앤드류 응 AI 엔지니어링, 개발자 미래를 바꿀 네 가지 역량
AI가 코드를 써 주는 시대, 개발자가 무엇을 더 잘해야 하는지 네 가지 역량에서 답을 찾아봐요.
AI가 코드를 써 주면 개발자는 어떤 일을 하게 될까요? 앤드류 응은 AI 경력 강연에서 더 빨리 만드는 능력과 무엇을 만들지 판단하는 능력이 함께 중요해진다고 설명해요. AI 엔지니어링이 빠르게 성장하는 직업 분야로 거론되는 이유도 이 질문과 연결돼요. 공식 자료를 바탕으로 AI 엔지니어에게 필요한 역량과 개발자 미래를 준비하며 연습할 일을 살펴볼게요.
먼저 성장 순위가 어느 시장을 기준으로 하는지 짚어야 해요. 2026년 1월 공식 발표에 따르면 AI 엔지니어는 미국에서 2년 연속 성장 직무 1위를 차지했어요. 전 세계 모든 직업이나 한국 채용시장의 순위를 뜻하지는 않아요. 강연에서 말하는 기회와 실제 통계가 다루는 대상을 구분하면 준비할 방향도 더 분명해져요.
왜 AI를 다루면서 기본기도 필요할까요
앤드류 응은 2026년 8월 공개한 자료를 위해 팀과 함께 채용 공고 1만 건 이상을 분석하고 전문가·채용 담당자 등과 수십 차례 구조화된 인터뷰를 했다고 설명했어요. 여기서 꼽은 네 축은 AI 애플리케이션 개발과 배포, 소프트웨어 공학 기본기, 코딩 에이전트 활용, 무엇을 만들지 정하고 개발을 이끄는 능력이에요.
AI에게 요청하는 문장을 잘 쓰는 데서 끝나지 않는다는 뜻이에요. 응은 AI가 내놓는 결과를 예측하기가 더 어렵기 때문에 결과를 평가하고 오류를 분석하며 다음 개선 방향을 정하는 능력이 중요하다고 설명해요. 답변이 그럴듯한지 보는 것과 실제로 요구한 일을 정확히 수행했는지 확인하는 것은 다른 과정이에요.
기본기가 필요한 이유도 같아요. AI가 구현을 맡아도 비용, 속도, 안정성, 보안 사이에서 어떤 선택을 할지는 남아 있어요. 소프트웨어가 작동하는 방식을 알아야 에이전트에 필요한 맥락을 주고 결과를 판단할 수 있다고 해요.
AI 애플리케이션 개발에는 모델에 어떤 정보를 전달할지 정하는 일도 포함돼요. 응은 필요한 내용을 요청문에 직접 넣을지, 도구로 찾아오게 할지 선택해야 한다고 설명했어요. 문서와 데이터를 모델이 활용할 수 있게 준비하고 최신 상태로 유지하는 과정도 제시했어요. 모델 이름을 아는 것만으로는 이런 일을 하기 어려워요.
올해 채용 보도에서도 실제 운영 역량을 강조했어요. 1월 14일 링크드인 순위를 다룬 보도는 파이썬 프로그래밍, 머신러닝 라이브러리 활용뿐 아니라 모델 배포와 관리, 모니터링, 비용 최적화가 중요하다는 채용 관계자의 설명을 전했어요. 시제품을 만든 뒤 운영하는 일까지 준비해야 한다는 이야기예요.
실제 개발 현장에서는 속도가 어떻게 달라졌을까요
앤드류 응은 스탠퍼드 AI 경력 강연에서 자신이 함께 일하는 일부 팀이 제품 관리자 한 명과 엔지니어 한 명으로 구성된 인력안을 제안했다고 소개했어요. 코드 구현이 빨라지면서 무엇을 만들지 결정하는 과정이 상대적으로 더 중요해졌다는 관찰이에요. 모든 회사의 적정 인원 비율을 조사한 결과라기보다 그가 경험한 팀의 변화로 읽는 게 정확해요.
그는 사용자와 이야기하고 피드백을 받아 제품 방향을 정할 수 있는 엔지니어들이 빠르게 움직인다고도 설명했어요. 개발자 미래를 이야기할 때 구현 도구와 함께 사용자 이해를 언급하는 이유예요. 요구사항을 받아 처리하는 데 더해, 실제로 필요한 요구사항을 함께 정하는 역할이 커진다는 관점이에요. 이런 설명을 확인할 수 있어요.
다만 AI를 쓰면 언제나 빨라진다고 단정하기는 어려워요. 연구기관 METR의 2025년 초 실험에서는 숙련된 오픈소스 개발자들이 AI를 사용할 수 있을 때 작업 완료에 평균 19% 더 오래 걸렸어요. 익숙한 저장소에서 수행한 당시 실험의 결과이므로 오늘의 모든 개발 작업에 그대로 적용할 숫자는 아니에요.
달라진 사용 경험도 나와요. 일부 참여자는 AI 없이 일해야 하는 조건을 꺼렸고, AI로 처리하기 좋다고 생각하는 작업을 실험에 내지 않기도 했어요. METR은 이런 선택 편향 때문에 새 데이터로 현재의 생산성 효과를 신뢰성 있게 추정하기 어렵다고 밝혔어요. 만족한다는 이용 후기와 실제로 얼마나 빨라졌는지 측정한 결과는 구분해서 봐야 해요.
지금은 작은 결과물로 네 가지 역량을 연결해 봐요
이 자료들을 바탕으로 준비한다면 작은 프로젝트 하나에서 개발부터 평가까지 경험해 보세요. 먼저 누가 어떤 불편을 겪는지 한 문장으로 적고, 그 불편을 줄였다고 판단할 기준도 함께 정해 보세요. 앤드류 응이 말하는 제품 방향을 정하는 능력을 연습하는 출발점이에요.
그다음에는 필요한 데이터와 동작 범위를 정하고 코딩 에이전트로 작은 기능부터 구현해 보세요. 만든 뒤에는 정상 입력뿐 아니라 정보가 부족하거나 잘못된 입력도 넣어 보고, 어떤 조건에서 실패하는지 기록해요. 모델이나 요청 문장을 바꾸기 전에 오류부터 살펴보는 거예요. 응이 강조하는 평가와 오류 분석의 반복을 학습 과정에 적용하는 방법이에요.
완성 화면과 함께 선택한 이유도 기록하면 좋아요. 어떤 데이터를 제공했고, 어떤 오류를 발견했으며, 수정 후에는 무엇이 달라졌는지 설명해 보세요. 실행 시간이나 사용 비용도 함께 확인하면 운영 관점에서 결과를 살펴볼 수 있어요. AI 애플리케이션의 비용과 지연 시간, 실제 사용 성능을 관찰해야 한다는 그의 설명에 따른 연습이에요.
지원할 회사를 살펴볼 때도 이 관점을 활용해 보세요. 직무 이름에 AI가 들어가는지에 더해 실제로 어떤 데이터를 다루고, 누가 결과를 평가하며, 배포한 뒤 어떤 문제를 책임지는지 채용 공고에서 찾아보는 거예요. 맡게 될 일을 네 가지 역량과 연결하면 지금 가진 경험으로 지원할 수 있는지, 어떤 학습을 보완해야 하는지 판단할 기준이 생겨요.
마지막으로 실제 사용자에게 보여 주고 다음에 바꿀 한 가지를 정해 보세요. 응은 짧은 사용자 인터뷰부터 실험과 행동 분석까지 여러 방식으로 사용자를 더 잘 이해해야 한다고 설명했어요. 작은 결과물을 만들고 확인하고 고치면서 네 역량 중 어디가 부족한지 찾아보세요.
자주 묻는 질문
Q. AI 엔지니어는 직접 모델을 학습시키는 사람인가요? A. 모델 학습만으로 한정하기는 어려워요. 앤드류 응의 역량 지도에는 AI 애플리케이션 개발과 배포, 평가, 데이터 활용, 운영까지 포함돼요.
Q. AI가 코드를 작성하면 개발 기본기는 덜 공부해도 되나요? A. 응은 소프트웨어 공학 기본기를 핵심 역량으로 꼽았어요. 비용과 안정성 같은 선택을 이해해야 코딩 에이전트에 방향을 제시하고 결과를 판단할 수 있다고 설명해요.
Q. AI 엔지니어가 성장 직무 1위라면 취업도 쉬운가요? A. 성장 순위만으로 개인의 취업 가능성을 판단할 수는 없어요. 확인한 순위는 미국 시장 기준이므로, 지원하려는 지역과 회사의 실제 채용 요건을 함께 살펴봐야 해요.
출처: 링크드인, DeepLearning.AI, 다이스, 스탠퍼드 온라인·vox2.me 강연 전사, METR
댓글
댓글 쓰기