gartner의 경고를 다시 꺼내면—비용 절감으로 혁신을 가속하려다 파이프라인을 스스로 파괴하는 조직이 2028년에 정체된다. 지금 팀 리빌딩의 출발점은 AI가 무엇을 대체하는지가 아니라, AI 이후에 무엇이 더 중요해지는지를 먼저 묻는 것이다.