[한글자막] AI가 코딩하면 개발자는 뭘 해야 할까? 앤드루 응의 답

한 줄 핵심

AI가 코드를 대신 짜는 시대에도 개발자의 가치는 사라지지 않으며, 오히려 AI를 활용해 무엇을 만들지 정하고 맥락·평가·기본기를 바탕으로 더 나은 결정을 내리는 능력이 핵심이 된다.

시간별 요약

1. 0:00
   소개: AI가 코드를 짜 주면? AI가 코드를 작성해 주는 환경에서 개발자 역할이 어떻게 바뀌는지에 대한 문제의식을 던진다.
2. 0:21
   AI 시대 개발자의 네 가지 역량 AI 엔지니어링에 필요한 역량은 AI 애플리케이션을 만들고 배포하는 능력, 소프트웨어 공학 기본기, coding agent 활용 능력, 그리고 무엇을 어떻게 만들지까지 형성하는 능력으로 정리된다.
3. 2:02
   AI가 모르는 맥락을 가진 사람 인간은 고객과의 대화, 오래된 시장 정보, 현장에서 읽은 분위기 같은 AI가 알지 못하는 맥락을 폭넓게 갖고 있어 중요한 의사결정에서 여전히 큰 우위를 가진다.
4. 3:13
   실력 차이는 평가와 오류 분석에서 AI 애플리케이션은 결과가 불확실하므로, 성능을 지속적으로 관찰하고 error analysis와 eval loop로 체계적으로 개선하는 능력이 실력 차이를 만든다.
5. 3:54
   도구가 바뀌어도 기본기는 남는다 AI 도구가 발전해도 시스템 배포, 모니터링, 업데이트, 비용·지연·신뢰성 같은 트레이드오프를 이해하는 기본기는 느리게 변하며, 이를 알아야 도구가 숨긴 선택 비용을 피할 수 있다.
6. 5:09
   이제는 무엇을 만들지 결정할 때 개발의 병목은 구현보다 무엇을 만들지 정하는 데로 이동했고, 개발자는 제품 감각과 아키텍처 판단을 바탕으로 MVP, 확장성, 고객 피드백, 기술 스택 선택까지 주도할 수 있어야 한다.
7. 7:18
   빠른 실험과 치밀한 설계의 기준 초기 단계에서는 빠르게 프로토타입을 만들고 버리며 학습하는 방식이 유효하지만, 성숙 단계에서는 아키텍처, 보안, 고객 요구, rewrite ratio를 치밀하게 따지는 설계가 더 중요해진다.
8. 9:02
   AI가 일을 해줘도 실력은 별개다 LLM은 일을 더 많이 하게 해 주지만 생각을 덜 하게 만들어 학습을 약화시킬 수 있으므로, 실무자도 AI에 의존하되 스스로 사고하고 학습하는 균형을 유지해야 한다.

실무 인사이트

• AI 시대 개발자는 구현자보다 의사결정자에 가까워지므로, 고객 맥락과 제품 감각을 함께 키워야 경쟁력이 생긴다.
• 좋은 AI 활용은 자동화된 결과를 받는 데서 끝나지 않고, eval과 오류 분석으로 시스템을 반복 개선하는 습관에서 나온다.
• 초기에는 속도, 후반에는 설계가 중요하므로 프로젝트 단계에 따라 빠른 실험과 신중한 아키텍처 판단을 분리해서 적용해야 한다.