|
먼저 그는 "지난 분기에 내 경력 중 어느 분기보다 많은 코드를 배포했다"라며 "동시에 내 경력 중 어느 분기보다 더 많은 피로감을 느꼈다"라고 밝혔습니다.
그리고 "AI 도구를 아무리 많이 사용하고 AI로 워크플로우를 최적화해도 결국 피로감은 해결할 수 없었다"라고 말했습니다. 즉, AI 도구 덕분에 생산성은 높아졌지만, 오히려 일이 어느 때보다 어려워졌다는 것입니다.
실제로 그는 과거 깃팟(Gitpod)으로 잘 알려진 오나(Ona)에서 개발자들을 위한 AI 도구를 개발하고 있습니다.
물론 이 글은 AI 도입이나 바이브 코딩을 반대하는 내용이 아닙니다. 그는 자신과 같은 소프트웨어 엔지니어들이 "이 기술을 더 지속 가능한 방식을 활용하기를 바란다"라고 밝혔습니다.
하지만, 그는 AI가 '생산성의 역설'을 만들어 낸다고 지적했습니다. 생산 비용은 절감되지만, 동시에 인간의 조정이나 검토, 의사 결정 비용은 증가한다는 것입니다.
특히 그가 어렵다고 밝힌 부분은 "더 이상 하나의 디자인 문제에 깊이 집중하는 것이 아니라, 최대 6개의 다른 문제 사이를 오가며 맥락을 바꾸는 것"입니다.
"AI를 사용하면 각 문제를 푸는 데 한시간밖에 걸리지 않는다고 하지만, 여섯가지 문제를 동시에 처리하는 것은 인간의 두뇌에 엄청난 부담을 준다"라며 "AI는 문제 사이사이에 지치지 않지만, 나는 지친다"라고 털어 놓았습니다.
최근 강조되는 엔지니어의 역할 변경도 언급했습니다.
AI가 코드를 생성해 주다 보니, 이제 인간은 제작자에서 지휘자로 바뀌어야 한다는 것이 최근 트렌드입니다. 그러나 실제 자신은 끝없는 코드 검사와 결정에 시달리는 '검토자'로 전락했다는 것입니다.
여기에 대형언어모델(LLM)의 특성상 결과가 번번이 달라지는 데에 대한 스트레스도 호소했습니다. 또 이제는 타이핑이나 자료 검색과 같은 물리적 제약이 없어지며, 오직 인간의 '인지적인 지구력'만이 유일한 병목 현상이 됐다는 것입니다.
그래서 그는 지속 가능한 엔지니어링을 위한 5계명을 소개했습니다.
우선 ▲프롬프트 수정은 딱 3번까지만 하고, 개선되지 않으면 직접 짜는 게 빠르다는 '3회 시도' 규칙을 들었습니다. 그리고 ▲AI 결과물은 완성본이 아닌 원재료로, 완벽을 기대하지 말라는 '70% 법칙'도 거론했습니다.
▲하루의 첫 1시간은 AI 없이 오직 내 뇌로만 사고하고 설계할 필요가 있으며, ▲유행하는 프레임워크보다 보안이나 컨텍스트, 감사 등 인프라 원리에 집중해야 하며, ▲가끔은 손으로 스케치하고 화이트보드를 쓰며 사고의 근육이 퇴화하는 것을 막으라는 것이 포함됐습니다.
특히 그는 과거에는 '코드를 얼마나 잘 짜는가'를 실력으로 봤지만, 이제는 'AI를 언제 멈춰야 하는지 아는 것'이 진정한 실력이라고 강조했습니다. "두뇌는 유한한 자원이며, 그것을 보호하는 것은 게으름이 아니라 공학적인 접근"이라는 말입니다.
그리고 이 글은 동료 엔지니어들의 많은 공감을 받았습니다. 한 개발자는 "바이브 코딩 초기에는 몇시간이고 일에 몰두했다"라며 "하지만 이제는 달라졌다. 끊임없이 집중력을 잃게 된다는 것을 알아차렸다"라고 밝혔는데, 이런 식의 반응이 상당수입니다.
이와 비슷한 내용은 연구 결과로도 등장했습니다. UC 버클리 연구진은 9일 직원 200여명으로 구성된 한 미국의 기술 기업에서 지난해 4월부터 12월까지 8개월 동안 AI가 업무 습관에 미치는 영향을 조사, 발표했습니다.
연구진은 "우리는 AI 도구가 업무량을 줄이는 것이 아니라, 오히려 지속적으로 증가시킨다는 사실을 발견했다"라고 밝혔습니다. AI 도입으로 직원들은 더 빠른 속도로 일하고, 더 광범위한 업무를 처리했다는 것입니다.
심지어 이 회사는 AI 사용을 의무화하지 않았지만, 직원들은 AI 덕분에 더 많은 일을 하는 것이 가능하고 보람 있는 일처럼 느껴졌기 때문에 자발적으로 더 많은 일을 했다고 합니다.
그러나 "실험에 대한 흥미가 식으면 직원들은 업무량이 조용히 늘어나는 것을 느끼고 갑자기 닥친 모든 일을 처리하느라 지쳐버릴 수 있다"라며 "이러한 업무량 증가는 결국 인지적 피로, 소진, 그리고 의사 결정 능력 저하로 이어질 수 있다"라고 지적했습니다.
그리고 AI가 업무 강도를 증가시키는 세가지 주요 패턴을 소개했습니다.
먼저, AI로 지식의 공백을 메울 수 있게 되면서, 직원들은 이전에는 다른 사람들이 담당했던 책임들을 점점 더 많이 맡게 됐습니다. 제품 관리자와 디자이너들은 코드를 작성하기 시작했고, 연구원들은 엔지니어링 업무를 맡았으며, 조직 전반의 구성원들은 과거에는 외부에 맡기거나 회피했을 업무에 도전했습니다.
처음에는 AI를 활용한 "단순한 시도"라고 표현했지만, 이러한 실험들이 축적돼 실제 업무 범위를 의미 있게 확장하는 결과를 가져왔습니다. 그 결과, 이전에는 추가 인력이나 지원이 필요했을 업무까지 수행하게 됐습니다.
두번째는 AI 덕분에 작업을 시작하는 것이 매우 쉬워지며, 점심시간이나 회의 중, 심지어는 파일 로딩을 기다리는 동안 등 이전에는 휴식을 취하던 시간에 틈틈이 작업을 진행하게 됐습니다. 이로 인해 업무와 비업무의 경계가 모호해졌고, 일부 근로자들은 나중에야 휴식 시간이 더 이상 회복의 기회를 제공하지 못한다는 것을 깨달았다고 밝혔습니다.
마지막은 '멀티태스킹의 증가'입니다. AI가 백그라운드에서 일을 처리하거나 여러 에이전트를 병렬로 실행한 상태에서, 자신은 다른 일을 하는 것입니다. 이런 방식은 효율을 극대화하는 것처럼 보입니다.
그러나 "실제로는 끊임없이 주의를 전환하고, AI 출력 결과를 자주 확인하고, 처리해야 할 작업들이 점점 늘어나는 상황"이라고 설명했습니다.
연구진은 "이 모든 것이 악순환을 초래했다"라고 결론 내렸습니다. AI는 작업을 가속했고, 속도가 빨라질수록 직원들은 AI에 더 의존하게 됐습니다. 의존도가 높아지면서 직원들이 시도하는 작업 범위가 넓어졌고, 범위가 넓어짐에 따라 작업량과 밀도가 더 증가했다는 내용입니다.
그 결과, 생산성은 향상됐지만 업무량은 줄어들지 않았고, 오히려 이전보다 더 바빠졌다는 것입니다. 한 엔지니어는 "AI 덕분에 생산성이 향상돼 시간을 절약하고 업무량을 줄일 수 있을 거라고 생각했지만, 실제로는 업무량이 줄어들지 않고 오히려 더 많아졌다"라고 말했습니다. 이는 카레 엔지니어가 말했던 것과 똑같습니다.
이에 따라 연구진은 ▲의도적으로 작업을 멈추거나 속도를 늦춰 과부하를 방지하고 ▲AI의 속도에 휘말리지 말고, 업무의 리듬과 순서(Sequencing)를 인간 중심으로 설계하고 ▲경청과 인간적인 소통을 위한 시간과 공간을 확보해야 한다고 밝혔습니다. 특히 휴식과 대화는 균형 잡힌 시각과 창의성에 중요하다고 강조했습니다.
한편, 카레 엔지이너는 이처럼 사람들이 AI 도구 기대는 것에는 'FOMO(Fear Of Missing Out)', 즉 뒤처질 것에 대한 두려움이 작용한다고 지적했습니다.
그는 "노트북이나 휴대폰을 켜는 순간 슬랙, 트위터, 링크드인, 깃허브 같은 곳에 접속하게 되는데, 이런 것들은 모두 '나 좀 봐'라고 말하는 것과 같다"라고 말했습니다. 첨단 기술을 유지해야 한다는 강박을 말한 것입니다.
그리고 최종적으로 AI가 자신을 변화시킬까 봐 가장 두려웠다고 밝혔습니다. "GPS를 오랫동안 사용하다 보면, GPS 없이는 길을 찾을 수 없게 된다. 길 찾는 능력이 퇴화한 것"이라고 비유했습니다.
바이브 코딩이 등장한 것이 딱 1년 전입니다. 일반 업무에서의 AI 도입도 서서히 늘어나고 있습니다. 그러나 벌써 AI 피로라는 말이 등장했다는 것은 AI를 사용하려면 아직 인지적인 소모가 많다는 것을 말해 줍니다.
시간이 지나며 AI와 일, 그리고 인간에 대한 분석이 늘어날 것으로 보입니다. 우리는 이제 AI가 무엇인지 막 배워가는 단계이기 때문입니다.
그리고 이번 지적은 그동안 기술에 집중됐던 초점을 다시 사람에게 맞추자는 것으로도 볼 수 있습니다. 카레 엔지니어는 "인간들이 스스로 파멸하지 않도록 일종의 안전장치를 마련해 둬야 한다"라고 말했습니다.
| 
C프로그래밍(프로그래밍언어)