AI가 프로그래머를 대체할 것이다. 정말 확신하나요?

Source: Dev.to

혹시 놓치셨다면, 2026년 1월 다보스에서 열린 세계경제포럼에서 Anthropic CEO 다리오 아모데이가 이렇게 말했습니다:
“우리는 모델이 대부분, 어쩌면 모든 소프트웨어 엔지니어가 하는 일을 엔드‑투‑엔드로 수행하기까지 6~12개월 정도 남았을지도 모른다고 생각합니다.”
그는 이어서 말했습니다: “Anthropic 안에 엔지니어들이 있는데, 이제는 코드를 전혀 작성하지 않는다고 합니다. 모델에게 코드를 작성하게 하고, 제가 그것을 수정할 뿐이에요 …”

지금은 4월이고, 스포일러: 우리는 아직 여기 있고, 아직도 코딩하고 있습니다. 특히 구글에서 12년 차 시니어 개발자라면 말이죠.

하지만 여기엔 함정이 있습니다. 이것은 “AI가 12개월 안에 모두를 대체한다”는 수준의 마케팅에 불과합니다—우리가 지난 4년 동안 계속 들어온 문구죠. Anthropic CEO가 2025년 10월에도 정확히 같은 말을 했다는 점을 상기시켜드립니다.

그러니 이제 신경망, 심지어 가장 진보된 신경망조차도 프로그래머를 대체할 수 없다는 물리적·수학적 이유와 무어의 법칙, 양자 터널링, 그리고 확률적 기계의 본질이 그 무덤에 큰 못을 박는 이유를 최대한(아마도 과도하게) 자세히 살펴보겠습니다.

프로세스에 관심이 있고 앞으로도 제 의견을 따라가고 싶다면, X (Twitter)에서 팔로우해 주시면 감사하겠습니다.

Source: …

1. 신경망은 뇌가 아니다 – 거대한 확률적 기계다

현대의 대형 언어 모델(LLM)은 기본적으로 한 가지 일을 하는 신경망이다: 지금까지 본 모든 것을 기반으로 다음 텍스트 조각을 예측한다. 이들은 진정한 의미에서 코드를 이해하지 못한다. 내부 세계 모델이 없으며, 동시성 코드에서 레이스 컨디션이 무엇인지, 분산 시스템에서 데이터 신뢰성을 어떻게 보장하는지 알지 못한다. 단지 테라바이트 규모의 코드, 포럼, 저장소에서 수집한 통계에 기반해 가장 가능성이 높은 문자 시퀀스를 출력할 뿐이다.

간단하다: 모델이 토큰 “cat” 뒤에 *“fluffy”*가 95 %의 경우에 따라오는 것을 본 적이 있다면, 다음에 그 단어를 선택한다.

이 때문에 유명한 환각 현상이 나타난다: 모델이 확률이 낮은 경로를 택해 평행 우주에서

DROP TABLE users CASCADE;

와 같은 명령이 완전히 합리적인 해결책처럼 보이는 경우다. 체인‑오브‑쓰레드 추론, 웹 검색, 자율 에이전트 등은 정답을 얻을 확률을 크게 높이는 유용한 부가 기능이지만, 핵심 메커니즘을 바꾸지는 않는다. 여전히 스테로이드를 맞춘 자동 완성일 뿐이다.

덧붙이자면, 신경망에 웹 접근을 허용하면 답변 품질과 사용자 경험이 크게 향상된다. 다만 이러한 검색 API를 제공하는 서비스가 대부분 쓰레기 수준이라 가격이 비싸고 데이터가 불완전하다는 점이 아쉽다 – 하지만 이 이야기는 여기서 끊겠다.

실제 개발 현장에서 ≈ 80 %의 코드는 보일러플레이트, 기본 데이터 작업, 그리고 서로 다른 부분을 연결하는 작업이다. 여기서 모델은 워크플로를 기하급수적으로 가속화한다(오늘날 AI를 사용하지 않는 것은 속도와 보일러플레이트 감소 측면에서 순전히 어리석은 일이다).

남은 **≈ 20 %**는 시스템 아키텍처, 성능과 신뢰성 간의 트레이드‑오프, 깊은 비즈니스 도메인 지식, 엣지 케이스, 운영 탄력성, 법적 컴플라이언스, 그리고 다음과 같은 질문이다:

“내일 비즈니스에서 오이 로그에 대한 의미론적 압축이 필요하다고 결정한다면 어떻게 할까?”

이 부분이 확률적 기계가 실패하는 지점이다. “올바른” 답은 학습 데이터에 존재하지 않으며, 불완전한 정보 하에서 창의적인 해결책을 요구한다.

2. 무어의 법칙은 사라졌고, 양자 터널링이 승리했다

물리학

1965년부터 우리는 무어의 법칙에 따라 살아왔습니다: 마이크로칩에 있는 트랜지스터 수가 약 2년마다 두 배가 됩니다. 컴퓨팅 파워의 이러한 지수적 성장 덕분에 최근 AI 혁신이 가능했습니다. 파라미터가 많을수록 = 더 많은 “지능”. 간단합니다.

하지만 2025‑2026년 우리는 벽에 부딪혔습니다.

• 현재 제조 공정은 2 nm입니다.
• 절연층 두께는 이미 0.7–1.2 nm까지 얇아졌으며, 이는 문자 그대로 실리콘 원자 두세 개에 해당합니다.
• 이 규모에서는 양자 터널링이 발생합니다: 전자는 파동처럼 행동하고, 고전 물리학으로는 통과할 수 없다고 여겨지는 장벽을 비제로 확률로 “새어 나갑니다”.

결과: 누설 전류가 컴퓨팅 효율을 감소시키고, 열 발생 및 전력 소비가 급증합니다.

전압 스케일링과 크기 축소도 오래전에 사라졌습니다. 이제 우리는 모듈형 칩렛, 3D 스태킹, 그리고 소프트웨어 최적화로 전환했습니다. 이는 최선의 경우 선형 성장을 제공하며, 지수 성장은 아닙니다.

이것이 AI에 중요한 이유

가장 강력한 모델을 훈련시키려면 바로 그 폭발적인, 지수적인 컴퓨팅 성장량이 필요합니다. 다음 큰 도약을 이루려면 10 – 100배 더 많은 파라미터와 연산이 필요합니다. 그러나:

• 데이터 센터는 이미 작은 국가 수준의 에너지를 소비하고 있습니다.
• 최첨단 모델 하나를 훈련시키는 비용은 수억 달러에 달합니다.
• 우리는 공개 웹에서 고품질 인간 데이터를 다 써버렸으며, “AI 슬롭”(모델 자체 출력)으로 훈련하면 품질이 크게 저하됩니다.

우리는 이론에 깊이 들어가지 않겠습니다 … (기사가 여기서 끊깁니다).

3. 이것이 AI, 프로그래머, 그리고 미래에 의미하는 바

신경망은 인간 엔지니어를 대체한다는 의미에서 “더 똑똑해지지는” 않겠지만, 이미 Git, Docker, Kubernetes가 그때그때 했던 것처럼 매우 유용한 도구가 되었습니다. 시니어 개발자의 생산성은 크게 증가했고, 주니어 개발자들은 중급 및 시니어로 훨씬 빠르게 성장하고 있습니다. AI가 직업 자체를 없애지는 않을 것입니다.

설령 그렇다 하더라도, 새로운 질문들이 즉시 떠오를 것입니다:

• 비즈니스 로직과 실제 물리적 제약 수준에서 문제를 정의해야 하는 사람이 필요합니다.
• 코드가 겉보기만 맞는 것이 아니라, 실제로 고부하 상황에서도 프로덕션에서 동작하고, 장애를 처리하며, 보안이 확보되는지 검증해야 하는 사람이 필요합니다.
• 실수 비용이 수십억 달러 혹은 인명에 달하는 경우, 아키텍처 결정을 내릴 사람이 필요합니다.
• 마지막으로, 수십 년 동안 시스템을 유지보수해야 하는 사람이 필요합니다(아, 그리고 모두가 서버‑사이드 렌더링 프론트엔드와 6,000줄의 코드를 하나의 파일에 넣은 레거시 Java 괴물을 사랑하죠).

마케팅 허세는 그만

AI 기업 CEO들이 “프로그래머는 더 이상 필요 없을 것이다” 같은 말을 내뱉어 주가를 올리고 투자를 확보하려 할 때, NVIDIA, Google, 그리고 Anthropic 자체의 실제 엔지니어링 팀은 여전히 활발히 개발자를 채용하고 있습니다. 왜일까요? 신뢰할 수 있고, 확장 가능하며, 안전한 시스템을 단순히 확률에만 의존해서는 만들 수 없기 때문입니다.

• AI는 프로그래머를 대체하지 않을 것이지만, 이미 좋은 프로그래머를 훌륭한 프로그래머로 만들고 있습니다.
• 형편없는 프로그래머는 실직할 수 있습니다.

물리학은 절대 거짓말을 하지 않지만, 마케팅과 사람들은 항상 거짓말을 합니다.

그것은 아마도 2026년 기술 산업에서 가장 신뢰할 수 있는 진술일 것입니다. 그러니 코딩을 배우고, AI에게 대체된다고 투덜거리는 것을 그만두세요.

행운을 빕니다!