엔지니어가 실제로 AI에 적응하는 방식을 추적하는 오픈소스 시스템을 만들었습니다

Source: Dev.to

문제점

엔지니어가 AI에 대응해 무엇을 해야 하는지에 대한 의견은 많지만, 실제로 무엇을 하는지에 대한 데이터는 거의 없습니다.

데이터가 필요했습니다.

내가 만든 것

HumanExodus는 종단 관찰 시스템입니다. 엔지니어가 AI 압력에 어떻게 반응하는지를 실시간으로 포착하고, 30 일 후에 실제로 어떤 일이 일어났는지 추적합니다.

의도와 현실 사이의 차이가 바로 데이터셋이 됩니다.

작동 방식

• 엔지니어가 역할, 경력, 기술 스택을 입력
• 규칙 기반 엔진이 AI 노출 수준을 추정 (HIGH / MEDIUM / LOW)
• Claude API가 프로필에 기반해 개인화된 인접 움직임을 생성
• 엔지니어가 의도하는 다음 단계를 선택
• 세션이 Supabase에 저장
• 30 일 후: Resend를 통한 자동 이메일이 실제 상황을 물어봄
• 결과가 후속 기록으로 저장

현재까지 관찰된 내용

단 11개의 세션만으로도 패턴이 나타나고 있습니다:

• HIGH 노출 엔지니어: 높은 불확실성 (40 % “잘 모르겠음”)
• MEDIUM 노출 엔지니어: 대부분 현상 유지 (80 % “그대로 유지”)
• LOW 노출 엔지니어: 100 % 그대로 유지

아직 초기 단계이고 표본도 작지만, 설문 응답이 아닌 실제 행동 데이터입니다.

기술 스택

• 프론트엔드: 단일 HTML 파일, 빌드 단계 없음, 프레임워크 미사용
• 데이터베이스: Supabase (Postgres)
• AI: Claude API를 이용한 움직임 생성
• 이메일: Resend
• 호스팅: GitHub Pages

방어벽

코드는 간단합니다. 데이터는 그렇지 않죠.

이 시스템이 성공한다면 HumanExodus는 엔지니어가 AI에 어떻게 적응하는지에 대한 가장 큰 구조화된 데이터셋이 될 것입니다 — 역할별, 스택별, 시간에 따라.

앞으로의 계획

• v0.5: 예측 레이어 — “당신과 비슷한 사람들은 30‑60일 내에 X로 이동하는 경향이 있습니다”
• 다만 실제 후속 데이터가 충분히 확보된 뒤에 적용

사용해 보기 / 기여하기

• 도구:
• 패턴: