우리는 네가 '태스크를 끝내라고' 뽑은 게 아니야 — AI가 태스크를 삼킨 시대, 주니어 엔지니어의 진짜 값어치

프롤로그: 한 문장이 일으킨 파문

2026년 5월 15일, 켄트 벡(Kent Beck)이 자신의 뉴스레터에 짧은 에세이 한 편을 올렸다. 제목은 도발적이었다.

"Hey, N00b, We Didn't Hire You to Complete Tasks" — "어이 신입, 우리가 널 태스크나 끝내라고 뽑은 게 아니야."

첫 문장은 더 세게 나온다.

"아무도 네가 태스크를 몇 개 완료하는지 신경 쓰지 않는다(Nobody cares how many tasks you complete)."

켄트 벡이 누구인지 잠깐 짚고 가자. 그는 익스트림 프로그래밍(XP)을 만들고, 테스트 주도 개발(TDD)을 대중화했으며, 애자일 선언문에 서명한 17인 중 한 명이다. 소프트웨어 개발 방법론의 절반쯤은 이 사람 손에서 나왔다고 해도 과언이 아니다. 그런 그가 신입 개발자들을 향해 "네가 일을 얼마나 많이 처리하는지는 아무도 관심 없다"고 말한 것이다.

댓글창과 해커뉴스, 링크드인이 순식간에 달아올랐다. 어떤 이는 "속이 시원하다"고 했고, 어떤 이는 "그럼 대체 뭘 하라는 거냐"고 반발했다. 왜 이 오래된 거장의 짧은 글이 하필 2026년에 이토록 화제가 되었을까?

답은 이 글이 나온 시점에 있다. 지금은 AI 코딩 에이전트가 '태스크 완료'라는 행위 자체를 공짜에 가깝게 만들어버린 시대다. 벡의 문장은 단순한 커리어 조언이 아니라, AI 시대에 인간 엔지니어의 값어치가 어디로 옮겨갔는가에 대한 정확한 진단이었다. 이 글은 그 진단을 처음부터 끝까지, 논문과 데이터로 풀어보려 한다.

💡 이 글은 코어닷 특집 시리즈의 연장선에 있다. 켄트 벡이 실물옵션으로 YAGNI를 다시 꺼낸 이야기는 코드가 공짜가 된 시대, YAGNI는 왜 죽지 않았나에서, 'AI가 개발자를 대체한다'는 도박이 왜 빗나갔는지는 저커버그의 고백에서 이어진다.

1부. 왜 하필 지금 폭발했나 — '태스크 완료'의 가격이 0으로 수렴하다

경제학에는 단순한 원리가 있다. 어떤 것이 흔해지고 싸지면, 그것의 가치는 떨어진다. 물이 공짜에 가까운 이유는 물이 나빠서가 아니라 흔해서다.

10년 전만 해도 "잘 정의된 태스크를 코드로 옮기는 능력"은 귀했다. 이슈 트래커에 적힌 티켓 하나 — "이 폼에 유효성 검사 추가", "이 API에 페이지네이션 붙이기", "이 버그 고치기" — 를 정확히 구현할 줄 아는 사람이 필요했고, 주니어 개발자의 첫 몇 년은 대부분 그런 티켓을 소화하며 배우는 과정이었다.

그런데 2024~2026년, 그 능력이 갑자기 흔하고 싸졌다. Claude Code, Cursor, Codex 같은 에이전트가 등장하면서다. 이들은 잘 정의된 태스크라면 상당 부분을 스스로 끝낸다. 코어닷의 다른 글에서 다룬 지표 하나가 이를 잘 보여준다.

위 네 줄에서 초록 막대 세 개 — 함수 짜기, 보일러플레이트, 버그 패치 — 는 정확히 주니어가 첫 몇 년간 '태스크'로 소화하던 일이다. 그리고 그 세 개가 바로 AI가 가장 잘하는 영역이다. 반대로 빨간 막대(모호한 요구사항 정의)는 AI가 가장 못하는 영역인데, 이건 주니어에게 잘 맡기지 않던 시니어의 일이었다.

즉 AI는 주니어의 밥그릇을 위에서부터가 아니라 아래에서부터 잠식했다. 벡의 문장이 2026년에 폭발한 이유가 여기 있다. "태스크 완료"가 곧 주니어의 존재 이유였는데, 그 존재 이유를 기계가 대신 해버리게 된 것이다.

그렇다면 질문은 이렇게 바뀐다. 태스크 완료가 더 이상 값어치가 아니라면, 애초에 조직은 왜 사람을, 특히 주니어를 뽑는가? 벡의 답을 이해하려면 먼저 "태스크 완료 = 생산성"이라는 등식이 어디서 왔는지부터 뜯어봐야 한다.

2부. 짧은 흑역사 — '많이 하는 것'을 '잘하는 것'으로 착각한 100년

"활동량이 곧 성과"라는 착각은 소프트웨어보다 훨씬 오래됐다. 20세기 초 프레더릭 테일러의 과학적 관리법 이후, 관리자들은 늘 세기 쉬운 것을 세서 성과라고 불렀다. 공장에서는 생산 개수였고, 소프트웨어에서는 이것이 우스꽝스러운 형태로 나타났다.

이 모든 지표의 공통점은 하나다. 활동(activity)을 성과(performance)의 대리지표로 썼다는 것. 그리고 그건 틀렸다.

SPACE 프레임워크: "활동을 성과로 착각하지 말라"

2021년, 마이크로소프트 리서치와 깃허브의 연구자들 — 니콜 포스그렌(Nicole Forsgren), 마거릿앤 스토리, 찬드라 마딜라, 토마스 치머만, 브라이언 하우크, 제나 버틀러 — 이 ACM Queue에 논문 한 편을 발표했다. 제목은 "The SPACE of Developer Productivity". 이들은 개발자 생산성을 단 하나의 숫자로 재려는 시도는 반드시 실패한다고 못 박으며, 생산성이 다섯 개의 차원으로 이루어져 있다고 정리했다.

핵심은 논문이 명시적으로 경고한 대목이다. 저 다섯 중 유독 하나, 활동(Activity)만 떼어내 생산성의 대리지표로 쓰지 말라(never use activity as a standalone proxy for productivity)는 것. 왜냐하면 활동은 세기 가장 쉽지만, 나머지 네 차원 — 특히 성과(P)와 소통·협업(C) — 과 종종 반대로 움직이기 때문이다. 코드를 많이 짤수록(A↑) 시스템은 복잡해지고 리뷰 부담이 커져(C↓, P↓) 팀 전체는 느려질 수 있다.

이제 켄트 벡의 문장을 다시 읽어보자. "아무도 네가 태스크를 몇 개 완료하는지 신경 쓰지 않는다" — 이건 SPACE의 언어로 번역하면 "우리는 너의 A(활동)를 성과로 세지 않는다"는 말이다. 벡은 2026년에 이 오래된 진실을, AI가 A를 무한대로 부풀릴 수 있게 된 바로 그 순간에 다시 꺼낸 것이다.

3부. 벡의 진짜 논리 — 주니어는 '옵션 프리미엄'이다

그렇다면 벡은 무엇을 세라고 하는가? 여기서 그의 글에서 가장 중요한 은유가 등장한다. 그는 주니어를 뽑는 행위를 이렇게 설명한다.

"너를 채용하는 건, 네가 앞으로 될 엔지니어에 대한 옵션 프리미엄(an option premium on the engineer you are going to become)이다."

이 한 문장에 벡의 30년 사고가 압축돼 있다. 풀어보자.

시니어 엔지니어라면 주니어에게 맡긴 태스크를 대부분 혼자서 더 빨리 끝낼 수 있다. 그런데도 굳이 주니어를 뽑는다. 왜? 지금 당장의 생산성 때문이 아니다. 미래에 이 사람이 시니어 혼자서는 감당 못 할 만큼 커질 가능성에 베팅하는 것이다. 지금 지불하는 월급은 그 미래 역량에 대한 옵션의 프리미엄(계약금)이다.

실물옵션이라는 렌즈

이건 벡이 즉흥적으로 만든 비유가 아니다. 금융의 실물옵션(real options) 이론에서 곧바로 온 개념이다. (이 이론 자체는 코어닷 YAGNI 편에서 자세히 다뤘다.) 옵션의 핵심 성질은 비대칭성이다.

이 관점을 이해하면 벡의 도발이 사실은 애정 어린 격려임을 알게 된다. "태스크 개수 신경 쓰지 마"라는 말은 "너를 오늘의 산출물로 평가하지 않을 테니, 마음 놓고 미래에 투자하라"는 뜻이다.

B등급과 A등급: 벡의 두 단계 사다리

그렇다면 구체적으로 무엇을 보여줘야 하는가? 벡은 신입을 두 단계로 나눠 설명한다. 먼저 B등급 — "망치지만 마라(don't mess up)" 단계다. 이건 성취가 아니라 최소한의 신뢰다.

벡의 표현을 빌리면, "네 코드가 동작한다. 네가 뭘 하는지 남에게 말했다. 합리적인 시간 안에 끝냈다" — 이건 자랑거리가 아니라 기대치다. 여기까지는 그냥 팀에 민폐를 안 끼치는 수준이다.

진짜 이야기는 A등급 — "탁월함을 드러내는 9가지 행동"에서 시작된다. 아래 인터랙티브에서 하나씩 눌러보라. 각 행동이 왜 '옵션 가치'를 끌어올리는지, 그리고 AI 시대에 그것이 왜 더 중요해졌는지 함께 보여준다.

이 9가지를 관통하는 하나의 정신이 있다. "주어진 태스크를 잘 끝내는 사람"이 아니라 "태스크 자체를 의심하고, 더 좋은 질문으로 바꾸고, 팀 전체를 끌어올리는 사람" 이 되라는 것이다. 첫 번째 행동이 특히 상징적이다 — "이 태스크는 애초에 완료할 필요가 없다고 주장하라(argue that the task doesn't need doing)." 태스크를 끝내는 게 아니라, 끝낼 필요 없는 태스크를 찾아내는 것이 최고 등급의 신호라는 것이다.

여기서 소름 돋는 지점은, 이 아홉 가지가 하나같이 AI가 가장 못하는 일들이라는 사실이다. AI는 주어진 이슈를 잘 처리하지만, "이 이슈가 정말 필요한가?"를 묻지 못한다. 애초에 AI에게는 이슈가 주어질 뿐이다.

4부. 데이터로 보는 붕괴 — '태스크 완료'만 팔던 자리가 사라지고 있다

벡의 진단이 옳다면, 현실에서는 '태스크 완료'를 주된 값어치로 삼던 자리 — 즉 주니어 포지션 — 가 빠르게 줄어드는 모습이 관측되어야 한다. 실제로 그렇다. 2025~2026년의 데이터는 냉정하다.

몇 개만 짚어보자.

• 스탠퍼드 디지털이코노미랩의 에릭 브린욜프슨(Erik Brynjolfsson) 연구팀이 2025년 발표한 논문 "Canaries in the Coal Mine?(탄광 속 카나리아)" 는 미국 최대 급여 데이터(ADP)로 6,000만 명 넘는 노동자를 추적했다. 결과: 생성형 AI가 퍼진 뒤, AI에 가장 많이 노출된 직군의 22~25세 초년생 고용이 (기업 단위 충격을 통제하고도) 13% 상대적으로 감소했다. 결정적으로, 감소는 AI가 인간을 '증강(augment)'하는 직군이 아니라 '자동화(automate)'하는 직군에 집중됐다.
• '카나리아'라는 제목이 의미심장하다. 탄광의 카나리아는 위험을 멈추지 못한다. 다만 시계가 돌기 시작했음을 알려줄 뿐이다. 초년생 개발자의 고용 감소는, 이 변화가 결국 모두에게 온다는 조기 경보라는 뜻이다.
• 하버드 연구는 28만 5천 개 기업, 6,200만 명을 15~25년에 걸쳐 봤다. AI를 도입한 기업에서 주니어 고용은 6분기 안에 9~10% 줄었지만, 시니어 고용은 거의 그대로였다. 줄어든 건 '경력'이 아니라 '초년'이었다.

이 숫자들의 메시지는 벡의 논리와 정확히 겹친다. 자동화될 수 있는 종류의 '태스크 완료'만으로는 더 이상 자리를 지킬 수 없다. 시장이 벡의 에세이를 데이터로 다시 쓰고 있는 셈이다.

⚠️ 오해 금지: 이건 "주니어를 뽑지 마라"가 아니라 "주니어에게 기대하는 값어치가 옮겨갔다"는 이야기다. 실제로 AI를 잘 다루는 주니어를 오히려 늘리는 대기업들도 있다. 관건은 어떤 종류의 주니어인가이며, 그 답이 바로 벡의 A등급이다.

5부. 반전의 역설 — AI는 주니어보다 시니어를 더 돕는다

여기서 대부분의 사람이 가진 직관이 완전히 뒤집힌다. "AI가 코드를 짜주니까, 경험 없는 주니어일수록 AI 덕을 크게 보겠네?"라고 생각하기 쉽다. 정반대다. 두 개의 강력한 근거가 있다.

근거 ①: 오스마니의 '70% 문제'

구글의 엔지니어 애디 오스마니(Addy Osmani)는 "The 70% Problem: Hard Truths about AI-Assisted Coding" 이라는 글에서 지금 모든 개발자가 체감하는 현상에 이름을 붙였다.

AI는 초안 70%를 놀랍도록 빨리 뽑는다. 문제는 마지막 30% — 엣지 케이스, 다른 시스템과의 통합, 미묘한 버그, 오래 버티는 설계 — 가 급격한 수익 체감 구간이라는 것이다. 그리고 이 30%를 메우는 데 필요한 건 정확히 경험에서 나온 판단이다.

오스마니는 여기서 두 가지 결정적 개념을 제시한다.

오스마니는 이 마지막 대비를 '지식의 역설(knowledge paradox)' 이라 부른다. "시니어는 이미 할 줄 아는 일을 가속하는 데 AI를 쓰고, 주니어는 뭘 해야 할지 배우려고 AI를 쓴다." AI는 판단할 재료가 이미 머릿속에 있는 사람에게 훨씬 큰 레버리지를 준다. 그래서 격차는 좁혀지는 게 아니라 벌어진다.

근거 ②: METR의 충격 실험 — "19% 더 느려졌다"

두 번째 근거는 더 충격적이다. 2025년 7월, 비영리 연구기관 METR이 코딩 AI에 대해 임상시험급 실험을 했다. (자세한 내용은 코어닷 저커버그 편에서도 다뤘다.) 방법론은 신약 임상시험과 같은 무작위 대조 시험(RCT) — 과학적 증거의 최고 등급이다.

숙련된 오픈소스 개발자 16명이, 자신이 평소 기여하던 실제 저장소에서 246개의 진짜 태스크를 수행했다. 절반은 AI 도구 허용, 절반은 금지. 결과는 모두의 예상을 배신했다. 아래 위젯에서 당신의 직감부터 맞춰본 뒤 결과를 열어보라.

개발자들은 AI가 자신을 20% 빠르게 해줬다고 느꼈다. 그러나 측정된 현실은 AI를 쓸 때 오히려 19% 느려졌다. 느낌과 현실 사이에 39%포인트의 간극이 벌어진 것이다.

왜 느려졌을까? METR은 '낮은 AI 신뢰성'을 주범으로 꼽았다. 도구가 개별 순간에는 일을 쉽게 만들어주는 것처럼 느껴지지만 — 코드를 빠르게 뽑아주니까 — 개발자는 그 뒤에 그 출력을 읽고, 검토하고, 고치고, 맞추고, 통합하는 데 시간을 쓴다. 이 검증 오버헤드가 전체적으로는 손해였다. 그리고 이 '검증'이야말로 오스마니가 말한 마지막 30%, 벡이 말한 A등급 행동의 핵심이다.

두 연구를 겹치면 그림이 선명해진다. AI 시대에 가치가 오르는 능력은 '코드를 생산하는 능력(A)'이 아니라 'AI가 생산한 것을 판단·검증·통합하는 능력(P·C)'이다. 그리고 그 능력은 정확히 벡이 A등급으로 나열한 것들이다.

6부. 그래서 2026년의 주니어는 무엇을 해야 하나

이제 벡의 9가지 A등급 행동을 AI 시대의 언어로 다시 번역해보자. 핵심 원칙은 하나다.

에이전트와 '태스크 처리 속도'로 경쟁하지 마라. 그 경기는 이미 졌다. 대신 에이전트를 지휘·의심·검증하는 사람이 되어라.

그리고 나머지 A등급 행동들 — 재사용 가능한 사내 도구 만들기(6번), 팀 밖에도 기여하기(7번), 배운 것을 설득력 있게 문서화하기(8번) — 은 하나같이 '너의 판단을 팀 전체의 자산으로 확장하는' 일이다. 이것들은 AI로 오히려 가속된다. 문서 초안, 도구 스캐폴딩, 리뷰 코멘트 정리를 에이전트가 도와주니까. AI는 A등급 주니어를 대체하는 게 아니라 증폭한다.

아래 인터랙티브로, 같은 작업이 '태스크 완료' 관점과 '엔지니어링' 관점에서 얼마나 다르게 보이는지 다시 한번 확인해보라. 초록(코드 작성)은 AI에게 넘기고, 빨강(판단)에 너의 시간을 쏟는 것 — 그것이 2026년의 생존 전략이다.

결론: 아낀 시간을, 남에게 도움이 되는 방식으로 너 자신에게 투자하라

켄트 벡의 에세이는 이렇게 끝난다.

"아낀 시간을, 남에게 도움이 되는 방식으로 너 자신에게 투자하라. 그게 우리가 찾는 것이다(Take the time you save and invest it in yourself in ways that benefit others. That's what we're looking for)."

이 마지막 문장은 AI 시대에 두 겹으로 읽힌다. 첫째, AI가 태스크 시간을 아껴주니 그 아낀 시간이 실제로 생긴다. 둘째, 그 시간을 어디에 쓰느냐가 너의 옵션 가치를 결정한다. 아낀 시간을 더 많은 태스크를 쳐내는 데 쓰면(활동 A를 늘리면) 너는 에이전트와 같은 링에서 지는 싸움을 하는 것이다. 그 시간을 판단력·취향·팀을 끌어올리는 것에 투자하면, 너는 에이전트가 대체할 수 없는 — 오히려 에이전트를 무기로 쓰는 — 사람이 된다.

정리하면 이렇다.

코어닷이 이 특집을 통해 전하고 싶은 메시지도 같다. AI가 개발의 지형을 바꾸는 지금, 조직에게도 개인에게도 진짜 질문은 "얼마나 많이 처리했는가"가 아니라 "무엇을 처리할 가치가 있는가, 그리고 그 판단을 누가 내릴 수 있는가"다. 태스크는 기계에게 넘기고, 인간은 질문과 판단을 붙잡아야 한다. 그것이 벡이 30년 경력으로 신입에게 건넨, 그리고 2026년의 모두에게 유효한 조언이다.

어이 신입, 우리는 네가 태스크나 끝내라고 뽑은 게 아니다. 우리는 네가 될 사람을 보고 뽑았다.

참고 자료

• Kent Beck, "Hey, N00b, We Didn't Hire You to Complete Tasks", tidyfirst.substack.com / newsletter.kentbeck.com (2026년 5월)
• Forsgren, Storey, Maddila, Zimmermann, Houck, Butler, "The SPACE of Developer Productivity", ACM Queue (2021)
• METR, "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity", arXiv:2507.09089 (2025)
• Addy Osmani, "The 70% Problem: Hard Truths about AI-Assisted Coding" (2025)
• Brynjolfsson, Chandar, Chen, "Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence", Stanford Digital Economy Lab (2025)
• 코어닷투데이, 코드가 공짜가 된 시대, YAGNI는 왜 죽지 않았나 · 저커버그의 고백