AI 시대 커리어 전략과 프로덕트 엔지니어의 시대
핵심 요약
AI는 느려진 것이 아니라 기존 시험지가 너무 쉬워져서 성장이 안 보일 뿐이며, 특히 코딩 영역에서 능력이 폭발적으로 증가하고 있습니다.
이제 병목은 "코드를 어떻게 짜느냐"가 아니라 "무엇을 만들지, 어떻게 정의할지"에 있으며, 코드를 짜면서 제품을 설계하는 프로덕트 엔지니어가 핵심 역할이 됩니다.
브랜드보다 동료, 팀, 네트워크를 선택의 기준으로 삼고, 책임감 있는 태도로 많이 만들고, 허락을 기다리지 말고 지독하게 몰입해보는 것이 이 시대의 강력한 전략입니다.
AI 발전은 정말 둔화됐는가: '고장난 시험지'의 착시
최근 "AI 발전이 예전보다 느려졌다"는 말이 나오지만, 이는 대부분 측정 도구의 한계에서 오는 착시입니다.
우리가 사용하는 벤치마크 시험은 만점이 100점으로 고정되어 있고, 최신 모델들은 이미 해당 점수에 근접하거나 도달했습니다.
이 상태에서 모델이 두 배 더 똑똑해져도 점수표에는 똑같이 100점만 찍히니, 겉으로는 성장 곡선이 평평해진 것처럼 보입니다.
문제는 시험이 여전히 '초등학생 문제 수준'인데, 현실은 훨씬 더 복잡하고 어려운 문제를 요구하고 있다는 것입니다.
따라서 "평평해진 그래프"는 성장 멈춤이 아니라, 더 높은 난이도의 시험지(복잡한 현실 과제)를 만들어야 할 시점이라는 신호에 가깝습니다.
'시간'으로 보는 AI 능력: 생각의 깊이가 두 배씩 깊어지는 시대
미터(Metar)와 같은 연구 조직은 AI가 처리할 수 있는 작업을 "인간이 그 일을 하는 데 걸리는 시간"으로 측정했습니다.
예전 GPT-2 수준에서는 문자 자동완성처럼 몇 초 안에 끝나는 가벼운 과제만 제대로 처리할 수 있었습니다.
하지만 최신 모델들은 몇 분짜리 복잡한 글 읽기, 요약, 디버깅, 논리적 추론 등 '무게 있는 작업'까지 감당하기 시작했습니다.
이 연구에 따르면, "AI가 혼자 처리할 수 있는 유효 작업 시간"은 약 7개월마다 두 배로 늘어나고 있습니다.
이는 반도체 성능이 2년마다 두 배가 된다는 무어의 법칙보다 3배 이상 빠른 속도로 '생각의 지구력'이 성장하고 있음을 의미합니다.
코딩 분야의 충격: 70일마다 실력이 두 배가 되는 엔진
특히 코딩 영역에서 AI의 성장은 훨씬 더 과격합니다.
연구 추정치에 따르면, 코딩 작업에서 AI의 능력이 두 배로 점프하는 시간, 즉 더블링 타임은 약 70일 수준입니다.
사람 개발자가 몇 년 동안 쌓는 숙련도가, 모델 세대교체가 한 번 일어날 때마다 순식간에 따라잡히거나 앞서가는 상황이 되고 있습니다.
과거에는 사람이 30분~1시간 들여야 하던 복잡한 코드도, 가까운 미래에는 AI가 거의 지체 없이 작성하고 수정하는 것이 당연해질 수 있습니다.
이 말은, "인간의 일감을 조금씩 빼앗긴다" 수준을 넘어, 코딩이라는 생산 수단 자체의 속도와 단가가 완전히 다른 차원으로 떨어지고 있다는 뜻입니다.
AI 빌딩 블록과 레고식 개발: 구현은 '조립'의 문제가 된다
이제 소프트웨어 개발은 "한 줄 한 줄 코드를 짜는 시대"에서 "똑똑한 블록을 조립하는 시대"로 넘어가고 있습니다.
거대 언어 모델, 검색 증강 생성(RAG), 에이전트형 워크플로, 멀티모달 인식, 그리고 그 바닥에 깔린 딥러닝 기법들은 이미 하나의 표준적인 빌딩 블록이 되었습니다.
흥미로운 점은, 최신 LLM들은 자신들을 가능하게 만든 딥러닝 구조(예: 트랜스포머)를 박사과정 수준으로 이해하고 재구현할 만큼의 코드 능력을 갖고 있다는 점입니다.
당신이 "트랜스포머를 바닥부터 짜 달라"라고 요구해도, 모델은 실제로 그럴듯한 수준으로 구현을 해 줍니다.
결국, 개발자의 역할은 "모든 것을 직접 만드는 사람"에서 "어떤 블록을 왜, 어떻게 조합해 새로운 제품을 만들지 설계하는 사람"으로 이동하고 있습니다.
AI 코딩 도구의 폭주: '반 세대'만 뒤처져도 치명적이다
커서(Cursor), 코파일럿(Copilot), 클로드 코드, O 시리즈, 제미나 등 AI 코딩 도구는 수개월 단위로 체감 성능이 크게 변합니다.
특히 코드 전용 혹은 코드에 최적화된 인터페이스를 가진 도구들은, 수천 개 파일이 있는 코드베이스를 파고들어 버그를 고치고 리팩터링하는 수준까지 진입했습니다.
이런 환경에서는 "편하니까 예전 도구를 계속 쓰는 습관"이 곧 경쟁력 하락으로 직결됩니다.
3개월, 많아야 6개월만 최신 도구 흐름에서 벗어나도, 실제 생산성·속도·품질에서 회복 불가능에 가까운 격차가 벌어질 수 있습니다.
이 분야만큼은 "새 도구에 적응하는 피로감"보다 "구도구를 고집해서 잃는 기회비용"이 훨씬 더 크다는 점을 인정해야 합니다.
구현에서 '무엇을 만들지'로 병목이 이동했다
AI 코딩 덕분에 "아이디어를 코드로 옮기는 일"은 과거보다 압도적으로 쉽고 빠르고 싸졌습니다.
이제 병목은 더 이상 구현 단계에 있지 않습니다.
진짜 어려운 지점은 두 가지입니다.
하나는 "무엇을 만들 것인가"라는 근본적인 선택, 다른 하나는 그 아이디어를 AI가 오해 없이 실행하도록 충분히 명확하게 설명하는 능력입니다.
개발은 "코드 작성 → 사용자 피드백 → 수정"이라는 루프의 반복인데, AI 덕에 이 루프의 회전 속도가 매우 빨라졌습니다.
따라서 이제 승부는 "누가 더 빨리 코드를 짜냐"가 아니라 "누가 더 빨리 올바른 문제를 정의하고, 올바른 수정 방향을 잡느냐"에서 갈립니다.
PM:엔지니어 비율의 붕괴와 프로덕트 엔지니어의 탄생
과거 실리콘 밸리에서는 PM 1명이 엔지니어 6~8명을 상대하는 구조가 일반적이었습니다.
이는 "기획서 한 번 던지면 개발팀이 몇 달 동안 구현 작업으로 바쁘다"는 전제에서 나온 비율입니다.
하지만 AI 코딩으로 엔지니어링 속도가 로켓처럼 빨라진 반면, PM의 문제 정의·우선순위 결정 속도는 인간 한계 때문에 자전거 수준에 머물러 있습니다.
그 결과 일부 최전선 팀에서는 엔지니어 1명당 PM 1명, 심지어 PM 2명당 엔지니어 1명까지 고려할 정도로, 기획 쪽이 오히려 병목이 되는 현상이 발생하고 있습니다.
더 나아가, "엔지니어가 직접 제품 방향을 결정할 수 있는 팀"이 훨씬 빠르게 움직인다는 사례가 늘어나며, 코딩과 기획을 겸하는 프로덕트 엔지니어라는 역할이 부상하고 있습니다.
공감하는 엔지니어: 코드를 넘어 사용자까지 보는 사람들
기존 엔지니어의 전형은 "사람보다 코드와 이야기하는 걸 선호하는 유형"으로 자주 묘사됩니다.
하지만 AI 시대에 가장 앞서 나가는 사람들은, 코드 실력과 더불어 사용자를 만나고, 이야기를 듣고, 불편과 감정을 이해하는 능력을 가진 엔지니어입니다.
이들은 기획서가 내려오길 기다리지 않고, 사용자 피드백을 스스로 수집하고 해석하며 "다음에 무엇을 만들어야 하는지"를 직접 결정합니다.
즉, 구현과 기획, 기술과 공감, 로직과 감각을 한 몸에 가진 사람들이 가장 큰 레버리지를 누리고 있습니다.
이런 프로덕트 엔지니어들은 단순 코더보다 훨씬 빠른 속도로 결과를 내고, 자신의 상상을 현실로 전환하는 빈도도 높습니다.
브랜드보다 동료: 커리어는 '함께 일하는 사람'이 만든다
많은 사람이 커리어를 선택할 때 회사 로고, 브랜드, 기업 가치만을 보고 결정합니다.
하지만 실제로 우리의 실력을 깎고 다듬는 것은 로비에 걸린 로고가 아니라, 매일 코드를 리뷰해주고 논쟁하고 고민을 나누는 동료들입니다.
유명 빅테크에 합격했지만, 팀이 어디인지 끝까지 알려주지 않는 "통합 채용"으로 들어갔다가, 본인이 꿈꾸던 AI 연구와 전혀 상관없는 팀에 배정되어 1년을 허비하는 경우도 적지 않습니다.
"좋은 팀·좋은 매니저라면 왜 숨기겠는가?"라는 단순한 질문을 던져보면, 팀 정보를 감추는 회사의 의도를 어느 정도 추론할 수 있습니다.
지적 밀도가 높은 팀, 진짜 실력자가 모여서 치열하게 배우고 만드는 팀이라면, 스타트업이든 비주류 브랜드든 그곳이 장기적으로 훨씬 더 큰 성장의 터전이 될 수 있습니다.
네트워크와 연결 조직: 모니터에 뜨기 전에 도는 정보
AI 최전선의 진짜 정보는 언론, 블로그, SNS보다 훨씬 앞선 단계에서 오갑니다.
선도 연구자와 엔지니어들은 서로 신뢰 관계로 연결된 네트워크 안에서, 논문이 나오기 전, 제품이 공개되기 전, 심지어 코드가 정리되기 전의 생생한 정보를 주고받습니다.
이 짧은 전화 한 통, 메신저 몇 줄이 "이 기술은 진짜다 vs 과대포장이다", "이 방향은 막다른 길이다"를 실시간으로 걸러줍니다.
이런 연결망 안에 있느냐 없느냐가, 6개월짜리 프로젝트를 시작하느냐 접느냐, 구조를 통째로 갈아엎느냐를 좌우하기도 합니다.
결국 우리는 "어떤 조직에 속해 있느냐" 만큼이나 "어떤 사람들과 연결되어 있느냐"에 의해, 정보의 신선도와 의사결정의 질이 크게 달라집니다.
허락받지 않는 혁신: 실패 비용이 역사상 가장 낮을 때
AI 코딩과 빌딩 블록 덕분에, 혼자서도 예전 NASA급 프로젝트에 버금가는 복잡한 소프트웨어를 만드는 일이 점점 현실이 되고 있습니다.
이 말은 곧 "팀장 승인, 교수 허락, 투자자의 OK"를 기다리지 않고도 시도할 수 있는 일들의 범위가 크게 넓어졌다는 뜻입니다.
실패해도 잃는 것은 주말 몇 번의 여가 시간 정도지만, 얻는 학습과 경험의 가치는 너무 클 수 있습니다.
세상에는 여전히 문제는 넘쳐나지만, 그것을 실제로 구현해 줄 엔지니어와 프로덕트 엔지니어는 부족합니다.
"내가 안 만들면 영영 안 나올 기능과 서비스들이 있다"는 마음가짐으로, 다만 사람을 해치는 도구는 만들지 않는 윤리적 기준을 분명히 세운 채 최대한 많이 시도하는 것이 중요합니다.
지독한 노력의 가치: PC함과 별개로 남는 진실
요즘 "열심히 일하라"는 말은 종종 시대착오적이라고 비난받기도 합니다.
실제로 건강, 돌봄, 경제적 제약 등으로 인해 전력질주를 할 수 없는 사람들도 분명 존재하며, 그들의 가치와 존엄은 어떤 경우에도 훼손되어서는 안 됩니다.
그럼에도, 저명한 연구자와 창업가가 오랜 시간 지켜본 바, 크게 성공한 사람들에겐 공통점이 하나 있습니다.
바로 "남들이 잠든 시간에도 집요하게 파고드는 시기"가 있다는 것입니다.
만약 당신이 지금 운 좋게도, 건강과 환경 덕분에 어떤 것에 미친 듯이 몰입할 수 있는 상태라면, 그것 자체가 특권이며, 그 시기를 적극적으로 활용하는 편이 장기적으로 큰 차이를 만듭니다.
넷플릭스가 주는 즉각적인 도파민 대신, 주말을 나만의 AI 에이전트를 설계하고 학습시키는 데 쓰는 선택이, 이 거대한 변곡점 시대에 당신을 주인공 위치로 옮겨줄 확률은 분명히 높습니다.
인사이트
이 강연의 메시지는 크게 세 갈래로 모입니다.
첫째, AI는 '둔화'가 아니라 '지표를 갈아치워야 할 수준'으로 빠르게 깊어지고 있으며, 특히 코딩에서 그 속도가 미친 듯이 빠르다는 점입니다.
실천 팁으로는, 최소 분기마다 주요 AI 코딩 도구를 직접 써 보고, 작은 사이드 프로젝트를 통해 새 도구를 몸으로 익히는 루틴을 만드는 것이 좋습니다.
둘째, 병목은 구현이 아니라 문제 정의와 제품 설계이며, 코딩과 사용자 공감을 함께 가져가는 프로덕트 엔지니어가 가장 큰 레버리지를 가진다는 관점입니다.
이를 위해서는 "사용자 인터뷰를 하는 개발자", "직접 기획 문서와 PRD를 초안까지라도 써 보는 개발자"라는 역할을 스스로 자처해보는 것이 좋습니다.
셋째, 커리어를 결정할 때 브랜드보다 동료와 네트워크, 그리고 허락을 기다리지 않는 시도를 중시하라는 조언입니다.
회사나 연구실을 고를 때는 "누가 내 코드 리뷰를 해 줄 것인가", "이 팀에서 1년 일하면 내가 어떤 수준으로 성장할 것인가"를 가장 먼저 물어보고, 동시에 개인적으로는 작게라도 계속 무언가를 만들어 세상에 내놓는 습관을 들이는 것이 좋습니다.
마지막으로, AI가 강력해질수록 그 힘을 어디에 쓰느냐에 대한 책임도 커집니다.
사람을 해치는 도구는 만들지 않는다는 최소한의 윤리선을 분명히 하고, 그 위에서 가능한 많이, 빠르게, 지독할 정도로 시도해 보는 것이 이 시대를 사는 개발자·연구자에게 주어진 특권이자 의무에 가깝습니다.