소프트웨어 엔지니어링의 세계를 가장 복잡한 요리를 만드는 숙련된 요리사들이 있는 거대하고 북적이는 주방이라고 상상해 보십시오. 수십 년 동안 젊은 요리사가 숙련공이 되는 방법은 도서관에서 레시피 북을 읽는 것이 아니라, 양파를 다지고 감자 껍질을 벗기며 냄비를 닦는 것이었습니다. 이러한 "지루한" 작업들은 비밀스러운 훈련장이었습니다. 이 과정은 젊은 요리사들이 실수하게 만들고, 소스의 맛을 보고, 너무 짜다는 것을 깨닫고, 이를 수정하게 만들었습니다. 이처럼 고군분투하고, 실패하고, 다시 고치는 과정이 그들이 음식의 풍미를 이해하는 법을 배우는 방식이었습니다.

최근, 생성형 AI로 구동되는 마법 같은 로봇 요리사가 나타났습니다. 이 로봇은 누구보다 빠르게 양파를 다지고 감자 껍질을 벗길 수 있으며, 결코 실수를 하지 않습니다. 이는 주방 입장에서 큰 승리처럼 보입니다. 하지만 여기에 까다로운 문제가 있습니다. 만약 로봇이 모든 채소 손질을 다 해버린다면, 젊은 요리사들은 칼을 쥐어볼 기회조차 얻지 못하게 됩니다. 그들은 나쁜 양파가 어떤 느낌인지, 혹은 탄 소스를 어떻게 고치는지 결코 배우지 못할 것입니다. 그들은 완벽해 보이는 요리를 내놓을 수는 있겠지만, 스스로 요리하는 법은 알지 못할 것입니다. 이 논문은 무서운 질문을 던집니다. 만약 로봇이 모든 초보자 수준의 업무를 수행한다면, 우리는 어떻게 다음 세대의 숙련된 요리사를 길러낼 것인가? 연구자들은 "훈련 사다리"가 치워져 버려, 젊은 엔지니어들이 위로 올라갈 방법을 찾지 못한 채 고립될 것을 우려하고 있습니다.

훈련용 보조 바퀴를 삼켜버린 로봇

이 연구는 소프트웨어 세계에서 일어나고 있는 조용한 위기를 파고듭니다. 특히 ChatGPT나 GitHub Copilot과 같은 새로운 도구들이 '주니어(신입)'에서 '시니어(전문가)'로 가는 경로를 어떻게 변화시키고 있는지 주목합니다. 한국에 기반을 둔 연구진은 14명을 인터뷰했습니다. 취업을 앞둔 학생 및 최근 졸업생 8명과, 최소 6년 이상의 경력을 가진 숙련된 엔지니어 6명이 대상이었습니다.

그들은 **"흡수(Absorption)"**라고 부르는 패턴을 발견했습니다. 이는 마치 진공청소기가 작고 번거로운 초급 수준의 업무들을 모두 빨아들이는 것과 같습니다. 과거에는 시니어 엔지니어가 "자, 너는 신입이니까 이 작은 버그들을 고치거나 간단한 문서를 작성해 봐"라고 말하곤 했습니다. 이것이 바로 "생산적인 고군분투(productive struggle)", 즉 주니어들이 실제로 사고하는 법을 배우는 데 꼭 필요한 힘든 작업이었습니다. 하지만 이제 시니어 엔지니어들은 그냥 AI에게 그 일을 시키면 됩니다. AI는 기초적인 업무를 너무나 잘 수행하기 때문에, 시니어들은 더 이상 그 일을 위임할 필요가 없습니다. 그들은 단 몇 초 만에 직접 해낼 수 있기 때문입니다.

결과는 어떠할까요? 과거에 신입 엔지니어들의 훈련장이 되었던 기초적인 업무들이 사라져 버렸습니다. 시니어들은 작업을 수행하고 있지만, 주니어들은 연습할 기회를 얻지 못하고 있습니다.

"블랙박스" 문제: 답은 알지만, 이유는 모른다

연구진은 주니어들이 AI를 사용해 고군분투하는 과정을 건너뛸 때, 결정적인 무언가를 잃게 된다는 사실을 발견했습니다. 그것은 바로 무엇이 '잘못되었는지'를 인식하는 능력입니다. 한 학생은 AI 이전에는 문제와 씨름하며 실패를 통해 배웠다고 설명했습니다. 하지만 이제 AI는 즉시 정답을 제공합니다. 그들은 완벽한 점수를 받지만, 속은 공허하다고 느낍러습니다.

자전거 타기를 배우고 있다고 상해 봅시다. 만약 마법의 방어막이 당신을 붙잡아 주어 절대 넘어지지 않게 한다면, 당신은 완벽하게 자전거를 타는 것처럼 보일 것입니다. 하지만 그 방어막이 사라지는 순간, 당신은 균형 잡는 법을 배운 적이 없기에 곧바로 넘어질 것입니다. 이 논문은 AI가 바로 그 방어막 역할을 하고 있다고 제안합니다. 주니어들은 도구 사용법에는 '유창함'을 얻을지 모르지만, 코드 자체에 대한 깊은 이해는 쌓지 못하고 있습니다. 그들은 AI의 완벽한 결과물만을 봐왔기 때문에, 무엇이 "나쁜 예시"인지를 알지 못합니다.

한 시니어 엔지니어는 이렇게 직설적으로 말했습니다. "사람을 시니어라고 부르는 이유는 그들이 일이 어떻게 '되지 않아야 하는지'를 알기 때문입니다." 하지만 주니어들이 실수를 경험하지 못한다면, 그들은 무엇을 "하지 말아야 할지"를 결코 배우지 못할 것입니다.

동료 압박의 덫

여러분은 이렇게 생각할지도 모릅니다. "학생들이 AI 사용을 멈추고 어려운 길을 택하면 되지 않을까?" 논문은 그렇지 않다고 말하며, 이 지점이 매우 흥미롭습니다. 연구진은 대학 강의실에서 AI 사용이 이미 하나의 규범(norm)이 되었다는 것을 발견했습니다. 이는 마치 다른 모든 사람이 제트팩을 타고 달리는 경주와 같습니다. 만약 당신이 걸으려고 한다면, 뒤처지게 될 것입니다.

한 학생은 이러한 압박을 이렇게 묘사했습니다. "나를 제외한 모두가 GPT를 사용하고 있었고, 그래서 나를 제외한 모두가 거의 완벽한 점수를 받았습니다. 저는 더 이상 과제를 스스로 해결할 자유가 없었습니다... 결국 저도 그것을 사용할 수밖에 없었습니다." 설령 학생이 배우기 위해 고군분투하고 싶더라도, 시스템(성적, 마감 기한, 동료 간의 경쟁)은 그들에게 지름길을 택하도록 강요합니다. 학습을 더 똑똑하게 만드는 요소인 "바람직한 어려움(desirable difficulty)"—즉, 성장을 위한 고통—이 빠르고 효율적이어야 한다는 집단적 압박에 의해 지워지고 있습니다.

사각지대: 왜 아무도 이를 고치지 않는가?

그렇다면 왜 아무도 이를 멈추지 않을까요? 왜 시니어들은 "잠깐, 주니어들이 힘든 일을 할 수 있게 해줘야 해"라고 말하지 않을까요? 논문은 기묘한 단절, 즉 "지각적 비대칭(perceptual asymmetry)"을 발견했습니다.

이미 전통적인 방식으로 기술을 익힌 시니어들은 상황이 관리 가능한 수준이라고 생각합니다. 그들은 주니어가 실제 현장 경험을 쌓는다면 AI를 활용해 부족한 부분을 채울 수 있을 것이라 믿습니다. 그들은 "현장에서 배우면 된다"고 생각합니다. 하지만 그들은 '현장에서 배우는 기회' 자체가 AI에 의해 먹혀버렸다는 사실을 깨닫지 못합니다. 그들은 산 정상에서 문제를 바라보며 길이 명확하다고 생각하지만, 주니어들은 산 아래에서 길이 사라졌음을 깨닫고 있습니다.

반대로 주니어들은 압박을 느끼지만 시스템을 바꿀 힘이 없습니다. 그들은 경험을 쌓아야 직업을 가질 수 있는데, 정작 직업 현장의 일들은 AI가 수행하고 있어 경험을 쌓을 수 없는 굴레에 갇혀 있습니다. 시니어들은 이미 그 굴레를 탈출했기에 함정을 보지 못하고, 주니어들은 살아남기에 급급하여 함정을 고칠 여력이 없습니다.

해결책: 새로운 놀이터를 설계하라

논문은 우리가 단순히 개개인이 이 문제를 해결하기를 바랄 수는 없다고 결론짓습니다. 시스템이 망가졌으며, 위에서부터의 해결책이 필요합니다. 연구진은 AI를 금지하거나, 인간이 반드시 고군분투하도록 강제하는 특정 방식으로만 사용하도록 설계된 "훈련 구역"이 필요하다고 제안합니다.

그들은 다른 분야에서 영감을 얻습니다. 항공 분야에서는 비행기가 고도로 자동화되어 있음에도 불구하고, 조종사들이 기술을 잃지 않도록 여전히 수동 비행 연습을 수행해야 합니다. 원자력 발전에서도 운영자들은 자동화 시스템이 보통 방지하는 비상 상황을 다루기 위해 시뮬레이터로 훈련받아야 합니다.

마찬가지로, 소프트웨어 기업과 대학들도 실패를 위한 "안전한 공간"을 만들어야 합니다. 이는 다음과 같은 것을 의미할 수 있습니다:

• 학교에서: AI가 과제를 수행할 수 없도록 설계하거나, 최종 정답이 아닌 문제를 해결하는 '과정'을 기준으로 성적을 매기는 것.
• 직장에서: 주니어들만을 위한 특정하고 작은 업무들을 만들어, 비록 AI를 쓰는 것보다 느리더라도 그들이 실수하고 그로부터 배울 수 있는 기회를 보장하는 것.

결론적으로, 시니어 엔지니어가 되는 경로는 침식되고 있습니다. 만약 우리가 의도적으로 그 길을 재건하지 않는다면, 우리는 로봇과 대화할 줄은 알지만 로봇 없이는 아무것도 구축하지 못하는 세대를 갖게 될지도 모릅니다. "누가 다음 시니어가 될 것인가?"라는 질문에는 쉬운 답이 없지만, 이 논문은 만약 우리가 새로운 학습 방식을 설계하지 않는다면, 그 답은 "아무도 없다"가 될 수도 있다고 시사합니다.