5장. 모든 지식 노동을 바꾸는 AI

출처 — 진 킴·스티브 예기, 『바이브 코딩 프로덕션의 원칙』(제이펍), 5장 (pp. 114~126). 원문 PDF vibe_coding_final_v11_260913.pdf (2026-09-13 판)

AI의 영향은 코드를 넘어 모든 지식 노동으로 번진다 — 누가 일자리를 잃느냐가 아니라, 장벽이 낮아진 자리에서 얼마나 많은 사람이 새로 무언가를 만들게 되느냐가 이 장의 진짜 질문이다.

학습 목표

이 장을 끝내면 다음을 할 수 있다.

• OpenAI 직업 보고서가 밝힌 핵심 수치와, 그 연구가 「안전하다」고 분류한 직업의 공통점을 설명한다.
• '작업 트리'·'잎사귀 노드' 비유로, AI가 주니어 개발자의 전통적 역할을 어떻게 바꾸는지 설명한다.
• 프로그래밍 도구가 쉬워질 때마다 반복된 「개발자 종말론」의 역사적 패턴을 사례로 식별한다.
• AGI가 세계 GDP를 크게 끌어올릴 수 있다는 주장의 역사적 근거와 저자들의 유보를 구분한다.
• 이 장의 결론이 다음 장들(사례 연구·주방 비유·헤드 셰프 마인드셋)로 이어지는 이유를 설명한다.

전체 흐름도

                    §1  소프트웨어를 넘어 — 모든 지식 노동
              OpenAI 직업 보고서(80%가 영향) · 안전한 34개 직업
                                  │
                                  ▼
                    §2  엔지니어링 팀 내부의 재편
        잎사귀 노드는 AI가 맡고 → 주니어는 '스테이션 리드'로
           (스택 붕괴 — UX·PM도 AI로 코드에 직접 기여)
                                  │
                                  ▼
                    §3  역사가 보여주는 패턴
      고급 언어·VB·로우코드·노코드 종말론 → 매번 개발자 수요는 늘었다
              (디지털 사진 유추 — 장벽↓이 시장↑을 낳는다)
                                  │
                                  ▼
                    §4  거시경제 전망 — AGI와 GDP
     산업혁명(0.01%→1~2%)의 선순환 사이클 → AI가 다시 성장률을 끌어올릴 수 있는가
                                  │
                                  ▼
                    §5  결론 — 지수 곡선을 받아들이기
      오늘의 한계(환각·망각)는 미래의 한계가 아니다. AI+인간 팀 > AI 단독

0. 용어 사전

참고 — 위쪽 2개는 이 장을 읽기 전에 알아야 하는 선행 용어다. 낯설면 1장·3장을 먼저 보라.

1. 소프트웨어를 넘어 — 지식 노동 전체로 번지는 변화

지금까지 이 책은 소프트웨어 개발에 초점을 맞췄지만, AI의 파장은 재무 분석·법률 리서치·글쓰기·디자인까지 지식 노동이 있는 거의 모든 자리로 번지고 있다. 큰 그림을 먼저 보는 이유는, 그 그림 안에서 자신의 길을 찾는 데 도움이 되기 때문이다.

OpenAI 직업 보고서. 2023년 다니엘 록 박사와 동료들이 발표한 연구(정식 논문 「GPTs are GPTs」)는 업계에 충격을 안겼다. 미국 근로자의 80%가 자기 업무 중 최소 10%에서 AI 영향을 받을 것이며, 19%는 업무의 절반 이상이 영향받을 수 있다고 추정했다. 연구자들은 인지적 작업을 자동화하는 것이 과거 물리적 노동을 자동화했던 것보다 더 큰 경제적 가치를 만들 수 있다고 봤다 — 그런데 정작 가장 큰 영향을 받는 쪽은 저임금 육체노동이 아니라 고임금 지식 노동자였다. 수학자·세무사·재무 분석가·작가·웹 디자이너가 대표적이다.

안전한 34개 직업. 연구가 '안전하다'고 분류한 직업은 단 34개뿐이었고, 오토바이 정비공·즉석 요리사·바닥 샌딩 작업자처럼 물리적 조작과 특수 장비 운용이 필요한 일이었다. 호주 커먼웰스 은행 그룹의 CTO 브렌던 호퍼는 이런 직업을 "원자를 옮기는 일을 생업으로 하는 사람"이라 불렀다 — 손의 민첩성과 실시간 물리적 피드백에 의존하는 일은 LLM이 보강하기 어렵다.

가장 크게 영향받는 계층. 반대로 정보 처리를 주로 하는 사람들 — 변호사·소프트웨어 개발자 — 이 가장 안전하지 않은 계층으로 꼽혔다. AI는 코드와 문서를 작성하고, 시스템을 분석하고, 법적 선례를 조사하고, 증언 기록을 요약하며, 보고서를 대량으로 만들어내는 데 점점 능숙해지고 있다.

참고 — 역설. 얼마 전까지만 해도 지식 노동자들은 자동화 때문에 제조업 일자리가 줄어드는 것을 지켜보며, "우리 일은 창의적이고 복잡해서 자동화될 수 없다"고 서로 자만했다. 이제 그 자만이 뒤집힐 차례가 왔다.

구글 브레인의 공동 설립자이자 스탠퍼드 교수인 앤드루 응 박사는 이 변화를 이렇게 요약했다 — "AI가 사람을 대체하지는 않겠지만, AI를 사용하는 사람들이 AI를 사용하지 않는 사람들을 대체할지도 모릅니다." 대체하는 주체가 AI 자체가 아니라 AI를 먼저 받아들인 동료라는 관점이다.

저자들은 이 흐름을 암울하게 보지 않는다. AI가 고된 잡무·반복 작업·에너지를 소진시키는 부분에서 우리를 해방시켜, 더 의미 있고 창의적인 문제에 집중하게 해줄 것이라 믿기 때문이다. 에릭 메이어르 박사의 말을 빌리면 "우리는 아마도 손으로 코드를 작성하는 마지막 세대의 개발자일 겁니다... 하지만 그 과정을 즐깁시다!" — 저자들이 이 책 전체에서 공유하고 싶은 정신이 바로 이것이다.

2. 주니어 개발자 논쟁을 넘어서 — 엔지니어링 팀의 재편

전통 주방에는 명확한 위계가 있다. 헤드 셰프는 메뉴를 설계하고 운영을 총괄하고, 숙련된 라인 담당자는 복잡한 요리를 책임지고, 견습생은 채소 다듬기 같은 단순 작업부터 배운다(이 주방 비유는 8장 §1이 정식으로 도입하지만, 저자들은 여기서 이미 'AI 수셰프'라는 표현을 앞서 쓴다). 소프트웨어 엔지니어링 팀도 수십 년 동안 같은 방식으로 일해왔다 — 수석 엔지니어는 아키텍처를 설계하고, 중급 엔지니어는 복잡한 기능을 구현하고, 주니어 개발자는 작고 제한된 작업을 처리하며 배웠다. 이 위계는 채용·교육·승진 전체에 영향을 미쳤다.

작업 트리와 잎사귀 노드. AI는 속도 때문에 모든 것을 바꾼다. 조직의 작업을 '작업 트리'로 시각화하면, 대기업의 목표는 줄기이고 주요 기능들은 가지이며, 그 끝의 잎사귀(개별 함수·테스트·문서 조각)가 있다. 역사적으로 이 잎사귀 노드는 주니어 인재가 실력을 증명하는 무대였다.

참고 — 저자들의 단서. '트리'라는 비유를 썼지만 실제 세계는 더 복잡하다고 저자들은 스스로 밝힌다. 실무는 여러 의존성이 얽힌 유향 그래프처럼 동작하며, 순환이 없는 구조라면 최선이다.

AI가 이 잎사귀 노드 작업에서 뛰어난 역량을 보인다는 점은 이미 많은 사람이 확인했다. 과거 주니어 개발자가 며칠에 걸쳐 처리하던 일을, 이제는 시니어 엔지니어가 AI 어시스턴트와 함께 몇 시간 만에 해치울 수 있다. 스티브가 부리던 AI는 반나절 만에 머신러닝 모델을 학습·배포했는데, 전년도였다면 두 달짜리 여름 인턴 프로젝트였을 일이다. 이 경험을 토대로 스티브는 2024년 6월 「주니어 개발자는 죽었다」라는 글을 썼다 — FAAFO 모델이 시니어를 더 빠르고 자율적으로 만드는 대신, (그 당시 판단으로는) 주니어를 배제하는 결과로 이어진다는 주장이었다.

더 미묘한 현실. 그런데 저자들의 흥미를 끈 것은 더 미묘한 현실이었다 — AI를 쓰는 것이 시니어만이 아니라 조직의 모든 사람이라는 사실이다. 주니어 개발자의 역할은 사라지지 않고 진화한다. 잎사귀 노드 작업을 주로 하는 대신, 회사 전반에서 비엔지니어가 만든 결과물을 통합하는 스테이션 리드 역할로 옮겨간다. UX 디자이너·프로덕트 매니저·인프라 운영 담당자 같은 전통적 엔지니어링 바깥의 사람들이 AI를 써서 코드베이스에 직접 기여하고 있기 때문이다. 여기서 주니어 엔지니어는 주니어 의사처럼 여전히 고도로 훈련된 가치 있는 인재이며, 새 시대의 현장 메딕들이 코드에 직접 기여하도록 돕는다.

UX 디자이너 대니얼의 사례가 이를 보여준다. 원하는 기능이 구현되지 않아 좌절했던 대니얼은 AI의 도움을 받아 테스트까지 포함해 그 기능을 직접 구축해, 엔지니어링 팀을 감탄시켰다. 저자들은 이런 사례가 늘어날수록 주니어 개발자가 창의적 전문가·지식 노동자와 더 많이 협업하며, 그들을 돕고 작업을 통합하는 역할을 맡을 것이라 본다 — 기술 숙련도가 낮은 사람들의 작업을 돕는 훌륭한 자원이 되는 것이다.

바이브 코딩은 개발자·엔지니어를 기다리던 조직 어디에서든 날개를 펴고 있다. 과거에는 외부 벤더를 쓰거나 위계를 따라 문제를 에스컬레이션해야 했지만, 이제는 직접 프로토타입을 만들고 문제를 고칠 수 있다(완벽하지 않아도 시작은 할 수 있다). 그만큼 시니어 엔지니어는 더 많은 책임을 지게 된다 — 달성 가능한 것이 많아진 만큼, AI로 무장한 많은 사람의 기여를 책임져야 하기 때문이다. UTR 스포츠의 엔지니어링 부사장이자 페이스북·구글의 전 엔지니어링 리더인 데이브 코언은 이렇게 위로했다 — "걱정하지 마세요, 엔지니어 여러분. 현재 세대의 AI 도구들은 당분간 여러분을 대체하지 못할 겁니다."

스택 붕괴. 스콧 벨스키가 말한 '스택 붕괴' 개념은 이런 증강된 역할이 낳는 흐름을 잘 짚는다 — 대니얼처럼 UX 디자이너가 직접 엔지니어링 사다리를 오르면, 전문 엔지니어도 더는 UX 디자이너를 기다릴 필요가 없어진다. 사용자에게 덜 치명적인 시나리오라면 엔지니어가 UX 책임을 떠맡을 수도 있다. 그렇게 UX 디자이너 역할은 디자이너와 엔지니어의 경계를 가로지르는 UX++ 역할로 확장된다 — 패널 크기 조정을 개발자에게 티켓으로 넘기는 디자이너보다, 직접 개발까지 하는 디자이너가 앞으로 더 선호될 것이다.

3. 개발자 일자리는 줄어들지 않고 늘어난다 — 역사가 보여주는 패턴

'웹 2.0'이라는 용어를 만든 것으로 유명한 팀 오라일리와의 대화에서, 그는 저자들에게 "우리는 이미 이런 상황을 겪어본 적이 있다"고 상기시켰다. 프로그래밍 기술이 도약할 때마다 사람들은 늘 프로그래머 종말론을 주장해왔다 — 고급 언어가 어셈블리 프로그래머를 죽일 것이다, 비주얼 베이직이 전문 개발자를 대체할 것이다, 로우코드 플랫폼 때문에 개발자가 쓸모없어질 것이다, 노코드 도구는 소프트웨어 엔지니어링의 종말을 의미한다 — 는 식이다.

그러나 실제로는 반대였다. 프로그래밍이 쉬워질 때마다 더 많은 프로그래머가 필요해졌다. 쉬운 도구 덕분에 더 많은 사람이 소프트웨어를 만들기 시작했고, 이는 새로운 범주의 애플리케이션을 낳았으며, 그 결과 새 산업이 생겨나 더 많은 개발자가 필요해졌다. 웹 생태계가 대표적이다 — HTML은 C++에 비해 터무니없이 단순해 누구나(심지어 할머니도) 웹페이지를 만들 수 있었지만, 이는 프로그래밍 일자리를 죽이기는커녕 소프트웨어 수요를 폭발적으로 늘리고 수많은 새 비즈니스와 수백만 개의 새 프로그래밍 일자리를 만들어냈다.

《The Skill Code》의 저자이자 '초보자를 위한 선택적인 문제'를 연구한 매트 빈 박사는 소프트웨어 제작 과정에서 등장할 새로운 역할을 추측해왔다 — 자동화가 통합물류센터에 새 역할을 만든 것처럼, 소프트웨어 업계에도 새 역할이 생겨날 수 있다는 연구다(이 책 4부에서 자세히 다룰 예정이다).

증강, 새 역할만이 아니다. AI는 새 역할을 만드는 것에 더해 기존 역할도 강화한다. 보안 엔지니어는 여전히 보안 엔지니어지만, 업무 상당수를 AI로 자동화한다. 예전에는 회사가 쓰는 모든 언어·프레임워크를 알지 못해 취약점 패치를 직접 하지 못했지만, 이제는 적절한 수준의 엔지니어가 검토해준다는 전제하에 AI를 이용해 직접 코드를 수정하고 방어책을 추가할 수 있다.

디지털 사진 유추. 지금의 변화와 유사했던 사례로 저자들은 사진 분야를 든다. 디지털카메라가 처음 등장했을 때 전문 사진작가들은 비웃었다 — 조리갯값·조명·인화 화학 지식을 숙달하는 것만이 훌륭한 사진의 유일한 길이라 확신했기 때문이다. 그러나 10년 뒤, 디지털 사진은 사진작가라는 직업의 문을 닫기는커녕 활짝 열었다. 스마트폰을 가진 누구나 아마추어 사진작가가 됐고, 수십억 장의 사진이 만들어졌다. 이 폭발은 소셜 미디어 인플루언서·이미지 공유 앱·온라인 포트폴리오 같은 새 산업을 낳았고, 전문 디지털 이미지에 대한 수요까지 극적으로 늘렸다.

참고 — 웨스 로스의 지적. 2024년에 약 2조 장의 사진이 촬영됐다는 수치는, 사진 촬영의 진입 장벽이 얼마나 낮아졌는지를 보여준다.

저자들은 같은 역학이 소프트웨어에서도 펼쳐질 가능성이 크다고 본다. 바이브 코딩 도구가 스마트폰만큼 직관적이고 널리 퍼지면, 소프트웨어 개발은 고도로 훈련받은 엔지니어만 접근할 수 있는 전문 분야에서 좋은 아이디어만 있으면 누구나 도전할 수 있는 무언가로 이동할 것이다. 실제로 10대 바이브 코더들이 견고한 게임 앱을 만드는 사례가 이미 나오고 있다 — 게임 제작은 한때 업계 베테랑만 할 수 있던 일이었다.

그럼에도 남는 수요. 까다로운 촬영에는 여전히 전문 사진작가를 고용하듯, 뛰어난 회복성·보안성·엔터프라이즈급 확장성이 필요한 영역(항공기·CT 스캐너용 소프트웨어)에서는 고도로 숙련된 소프트웨어 엔지니어에 대한 수요가 항상 존재할 것이다. 저자들의 결론은 이렇다 — 장벽을 낮추면 더 많은 사람이 무언가를 만든다. 그리고 그 창작물은 디지털 사진이든 소프트웨어든, 새로운 시장과 기회와 더 많은 일자리를 만들어낸다.

4. AI가 세계 경제 성장을 근본적으로 바꿀 수 있을까

일부 경제학자와 AI 리서처는 대담한 주장을 펼친다 — AGI가 결국 전 세계 GDP를 매년 100%(2배) 성장시킬 것이라는 주장이다. 과거 거의 한 세기 동안 세계 경제는 연간 약 2~3% 수준으로 성장했으니, 연 100% 성장은 터무니없어 보일 수 있다.

역사적 맥락. 산업혁명 이전에는 경제 성장이 거의 없었다 — 수천 년 동안 연간 약 0.01%였다. 산업혁명이 도래하며 연 성장률이 1~2%로 뛰어올랐고, 이 100~200배의 성장률 증가는 인간의 존재 방식을 완전히 바꿔놓았다.

산업혁명은 이전에 없던 선순환 경제 사이클을 만들었다. 증기력과 기계화가 제조업·농업 전반의 생산 비용을 기하급수적으로 낮췄고, 기업은 이익을 유지하면서도 더 낮은 가격으로 상품을 제공할 수 있었다. 가격이 대중화되자 수요가 폭발적으로 늘었고, 이는 대량생산으로 이어져 더 많은 일자리와 높은 임금을 만들었다. 구매력이 늘어난 노동자가 더 많이 소비하며 사이클을 다시 강화했다 — 증기기관에서 조립 라인까지, 각 기술적 돌파구가 이 효과를 경제 전반에서 증폭시켰다.

AI가 성장률을 다시 30배까지 끌어올릴 수 있다는 주장은 이 역사적 선례에 기대고 있다 — 게다가 저자들은 AI가 촉발한 산업 변화가 산업혁명 전후 변화의 겨우 3분의 1에 불과하다고 지적한다. 산업 전반에서 생산 비용이 동시에 하락할 때 무슨 일이 벌어질지 생각해보라는 것이다 — 컴퓨팅 비용이 저렴해졌을 때 우리는 스마트폰과 클라우드 컴퓨팅, 아무도 예측하지 못한 디지털 생태계를 만들어냈다. 에너지·제조업·의료·교육 전반에서 생산 비용이 동시에 하락하면, 소프트웨어가 1년이 아니라 주말 사이에 개발되는 일도 가능해질 수 있다.

참고 — 저자들의 유보. 자원 제약·에너지 요구·정치적 저항 같은 장애물 때문에 이 예상이 실제로 일어날지는 장담할 수 없다고 저자들은 인정한다. 그러나 이 주장을 완전히 미친 이야기라고 생각하지도 않는다 — 바로 그 불확실성이 이 논의를 흥미롭게 만든다.

물론 위험도 있다. AI는 개발자를 알고리즘으로 마이크로매니징하는 긱 워크·창고 노동 방식으로 이끌 수도 있다. 바로 그렇기 때문에 저자들은 헤드 셰프 마인드셋(12장 전체가 본격적으로 다룬다)을 중요하게 여긴다 — 도구를 통제하는 위치에 서야지, 도구가 여러분을 통제하게 두면 안 된다.

메타 슈퍼인텔리전스 랩에서 라마 개발자 플랫폼을 총괄하고 과거 구글 딥마인드에 몸담았던 맷 벨로소 부사장은 이렇게 말했다 — "AI가 인간과의 체스 대결을 이기기 시작했을 때, 우리는 게임이 끝났다고 생각했습니다. 그러나 이후 우리는 AI와 인간을 팀으로 묶으면, 그 팀이 AI 단독보다 더 강하다는 사실을 알게 되었습니다. 세상에는 그 비유가 지닌 아름다움이 있습니다. 개발자들은 AI로 대체되는 것이 아니라, AI와 팀을 이루게 될 것입니다."

5. 결론 — 지수 곡선을 받아들이기

오늘날 AI는 여전히 한계가 많다. 존재하지 않는 함수 이름을 만들어내고, 작업 도중 무엇을 하고 있었는지 잊어버리고, 때로는 2+2=5라고 확신에 찬 주장을 내세우기도 한다. 그러나 AI의 현재 한계에만 집중하는 것은 1908년형 모델 T를 기준으로 자동차 산업 전체를 평가하는 것과 같다고 저자들은 말한다.

맷 벨로소는 이렇게 덧붙인다 — "올해에는 매우 높은 확률로 AI가 코딩에서 인간의 능력을 넘어설 것입니다. 이미 일어나고 있는 사실이죠. 체스나 바둑 등 여러 다른 영역에서 AI가 인간을 넘어섰던 것처럼 말입니다." 그 일이 올해 일어나든 몇 년 안에 일어나든, FAAFO가 주는 이점은 계속 늘어난다 — AI 역량은 복리처럼 누적되어, AI가 4배 더 똑똑해지면 개발자도 4배 더 빨라지는 동시에 새롭고 변혁적인 역량까지 함께 등장한다. 지금 AI와의 협업을 받아들이는 사람은, AI의 기하급수적 확장과 함께 성공할 수 있는 직관과 워크플로를 미리 개발하게 된다.

두 저자는 이 흐름을 몸소 겪었다. 진은 2023년이었다면 며칠 걸렸을 작업이 몇 시간 만에 끝나는 것을 경험했다. 스티브는 수년 전 포기했던 문제가 AI 에이전트와 몇 차례 대화만으로 해결되는 것을 목도했다.

이 장이 전하고 싶은 메시지는 단순하다 — 변화를 받아들이라는 것이다. AI를 쓰는 쪽으로 사고를 전환하면, FAAFO 덕분에 더 빨라지고 더 야심 찬 기획이 가능해지며 더 자율적으로 움직이고 더 많은 재미와 선택지를 얻게 된다. AI는 아이디어와 야망을 끌어올리는 조력자이자, 창의성을 증폭시키는 증폭기다.

핵심 개념 정리

실무 체크리스트

• [ ] 우리 팀의 '안전한 직업' 판단을, 정보 처리 업무의 비중이 아니라 막연한 직관에 의존하고 있지는 않은가?
• [ ] 주니어 구성원에게 여전히 예전과 같은 '잎사귀 노드' 업무만 배정하고, 통합·검토 역할로의 전환을 준비하지 않고 있는가?
• [ ] 비엔지니어(디자이너·PM·운영)가 AI로 코드베이스에 직접 기여할 수 있는 경로를 막고 있지는 않은가?
• [ ] '개발자가 사라질 것'이라는 두려움 때문에 도구 도입 자체를 미루고 있지 않은가 — 역사적으로 그 반대가 반복됐다는 사실을 감안했는가?
• [ ] 시니어 엔지니어가 더 많은 사람의 AI 산출물을 책임져야 하는 현실에 맞게, 검토·승인 체계를 재설계했는가?
• [ ] 회복성·보안·확장성이 중요한 영역까지 "AI가 다 하니 숙련도가 필요 없다"고 성급히 판단하고 있지는 않은가?
• [ ] 팀·조직 차원에서 'AI가 나를 대체한다'가 아니라 'AI와 팀을 이룬다'는 관점으로 도구 도입을 설계하고 있는가?
• [ ] 도구가 우리를 통제하게 두지 않고, 우리가 도구를 통제하는 위치(헤드 셰프 마인드셋)에 있는지 점검하고 있는가?

연습문제

1. 유형: 판단. 우리 회사 UX 디자이너가 AI로 직접 프론트엔드 기능을 구현해 배포까지 하고 싶어 한다. 이 장의 '스테이션 리드'·'UX++' 논의를 근거로, 이를 허용할지와 어떤 검토 절차를 둘지 판단하라.
2. 유형: 분석. 한 팀장이 "주니어 개발자 채용을 전면 중단하겠다"고 발표했다. 이 장의 논지(작업 트리·역할 진화)를 근거로 이 결정의 위험을 분석하라.
3. 유형: 비교. 노코드 도구 확산에 대한 반응과, 20세기 초 고급 언어·비주얼 베이직 확산에 대한 반응을 비교하고, 이 장이 이를 반복적 패턴으로 지목하는 이유를 설명하라.
4. 유형: 실무 시나리오. 보안 엔지니어가 "이제 AI가 있으니 코드 리뷰 없이 바로 패치를 배포하겠다"고 한다. 이 장의 보안 엔지니어 사례를 근거로 무엇이 빠졌는지 지적하라.
5. 유형: 판단. 경영진이 "AGI가 GDP를 매년 두 배로 키울 테니 인력 계획을 지금 당장 그 전제로 세우자"고 요구한다. 이 장의 논증 구조(역사적 근거 + 저자들의 유보)를 근거로 어떻게 반응할지 판단하라.

최신 동향 (2026-09 기준)

최신 동향 (검증 2026-09-14) — 이 장이 인용한 2023년 OpenAI 직업 보고서와 AI-코딩 능력 논쟁은 그 뒤로도 계속 갱신되고 있다. 이 장의 핵심 서술(지식 노동 전반이 영향을 받는다·개발자 수요는 줄지 않는다)은 그대로 유효하다.

• OpenAI 직업 보고서, 공식 명칭과 그 뒤. 이 장이 인용한 다니엘 록 박사 등의 2023년 연구는 정식 논문 「GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models」(OpenAI 공식 소개)이며, 이후 학술지 Science에도 게재됐다. 이 연구가 던진 질문("AI가 지식 노동에 얼마나 영향을 주는가")은 앤트로픽 이코노믹 인덱스(2025년 출범, 실제 대화 데이터를 익명화해 분석) 같은 후속 연구로 이어지며 추정치가 계속 정교해지고 있다 — "80%가 영향받는다"는 한 시점의 추정치이지 고정된 결론이 아니다.
• "AI가 코딩에서 인간을 능가할 것"이라는 예측의 진행 상황. 이 장 §5가 인용한 맷 벨로소의 발언(올해 안에 AI가 코딩에서 인간을 넘어설 것) 이후, 국제 정보올림피아드(IOI)를 비롯한 경쟁 프로그래밍 대회에서 AI 모델이 최상위권 인간 참가자보다 높은 점수를 받은 사례가 2026년에 실제로 보고됐다. 다만 이 결과는 정답이 명확한 좁은 의미의 경쟁 프로그래밍 영역이며, 실무 소프트웨어 엔지니어링 평가(SWE-bench — 실제 깃허브 이슈를 해결하는지로 채점)에서는 모델별 격차가 여전히 크다. "AI가 인간을 능가했다"를 좁은 벤치마크 우위와 혼동하지 않아야 한다는 점은, 이 장 §5의 "1908년형 모델 T" 비유가 이미 던진 경고와 같다.

부록 A. 핵심 비교표

부록 B. 추천 참고 자료

외부 자료 (Tier 1 공식, 생존 확인 2026-09-14)

• OpenAI 직업 보고서 원논문 — GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models (Eloundou et al., 2023)
• OpenAI 공식 소개 — GPTs are GPTs (OpenAI)
• 앤트로픽 이코노믹 인덱스 공식 소개 — The Anthropic Economic Index (Anthropic, 2025)
• 소프트웨어 엔지니어링 벤치마크 공식 사이트 — SWE-bench
• 국제 정보올림피아드(IOI) 공식 사이트 — ioinformatics.org

본 책 연계 챕터

부록 C. 연습문제 풀이

1. (문제 1 정답) 배포 전 검토 절차(코드 리뷰·테스트)를 갖춘다면 허용할 근거가 이 장에 있다. §2의 대니얼 사례는 "AI의 도움을 받아 테스트까지 포함해 기능을 직접 구축"해 팀을 감탄시킨 사례이지, 검토 없이 곧장 배포한 사례가 아니다. 따라서 '기여는 허용하되 적정 수준 엔지니어가 검토한다'는, §3 보안 엔지니어 사례와 같은 전제를 적용하는 것이 타당하다.
2. (문제 2 정답) 이 장은 주니어의 '역할이 진화'한다고 했지 '필요 없어진다'고 하지 않았다(§2). 채용을 전면 중단하면, AI 산출물을 통합·검증할 '스테이션 리드' 인력의 공급 자체가 끊긴다. 장기적으로 시니어만 남은 팀은 늘어난 책임을 감당할 인력 구조 자체가 취약해진다.
3. (문제 3 정답) 둘 다 "도구가 쉬워지면 그 직업이 사라진다"는 동일한 논리 구조를 따른다(§3). 그러나 실제로는 고급 언어·VB 확산 이후에도, HTML 확산 이후에도 개발자 수요가 줄지 않고 늘었다. 이 장은 이를 "프로그래밍 기술이 도약할 때마다 반복되는 종말론"으로 지목하며, 노코드도 같은 패턴을 따를 가능성이 크다고 본다.
4. (문제 4 정답) §3의 보안 엔지니어 사례는 "적절한 수준의 엔지니어가 검토해준다는 전제하에" 직접 패치가 가능해졌다고 명시한다. "AI가 있으니 검토가 필요 없다"는 것은 이 전제 자체를 빼먹은 것이며, 정확히 §5가 경고하는 AI의 현재 한계(환각·확신에 찬 오류)를 검토 없이 배포로 이어가는 위험한 결정이다.
5. (문제 5 정답) 저자들은 AGI-GDP 100% 성장론이 산업혁명이라는 역사적 선례가 있다고 인정하면서도(§4), 동시에 "실제로 일어날지는 장담할 수 없다"고 명시적으로 유보했다. 인력 계획을 이 추측 하나에 전면적으로 걸기보다, "일어날 수도 있는 시나리오"로 취급해 유연하게 대응할 수 있는 계획을 권하는 것이 이 장의 논증 구조에 맞는다.