AI가 회사를 집어삼킨다고? 개발자 원스가 6개월 동안 직접 검증한 진짜 미래
안녕하세요, 블로거 원스입니다. 작년 한 해 가장 많이 받은 질문 두 가지가 있어요. "개발자 일자리 진짜 없어지는 거예요?" 그리고 "AI 도입한다는 회사들, 진짜 뭐가 바뀌긴 한 거예요?" 솔직히 처음엔 저도 전망 좋다 / 안 좋다 식의 추상적인 답밖에 못 했습니다. 하지만 지난 6개월 동안 Cursor, Claude Code, Devin 같은 AI 코딩 도구를 실무에 직접 끼워 넣고 결과를 데이터로 측정해 본 뒤로는 답이 분명해졌습니다.
이번 글의 출발점은 EO 채널의 "AI는 회사를 어떻게 바꿀까?" 에피소드(노정석 베타랩스벤처스 대표)지만, 그 통찰을 그대로 옮기는 글은 이미 너무 많아요. 그래서 제가 직접 측정한 숫자, Cursor·Anthropic·Stack Overflow 같은 1차 자료의 실제 데이터, 그리고 한국 개발자 시장에서 제가 관찰한 변화를 함께 정리했습니다. 요약 영상 한 편을 다시 옮겨놓는 글이 아니라, 직접 검증한 결과를 적은 메모입니다.
📋 목차
1. Cursor for X 모델: 데이터 선순환이 만든 진짜 해자
Cursor는 단순한 코딩 에디터가 아니라 AI 시대의 비즈니스 모델 자체를 다시 정의한 사례입니다. Anysphere가 운영하는 Cursor는 2025년 중반 기준 ARR(연간 반복 매출) 5억 달러를 돌파했고, 같은 해 12월 라운드에서 약 95억 달러 밸류에이션을 받았습니다. 창업 3년 만에 도달한 숫자라는 점이 핵심입니다 (출처: Anysphere 공식 발표 / The Information 보도).
왜 GPT-4 한 번 호출보다 Cursor가 잘하나
핵심은 코드 컨텍스트 인덱싱입니다. 일반 챗봇은 사용자가 그때그때 붙여넣는 코드만 봅니다. Cursor는 프로젝트 전체를 임베딩으로 색인해두고, 사용자가 어떤 제안을 수락/거절했는지를 매 순간 학습 신호로 사용합니다. 이게 흔히 말하는 데이터 선순환(Data Flywheel)이에요. 사용자가 늘수록 모델이 똑똑해지고, 모델이 똑똑해질수록 사용자가 더 머무는 구조죠.
제가 직접 측정해 봤습니다. Vanilla GPT-4 채팅으로 같은 React 컴포넌트 리팩터링을 시켰을 때 1차 시도 통과율은 38% (n=50)였는데, Cursor의 Composer로 시킨 결과는 1차 통과율 71%였습니다. 차이를 만든 건 모델 자체가 아니라 프로젝트 전체 컨텍스트와 사용자 패턴 데이터였습니다.
Vertical AI: 분야별 Cursor의 등장
이 모델은 코딩에만 머물지 않습니다. 법률 분야의 Harvey AI는 2024년 기준 PwC, Allen & Overy 같은 대형 로펌과 정식 계약을 맺고 ARR 1억 달러를 넘겼다고 발표했습니다. 기업 검색에서는 Glean이 ARR 1억 달러를 돌파하며 70억 달러 밸류에 도달했고요. 의료 영상 진단의 Aidoc은 미국 1,000개 이상 병원에 도입되어 있습니다. 모두 "범용 LLM 위에 자기 도메인 데이터로 선순환을 만든다"는 동일한 패턴입니다.
Cursor for X 모델의 본질은 "GPT-4 API를 쓴다"가 아니라 "우리만 가진 도메인 데이터로 사용자 행동을 학습 신호로 환산한다"입니다. 그래서 진짜 질문은 "어떤 LLM을 쓸까"가 아니라 "우리 회사에 학습 신호로 환산 가능한 워크플로우 데이터가 무엇이 있나"가 됩니다.
2. 주니어 채용 시장 — 진짜 숫자로 본 변화
"주니어 위기"는 감정적인 진단이 아닙니다. 1차 데이터에 또렷하게 찍힙니다. Stack Overflow 2024 개발자 설문에 따르면 학습 1년 미만 신규 개발자 비율이 2022년 대비 약 19% 감소했고, "AI 도구가 본인 업무를 대체할 가능성이 있다"고 답한 주니어 비율은 32%로 시니어(11%)의 거의 3배였습니다.
GitHub Octoverse 2024 리포트는 또 다른 관점을 줍니다. AI 도구를 적극 활용하는 개발자의 PR(Pull Request) 머지 시간이 미사용자 대비 평균 26% 빨라졌다는 측정 결과를 발표했어요. 시니어 한 명이 AI 짝꿍과 일하면 과거 주니어 2~3명이 처리하던 작업량을 혼자 소화한다는 뜻이고, 이게 채용 시장에 그대로 반영되고 있습니다.
한국 시장도 비슷합니다. 사람인의 2024년 IT 채용 동향 자료를 보면 "3년 미만 경력직" 공고는 2023년 대비 18% 감소한 반면, "5년 이상" 공고는 7% 증가했습니다. 양극화가 진행 중입니다.
그러면 주니어는 끝났나? 아닙니다
오히려 1인 창업 영역이 폭발하고 있습니다. Y Combinator 2024 가을 배치를 보면 전체 264개 스타트업 중 26%가 창업자 1~2명짜리였고, 이는 5년 전(약 8%)보다 3배 이상 늘어난 수치입니다. AI 코딩 도구가 인력의 곱셈을 가능하게 만들었기 때문이에요. 아이디어와 실행력만 있으면 한 사람이 과거 5명짜리 팀의 산출물을 만들 수 있는 시대가 된 겁니다.
저도 작년에 사이드 프로젝트로 블로그 자동화 SaaS의 MVP를 혼자 만들었습니다. Firebase + React + Cloud Functions 구조로 들어간 코드 2.4만 줄 중 약 65%가 Cursor와 Claude Code를 통해 생성된 코드였어요. 7년 전이었다면 최소 4명 팀이 두 달 걸렸을 작업이, 6주 만에 1인으로 운영 가능한 형태가 됐습니다. "주니어가 사라진다"보다 정확한 표현은 "기능공으로서의 주니어가 사라지고, 1인 창업가형 주니어가 늘어난다"입니다.
3. 자율주행 회사: AI-assisted → AI-driven → Autonomous
지금 우리는 자동차로 치면 레벨 2 자율주행 단계, 즉 AI-assisted에 살고 있습니다. AI는 도구이고 사람이 운전대를 잡습니다. 다음은 사람이 의사결정의 최종 승인만 하는 AI-driven, 그리고 영역별로는 사람의 개입 없이 작동하는 Autonomous Company 단계가 옵니다.
이미 시작된 자율주행 사례 3가지
- Cognition AI의 Devin — 이슈 트래커에서 티켓을 받아 코드 작성, PR 생성, CI 통과까지 사람 개입 없이 끝내는 AI 소프트웨어 엔지니어. 2024년 SWE-bench 벤치마크에서 인간 개입 없이 13.86% 해결률을 기록.
- Adept ACT-1 — 브라우저 UI를 직접 클릭/입력해 업무를 처리하는 에이전트. 영업 입력, 보고서 작성 같은 반복 업무를 자율 수행.
- Klarna — 2024년 Q1 결산에서 자사 AI 어시스턴트가 고객 응대 업무 700명분을 대체했다고 공개 발표 (CEO Sebastian Siemiatkowski).
자율주행 단계에서 인간의 역할은 실행자에서 평가자(Evaluator)와 정렬자(Aligner)로 이동합니다. AI가 만들어낸 100가지 결과물 중 어느 것이 우리 브랜드 가치, 윤리 기준, 고객 요구에 맞는지 판별하는 능력이 핵심 역량이 됩니다. 이건 단순 검수와 달라요. 평가 기준 자체를 설계할 수 있어야 합니다.
4. AI 삼총사: 비전 / 엔지니어 / 도메인
AI 전환에 성공한 기업을 들여다보면 반드시 세 부류가 짝을 맞춥니다. 어느 하나가 빠지면 도구는 좋은데 안 굴러가는 기괴한 상태가 만들어져요.
- 비전 제시자(Leader): 어디에 AI를 박아 넣어야 ROI가 나오는지 판단하는 사람. 기술 스택보다 사업 구조를 본다.
- AI 엔지니어(Implementer): 추상적 비전을 실제 데이터 파이프라인 + 모델 + 평가 시스템으로 만든다.
- 도메인 전문가(Domain Expert): AI 출력물의 옳고 그름을 판별한다. 의사라면 의사 출신, 변호사라면 변호사 출신.
왜 도메인 전문가가 가장 어렵나
제가 본 한국 기업 케이스 중 실패 패턴이 가장 또렷했던 건 도메인 전문가가 빠진 채 엔지니어만으로 AI 프로젝트를 시작한 경우입니다. 모델 정확도는 그럴듯하게 나왔는데, 현장에서 쓰니까 "이건 케이스 1·2·3을 빼먹었네"라는 피드백이 와요. 그제서야 도메인 전문가를 끼우려고 하면 이미 6개월이 날아간 뒤죠.
Andrew Ng 교수는 자신의 The Batch 뉴스레터에서 "Data-centric AI 시대의 핵심 자산은 모델이 아니라 라벨링/평가 기준이다"라고 반복해서 짚어왔는데, 정확히 이 지점을 가리킵니다. 평가 기준은 도메인 전문가의 머릿속에 있고, 그걸 끄집어내 시스템화하는 게 진짜 일입니다.
5. 원스가 직접 검증한 6개월 메모
이론은 여기까지 하고, 제가 직접 측정한 숫자 두 개만 공유합니다.
측정 1: 같은 작업, 사람만 vs 사람+Cursor
2025년 11월~2026년 4월 사이 동일 성격의 React 컴포넌트 리팩터링 작업 80건을 두 그룹으로 나눠 처리했습니다.
- 그룹 A (사람만, n=40): 평균 작업 시간 47분, 1주 후 회귀 버그 발생 12.5%
- 그룹 B (사람+Cursor, n=40): 평균 작업 시간 22분, 1주 후 회귀 버그 발생 10%
속도는 53% 빨라졌고, 회귀 버그율은 통계적으로 유의미한 차이가 없었습니다. "AI가 짠 코드는 버그가 많다"는 통념은 적어도 시니어가 검수하는 환경에서는 사실이 아니었습니다.
측정 2: PR 평균 머지 시간 비교
같은 기간 제 GitHub PR 데이터를 보면 머지까지 평균 시간이 18.4시간(작년) → 6.7시간(올해)로 줄었습니다. 차이의 70% 이상은 코드 작성 단계가 아니라 리뷰 단계의 응답성이었어요. AI 짝꿍과 일하면서 리뷰 코멘트에 즉시 대응할 수 있게 된 게 결정타였습니다.
이 두 측정을 직접 해보고 나서야 확신이 생겼어요. AI는 "내 일을 대신 해주는 도구"가 아니라 "나의 응답성과 검증 속도를 곱셈으로 키우는 도구"입니다. 그래서 진짜 위험한 사람은 AI를 안 쓰는 사람이 아니라, AI 출력을 검증할 안목이 없는 사람입니다.
6. 한국 직장인이 지금 당장 해야 할 3가지
분석은 결국 액션으로 이어져야 의미가 있습니다. 6개월 검증 끝에 제가 주변에 권하는 세 가지입니다.
- ① 평가 기준 만드는 연습 — AI가 만든 결과물 10개를 놓고 "왜 이게 좋고 저게 별로인지"를 글로 적어보세요. 이 안목이 자율주행 회사 시대의 가장 비싼 능력입니다.
- ② 본인 도메인의 데이터 자산 점검 — 회사 안에 학습 신호로 환산 가능한 워크플로우 데이터가 있다면 그것이 곧 해자입니다. 없다면 어떻게 만들지를 고민하는 게 향후 5년 커리어의 핵심.
- ③ "내가 만든 1인 프로젝트" 한 개 — 회사 일과 별개로, AI 도구를 100% 활용한 작은 프로젝트를 끝까지 출시까지 가져가 보세요. 이력서보다 강력한 근거가 됩니다.
마치며 — AI 시대, 지휘자로서의 인간
지난 직장 생활이 주어진 악보를 정확하게 연주하는 일이었다면, AI 시대는 자기 오케스트라를 이끄는 지휘자가 되는 과정입니다. AI는 강력한 악기들이고, 그 소리를 조율하고 곡의 해석을 결정하는 건 여전히 사람의 몫이에요. 6개월 동안 직접 부딪혀본 결론은 의외로 단순했습니다. 두려워해야 할 건 AI가 아니라, 평가 기준을 만들 줄 모르는 자기 자신입니다.
"AI가 내 일자리를 뺏을까?"라는 질문은 이미 시효가 지났습니다. 이제 던져야 할 질문은 "나는 AI를 활용해서 어떤 문제를 더 우아하게 풀어낼 수 있을까?"입니다. 거기서 출발해야 진짜 변화가 시작됩니다.
📚 참고 자료 / 1차 출처
- EO 채널, "AI는 회사를 어떻게 바꿀까?" (노정석 베타랩스벤처스 대표 인터뷰) — 본 글의 출발점
- Stack Overflow Developer Survey 2024 — 신규 개발자 비율 / AI 도구 사용 통계
- GitHub Octoverse 2024 — PR 머지 시간 변화
- Harvey AI, Glean, Aidoc — Vertical AI 사례
- Cognition Labs Devin, Adept ACT-1 — Autonomous Company 사례
- Andrew Ng — The Batch newsletter — Data-centric AI 관점
- 측정 데이터 1·2: 원스 본인의 2025-11 ~ 2026-04 실무 측정 노트
댓글
댓글 쓰기