AI가 실력을 평준화한다고요? 1246표가 몰린 반대 주장

AI 코딩 도구가 나온 뒤로 가장 자주 들리는 말이 있습니다. “이제 주니어도 시니어처럼 코딩한다.” 그런데 최근 개발자 커뮤니티에서 1246표를 받으며 최상단에 오른 글은 정반대 이야기를 합니다. LLM은 실력을 평준화하지 않고, 오히려 전문가에게 훨씬 더 큰 보상을 준다는 겁니다.

평준화 통념은 어디서 왔나

논리 자체는 그럴듯했습니다. 초보자가 막히는 지점은 대개 문법이나 API 사용법, 보일러플레이트입니다. LLM은 이런 걸 거의 완벽하게 처리하죠. 그러니 초보자가 얻는 이득이 고수보다 클 수밖에 없다는 계산입니다.

초기 연구도 이 방향을 지지했습니다. 2023년 발표된 고객 상담 분야 연구에서는 AI 도구 도입 후 신입 상담원의 생산성이 34% 올랐고, 숙련 상담원은 거의 변화가 없었습니다. 이 결과가 널리 인용되면서 “AI는 하위권을 끌어올린다"는 인식이 굳었습니다.

문제는 이 결론이 상담이라는 특정 업무에서 나왔다는 겁니다. 상담은 답이 정해져 있고 좋은 답변의 형태도 명확합니다. 소프트웨어 개발은 그렇지 않습니다.

검증할 수 없으면 쓸 수도 없다

반박의 출발점은 단순합니다. LLM의 출력은 검증이 필요하다.

모델이 코드를 뱉어냈을 때 그게 맞는지 틀린지 판단하려면 그 분야를 알아야 합니다. 데이터베이스 인덱스 전략을 물었더니 그럴듯한 답이 나왔다고 칩시다. 우리 서비스의 쿼리 패턴에 맞는 답인지, 교과서적으로만 옳고 실제로는 쓸모없는 답인지 가려내는 건 사람 몫입니다.

전문가는 이 검증을 몇 초 만에 합니다. 초보자는 못 합니다. 그래서 틀린 답을 그대로 받아들이거나, 맞는 답인데도 불안해서 버립니다. 어느 쪽이든 손해죠.

여기서 격차가 벌어집니다. 전문가는 LLM을 10배 빠른 실행기로 씁니다. 자기가 이미 알고 있는 방향으로 코드를 뽑아내고, 아닌 건 즉시 걸러냅니다. 초보자는 LLM을 답을 알려주는 선생님으로 씁니다. 그런데 이 선생님은 가끔 아주 자신 있게 거짓말을 합니다.

질문의 품질이 답의 품질을 결정한다

또 하나 자주 언급된 게 프롬프트 자체입니다.

“로그인 기능 만들어줘"와 “JWT 리프레시 토큰을 httpOnly 쿠키에 저장하고, 액세스 토큰은 메모리에만 두는 구조로 짜줘. 토큰 회전은 이런 정책으로.” 이 둘은 완전히 다른 결과물을 낳습니다. 후자를 쓰려면 이미 인증 아키텍처를 알아야 하고요.

LLM은 지식을 대체하지 않고 지식을 증폭합니다. 0에 아무리 큰 수를 곱해도 0이라는 얘기죠. 커뮤니티에서 가장 많이 인용된 비유이기도 합니다.

여기에 하나가 더 붙습니다. 무엇을 만들지 결정하는 능력입니다. 어떤 기능을 먼저 붙일지, 어떤 기술 부채를 지금 갚고 어떤 걸 미룰지, 이 요구사항이 실은 다른 문제를 가리키는 건 아닌지. 모델이 대신 판단해주지 않습니다. 오히려 모델이 코드 짜는 시간을 줄여줄수록 남은 시간에서 판단력이 차지하는 몫은 커집니다.

반론도 만만치 않았습니다

댓글창은 만장일치가 아니었습니다. 오히려 반박이 여럿 나왔습니다.

첫째, 생존자 편향 지적입니다. “전문가가 LLM을 잘 쓴다"는 관찰은 잘 쓰는 사람들의 커뮤니티에서 나온 이야기라는 겁니다. 애초에 이런 글을 읽고 토론하는 사람은 이미 상위권입니다. LLM으로 처음 코딩을 시작해 앱을 출시한 사람의 이야기는 이 커뮤니티에 잘 올라오지 않습니다.

둘째, 시간 축의 문제입니다. 지금 시점의 초보자는 검증을 못 하지만, LLM과 함께 배운 세대는 다를 수 있다는 반론입니다. 계산기가 나왔을 때도 “암산 능력이 사라진다"는 우려가 있었지만, 사람들은 계산기를 전제로 한 새로운 수학 교육을 만들어냈습니다. 지금의 격차는 과도기의 현상일 뿐이라는 시각이죠.

셋째, 좀 더 날카로운 지적도 있었습니다. “전문가가 더 이득을 본다"는 주장이 기득권의 자기 위안일 수 있다는 겁니다. 십수 년 쌓은 경험이 갑자기 무의미해질까 봐 두려운 사람들이 그 두려움을 논리로 포장한 것 아니냐는 거죠. 이 댓글에도 추천이 상당히 몰렸습니다.

넷째, 모델 성능 개선이라는 변수입니다. 지금은 검증이 필요하지만, 모델이 충분히 정확해지면 검증 부담 자체가 줄어듭니다. 그러면 전문가의 우위도 같이 줄어듭니다. 이 논쟁 전체가 현재 모델 성능 수준에 종속된 것 아니냐는 지적입니다.

그래서 어느 쪽이 맞나

양쪽 다 부분적으로는 맞습니다.

LLM은 작업의 하한선을 크게 끌어올립니다. 예전이라면 시작조차 못 했을 사람이 뭔가를 만들어냅니다. 명백한 평준화 효과입니다. 동시에 작업의 상한선도 끌어올립니다. 그런데 상한선 쪽은 그걸 활용할 판단력이 있는 사람에게만 열립니다.

그래서 격차는 좁혀지는 게 아니라 자리를 옮깁니다. 예전의 격차는 “코드를 짤 수 있느냐"였습니다. 지금은 “무엇을 짜야 하는지, 나온 결과가 맞는지 판단할 수 있느냐"로 옮겨갔습니다. 문법과 API를 외워둔 값어치는 떨어졌고, 시스템을 설계하고 문제를 정의하는 값어치는 올라갔습니다.

그래서 무엇이 남나

이 논쟁이 1200표 넘게 모인 이유는 간단합니다. 모든 개발자가 지금 자기 커리어를 두고 같은 질문을 던지고 있기 때문입니다. 내가 쌓아온 게 자산인가, 아니면 곧 없어질 것인가.

AI 시대에 살아남는 능력은 코드를 빨리 짜는 게 아니라 나온 코드가 틀렸다는 걸 알아채는 능력입니다. 그리고 이건 여전히 직접 부딪히며 배우는 수밖에 없습니다.

오늘 AI가 준 답 중에 몇 개를 되돌려 보냈나요. 그 숫자가 어쩌면 지금 실력의 지표일지도 모르겠습니다.