GitHub Copilot 팀의 시니어 엔지니어 션 거데키가 던진 한 마디. '소프트웨어 엔지니어링은 더 이상 평생 직업이 아닐 수 있다.' 운동선수의 15년, 전동공구를 거부하는 목수, 그리고 1878년 보스턴의 전화 교환원 — 비유 너머에 무엇이 있는가. METR의 충격적 실험과 한국 채용 시장 데이터까지, 이 도발의 진위를 따져본다.
1910년 미국에는 전화 교환원이 88,000명 있었다. 1950년에는 일하는 여성 13명 중 1명이 전화 교환원이었다. 그들은 거대한 나무 스위치보드 앞에 줄지어 앉아, 손가락 사이에 끼운 황동 케이블을 정확한 잭에 꽂아 사람과 사람을 연결했다.
그런데 그들이 일하는 동안 — 자동 교환기는 이미 발명되어 있었다.
세계 최초의 자동 전화 교환 시스템은 1892년 11월 3일, 인디애나주 라포트(La Porte)에서 가동을 시작했다. 알렉산더 그레이엄 벨이 전화 특허를 받은 지 16년 만이었다. 1910년 시점에 미국 전체 전화 가입자 1,100만 명 중 자동 교환 서비스를 받는 사람은 약 30만 명에 불과했다.
그리고 그 후 70년이 더 흘렀다.
1984년, 미국의 전화 교환원은 4만 명으로 줄어 있었다. 2020년대 초에는 2,000명 미만이다. 1983년 10월 11일, 메인주 브라이언트 폰드(Bryant Pond)의 수전 글라인스(Susan Glines)가 손크랭크 전화의 마지막 교환원으로 기록을 남기며 시스템이 자동화로 전환되었다.
직업 하나가 사라지는 것은 이런 모습이다. 벼락이 치지 않는다. 다만 천천히, 그러나 확실하게 사라진다.
"프로 운동선수의 경력은 길어야 15년 정도다. 소프트웨어 엔지니어도 그렇게 될지 모른다. 그에 따라 계획하는 게 좋은 생각이다."
— Sean Goedecke, "Software engineering may no longer be a lifetime career", 2026
이 한 문단이 2026년 봄, 해커뉴스 1면을 점령했다. 댓글은 1,500개를 넘었고, 전 세계 개발자 커뮤니티는 며칠간 이 글로 들끓었다. 글쓴이는 GitHub Copilot 팀의 시니어 스태프 엔지니어. 그러니까 — 우리 손에 AI 코딩 도구를 쥐어준 바로 그 사람 중 하나가 우리에게 말한 것이다. "당신 직업, 15년 남았을지도 모릅니다."
이 글은 그 도발의 진위를 따져본다. 그가 무엇을 정확히 주장했는지, 어떤 증거가 이 주장을 뒷받침하는지, 그리고 — 무엇보다 — 이 주장이 틀린 부분은 어디인지.
Sean Goedecke는 호주 출신 스태프 엔지니어로, GitHub의 Copilot 팀에서 일한다. 그는 2025년 한 해 동안 141개의 글을 자신의 블로그에 올렸고, 그 글들은 합쳐서 월 100만 명 이상이 읽었다. 해커뉴스 2025년 인기 블로거 톱 리스트의 단골이었다.
거데키의 글이 특별한 이유는 두 가지다. 첫째, 그는 빅테크 내부에 있다. AI 코딩 도구를 만드는 사람이지, 멀리서 평론하는 사람이 아니다. 둘째, 그는 솔직하다. 그의 블로그에는 "워리 드리븐 개발(worry-driven development)을 피하라", "조직 정치에 참여하라" 같은 도발적인 글이 즐비하다. 이상론이 아니라 빅테크의 현실에서 살아남는 법을 쓰는 사람이다.
그런 그가 2026년 4월, 짧은 글 하나를 올렸다. 분량은 약 800단어. 4분이면 다 읽을 수 있다. 제목은 "Software engineering may no longer be a lifetime career".
해커뉴스에 올라간 이 글은 24시간 만에 1,500개 이상의 댓글, 수천 개의 업보트를 받았다. 이유는 단순했다 — 이 글이 코드 보일러플레이트의 자동화나 주니어 채용 둔화 같은 작은 이야기를 한 게 아니기 때문이다. 이 글은 직업 자체의 수명을 이야기했다.
거데키의 글은 길지 않다. 하지만 그 안에는 정교한 5단계 논리가 들어 있다. 한 단계씩 따라가 보자.
논리적으로 이 구조는 흠잡을 데가 없다. 각 단계가 다음 단계를 자연스럽게 끌어낸다. 그런데 이게 현실에 맞느냐가 진짜 질문이다. 첫 번째 증거부터 보자.
거데키의 주장에 가장 직접적으로 충돌하는 — 그리고 동시에 가장 강력하게 뒷받침하는 — 데이터는 METR(Model Evaluation & Threat Research) 연구소의 2025년 7월 실험이다. 이 실험이 충격적인 이유는, 모든 사람이 기대하던 결과의 정확히 반대를 보여줬기 때문이다.
METR은 무작위 대조 시험(RCT)을 수행했다. 다른 AI 코딩 연구와 달리 대학원생이나 주니어가 아니라 수년간 같은 오픈소스 저장소에 기여해온 시니어 개발자들을 대상으로 했다.
| 항목 | 값 |
|---|---|
| 참가자 | 16명의 경험 많은 OSS 개발자 |
| 대상 저장소 평균 별 | 22,000+ 스타 |
| 대상 저장소 평균 LOC | 100만+ 줄 |
| 이슈 수 | 246개 (실제 OSS 이슈) |
| AI 도구 | Cursor Pro (Claude 3.5/3.7 Sonnet) |
| 참가자 보상 | 시간당 $150 |
각 이슈는 무작위로 "AI 허용" 또는 "AI 금지" 그룹에 배치되었다. 그리고 작업 시간이 측정되었다.
실험 전에 참가자들은 자신감 있게 예측했다: "AI가 내 속도를 24% 올려줄 것이다." 이 정도 예측은 GitHub Copilot 마케팅의 영향도 있고, 자신의 능력에 대한 합리적 신뢰의 결과이기도 했다.
실험 결과는 정반대였다.
읽고 두 번 확인했을 수도 있다. 다시 한번 정리하면:
METR의 결과는 단순히 "AI가 별 쓸모없다"가 아니다. 훨씬 더 깊은 문제를 가리킨다. 개발자는 자신의 생산성을 정확하게 인식하지 못한다. 코딩이 재미있어졌기 때문에 — 거데키의 글 댓글에서 한 개발자가 인정했듯 "LLMs shaved off all the rough edges... Coding is a joy now" — 우리는 더 일을 잘하고 있다고 느낀다. 하지만 시계는 거짓말하지 않는다.
이게 의미하는 게 무엇인가? 거데키의 단계 2 — "단기 이익이 충분하다면" — 이 단기 이익이 착각일 수도 있다는 뜻이다.
단, 주의: METR 연구는 기존 저장소에 익숙한 시니어가 대상이었다. 새 프로젝트나 익숙하지 않은 코드베이스에서는 AI가 분명 더 빠른 결과를 낼 수 있다. 이 한계가 다른 모든 결과에 어떻게 적용될지는 별개의 질문이다.
거데키 글의 핵심 전제 — "AI 사용은 학습 감소를 동반한다" — 는 단순한 의견이 아니다. 이는 인지심리학에서 "인지 오프로딩(cognitive offloading)"이라 부르는 현상의 정의에 가깝다.
2026년 초 arXiv에 올라온 "How AI Impacts Skill Formation" 연구는 가장 명확한 증거를 제시한다. 연구자들은 초·중·고급 프로그래머를 동일한 조건에서 코딩 과제를 풀게 했다. 한 그룹은 AI를 자유롭게 썼고, 다른 그룹은 쓰지 않았다.
핵심 발견은 다음과 같다.
흥미롭게도 거데키는 자신의 글에 편집자 주(editor's note)를 추가했다. 후속 비판에 대한 답이었다. 거기서 그는 한 발 더 나아간다:
"나는 만약 코드를 직접 작성하지 않는다면, 코드베이스를 이해하는 내 능력 자체가 쇠퇴할 것을 우려한다."
이게 핵심이다. 거데키는 GitHub Copilot을 만드는 사람이다. 그가 매일 자신의 회사 제품을 쓴다. 그리고 그가 두려워하는 것은 해고가 아니다. "내가 점점 더 이해 못 하는 코드를 점점 더 많이 출시하게 되는 미래" — 그것이 그를 두렵게 한다.
이 두려움이 정당하다는 일화적 증거는 어디에나 있다. 한 시니어 개발자는 사이드 프로젝트를 AI 없이 시작했다가 이렇게 말했다:
"본능적이었던 일이 수동적이 되었고, 때로는 거추장스러웠다. 너무 멍청해진 기분이었다(I felt so stupid)."
거데키의 글에서 가장 묘하게 비어 있는 부분은 주니어 개발자다. 그의 논리는 "AI가 코딩의 자리를 빼앗는다 → 시니어도 결국 그 영향을 받는다"인데, 사실 이 일은 주니어에게 이미 일어났다.
Stanford Digital Economy Lab의 2025년 보고서는 충격적인 그래프 한 장으로 요약된다:
Harvard 연구는 6,200만 명의 노동자 데이터를 분석해서 더 정확한 인과를 짚었다. 회사가 생성형 AI를 도입하면, 그로부터 6분기(약 1년 반) 안에 주니어 개발자 고용이 9~10% 감소했다. 시니어 고용은 거의 움직이지 않았다.
직업이 사라지는 것이 아니다. 사다리의 첫 칸이 사라지고 있다.
이게 멀리 있는 이야기가 아니다. 한국 시장은 더 빠르게 같은 방향으로 움직였다.
| 지표 | 2021 | 2025–2026 |
|---|---|---|
| 국내 IT/스타트업 신입 채용 비중 | 높음 (인력난) | 2021 대비 50% 이하 |
| 코딩테스트 평가 비중 | 핵심 평가 | "AI 도구 활용 능력" 추가 |
| 경력자 우대 정도 | 중상 | 즉시 투입 가능 경력자 강한 선호 |
| 인턴십 기회 | 풍부 | 기술 인턴십 30% 감소 |
토스, 카카오, 올리브영 같은 한국의 대표 IT 기업들은 모두 사내 AI 코딩 도구 도입을 가속화하고 있다. 그리고 그들의 채용 풀은 — "AI 도구를 능숙히 다루는 경력 3년차"를 가장 선호한다고 공공연하게 말한다.
신입에게 이는 무엇을 의미하는가? "AI 없이 코딩하는 법을 먼저 배워야 한다"와 "AI를 능숙히 다뤄야 한다" 사이의 모순적인 요구를 동시에 충족해야 한다는 뜻이다.
흥미로운 통계 하나: 한 미국 채용 담당자 조사에서 70%가 "AI가 인턴 업무를 수행할 수 있다고 믿는다"고 답했고, 57%가 "인턴이나 신입보다 AI에게 일을 시키는 것을 더 신뢰한다"고 답했다. 그리고 2024년 미국 고용주의 60%가 신입사원을 1년 안에 해고했다.
여기서 잠깐, 균형을 잡자. 거데키의 글이 100% 옳다면, 우리는 이 글을 쓸 이유가 없다. 그의 논리에는 깊은 반론이 존재한다.
19세기 영국 경제학자 윌리엄 스탠리 제번스(William Stanley Jevons)는 흥미로운 역설을 관찰했다. 증기기관의 효율이 높아질수록, 영국의 전체 석탄 소비량은 줄어든 게 아니라 늘었다. 효율이 좋아지자 더 많은 곳에서 증기기관을 썼고, 결과적으로 총 사용량은 증가했다.
이 패러독스는 소프트웨어에도 적용될 수 있다. AI가 코딩을 싸게 만든다면:
실제로 이 시나리오를 뒷받침하는 데이터가 있다. 2025년 초 SE 채용 공고는 잠깐 기준선 아래로 떨어졌지만, 연말로 갈수록 가속해서 2025년 전체로는 SE 직무 공고가 전년 대비 11% 성장했다. McKinsey는 AI가 SE 생산성을 20~45% 끌어올린다고 추정하며, GitHub Copilot 사용자는 55% 더 빠르게 작업을 완료한다는 GitHub 자체 연구도 있다.
경제학에는 "노동 총량의 오류(lump of labor fallacy)"라는 개념이 있다. "경제 안에는 정해진 양의 일이 있고, 새 기술이 그 일을 빼앗으면 사람들이 일자리를 잃는다"는 가정이 틀렸다는 것이다. 역사적으로 새 기술은 새로운 직업을 만들었다 — 회계사의 죽음을 선언한 1979년 VisiCalc 이후 회계사 수는 2배로 늘었다.
여기서 반론의 반론이 등장한다. AI 비판론자들은 이렇게 말한다:
"AI는 단순한 도구가 아니다. 일반 인지 기술(general cognitive technology)이다. 노동자가 다른 분야로 도망쳐도, AI는 그 분야까지 따라온다. 1810년대 러다이트가 공장에서 농장으로, 농장에서 사무실로 이동할 수 있었던 것과는 다르다."
이 주장은 "Lump of Labor Fallacy의 오류"라고 불린다. 즉, 전통적 의미의 노동 총량 오류는 맞지만, AI에는 그게 적용되지 않을 수 있다는 것이다.
어느 쪽이 옳은가? 정직하게 말해, 우리는 모른다. 두 시나리오 모두 가능하다.
거데키의 글을 그토록 도발적이게 만드는 것은 사실 비유다. 운동선수의 15년. 전동공구를 거부하는 목수. 무거운 것을 들어야 하는 건설 노동자. 이 비유들이 강력한 이유와, 동시에 틀린 이유를 함께 살펴보자.
강점: 시간이 정해진 직업이라는 강력한 메시지를 전달한다. 우리는 NBA 선수가 평생 NBA에 있지 않을 거라는 사실을 안다.
약점: 운동선수는 육체적 한계로 은퇴한다. 무릎이 망가지고, 반응속도가 떨어진다. 소프트웨어 엔지니어가 은퇴해야 하는 메커니즘은 다르다. 거데키도 인정하듯 — 그것은 시장 경쟁력이지 육체적 능력이 아니다.
이 차이가 중요하다. 운동선수는 나이에 의해 밀려난다. SE는 기술 변화 속도에 의해 밀려난다. 그리고 시장의 압력은 — 만약 Jevons 패러독스가 옳다면 — 수요를 늘리는 방향으로도 작동할 수 있다.
강점: AI를 거부하는 SE의 운명을 직관적으로 보여준다.
약점: 두 가지가 빠져 있다.
| 측면 | 목수의 사례 | SE의 사례 |
|---|---|---|
| 도구 발전 속도 | 수십 년 단위 (대패 → 전동톱 → CNC) | 월·주 단위 (GPT-3 → 4 → 5 → Claude → ...) |
| 도구가 잡는 일 | 물리적 절단·연마 — 매우 구체적 | 사고·설계·구현 — 점점 넓어짐 |
| 장인의 가치 | 하이엔드(맞춤가구)에서 보존 | 아직 미지수 |
| 대체 가능성 | 여전히 한계 (창의적 디자인) | 점점 더 모호해지는 중 |
흥미로운 사실: 전통 목공은 사라지지 않았다. CNC가 가구 대부분을 만드는 시대에도 맞춤 가구 장인은 존재하며, 그들은 종종 CNC가 닿지 못하는 가격대에서 일한다. 거데키의 비유가 정확하다면, "AI 시대의 시니어 SE"는 그 가격대의 일을 찾아갈 것이다.
해커뉴스 토론에서 자주 등장한 비교는 법조계와 의료계였다. 이 분야에는 50대, 60대 베테랑이 현역으로 가장 잘나가는 시기를 보낸다. 왜?
SE는 이 셋 중 어디에 가까운가? 거데키의 답: 운동선수에 가깝다. 반대 진영의 답: 의사·변호사에 가깝다. 진실은 양쪽에 걸쳐 있다.
거데키의 글이 한국 개발자에게 의미하는 것은 무엇인가? 미국·유럽의 분석이 그대로 적용될까?
부분적으로는 그렇다. 그러나 한국 시장에는 고유한 변수가 몇 개 있다.
한국 IT는 전 세계 평균보다 빠르게 트렌드를 흡수한다. 2021년의 "역대 최고 채용 시장"이 단 2년 만에 "취업 빙하기"로 뒤집힌 속도를 보면, 거데키가 말하는 변화도 한국에서는 더 빠르게 진행될 가능성이 높다.
한국의 채용 시스템은 코딩테스트와 알고리즘 인터뷰에 강하게 의존한다. 이는 두 가지 효과를 낸다.
요약하면 — 시스템 자체가 거데키의 시나리오를 그대로 따라가고 있다.
거데키는 "그에 따라 계획하라"고 했지만, 무엇을 계획하라는 건지는 명시하지 않았다. 우리가 모은 모든 자료를 종합해서, 단계별 액션을 제안한다. 이는 정답이 아니라 작업 가설이다.
수전 글라인스가 미국의 마지막 손크랭크 전화 교환원으로 일하던 1983년, 그녀는 자기 직업이 그날 끝나리라는 것을 알고 있었다. 모두가 알고 있었다. 그 직업은 천천히, 그러나 분명하게 사라지고 있었기 때문이다.
소프트웨어 엔지니어링이 같은 길을 갈 것인가? 정직한 답은 — 우리는 모른다. 거데키의 5단 논법은 강력하지만, 그 안에는 (METR 데이터가 가리키듯) 확정되지 않은 가정이 많다. Jevons 패러독스가 우리를 구원할 수도 있고, 반대일 수도 있다.
하지만 한 가지는 분명하다. 거데키가 글을 쓴 이유 — "그에 따라 계획하라" — 는 옳다. 평생직업이라는 가정이 흔들리는 시점에서, 흔들리지 않은 듯 사는 것이 가장 큰 도박이다.
1878년 보스턴에서 황동 케이블을 꽂던 에마 너트는, 자기 직업의 전성기에 있었다. 그녀는 자기 직업이 105년 후에 사라지리라고는 상상하지 못했다.
2026년의 우리도 우리 직업의 어디쯤에 있는지 — 정확히는 모른다.
그러나 알 수 있는 것이 하나 있다. 모르는 것을 모른다고 인정하고, 그 위에서 계획하는 사람은 — 모르는 것을 안다고 믿는 사람보다 — 항상 더 멀리 간다.
거데키의 글은 답이 아니다. 그것은 질문이다. 우리 모두가 미루고 싶었던 질문이다.
