최근 대규모 언어모델(LLM) 기반의 AI 도구들이 코드 작성에 혁신을 가져왔지만, 개발자들은 이로 인해 새로운 종류의 피로감에 시달리고 있습니다. 코딩 작업의 생산성은 높아졌지만, AI가 생성한 코드를 검토하고 방향을 제시하며 수정하는 과정에서 발생하는 인지 부하(cognitive load)가 오히려 개발자들을 지치게 한다는 지적입니다. 이는 AI가 프로그래머를 대체할 것이라는 막연한 두려움을 넘어, 실제 개발 현장에서 나타나는 구체적인 문제로 부상하고 있습니다.
Pydantic AI의 로라 서머스(Laura Summers)는 AI가 코드를 '거의' 작성해 주지만, 이를 검토하고 지시하며 수정하는 인간의 역할은 더 힘들어졌다고 말합니다. 예를 들어, Pydantic AI 프레임워크를 관리하는 동료는 매일 아침 AI가 생성한 수십 개의 풀 리퀘스트(PR)를 검토하며 즉각적인 판단을 내려야 하는 상황에 직면합니다. AI가 그럴듯한 코드를 만들어내지만, 복잡한 변경 사항에서 일관된 의도를 유지하지 못하는 '일관성 오류(errors of coherence)'가 자주 발생하기 때문입니다. 개발자는 머릿속으로 전체 의도를 붙잡고 있으면서, AI가 쏟아내는 방대한 결과물을 일일이 확인하고 판단해야 하는 '감독의 피로(fatigue of supervision)'를 느끼게 됩니다.
이러한 현상은 개발자들이 코딩 과정에서 얻던 보상 체계(reward function)를 변화시킵니다. 과거에는 복잡한 문제를 해결하고, 코드가 성공적으로 컴파일되는 것을 보며 성취감과 도파민을 얻었습니다. 하지만 AI가 이 과정을 자동화하면서, 개발자들은 만족스러운 '생성'의 경험 대신 지루하고 소모적인 '검토와 감독'에 집중하게 됩니다. 사이먼 윌리슨(Simon Willison)이 언급한 버클리 하스(Berkeley Haas) 연구에 따르면, AI 사용은 작업 강도를 높여 '하나만 더 프롬프트(prompt)를 입력하면 완벽해질 것 같다'는 강박으로 이어지기 쉽습니다. 이는 작업의 병렬 처리 능력은 높이지만, 최종적으로 결과물을 완성하는 데 필요한 인간의 뇌 자원은 그대로여서 번아웃을 유발할 수 있습니다.
결론적으로, AI는 개발자의 생산성을 높이는 동시에, 작업의 본질과 보상 체계를 근본적으로 바꾸고 있습니다. 개발자들은 이제 단순히 코드를 작성하는 것을 넘어, AI의 결과물을 효과적으로 관리하고, 복잡한 시스템의 일관성을 유지하며, 새로운 형태의 인지 부하에 대처해야 합니다. 이러한 변화는 개발자들이 AI 시대에 번아웃을 피하고 지속 가능한 방식으로 일하기 위해, 새로운 협업 방식과 도구, 그리고 개인적인 전략을 모색해야 함을 시사합니다.