AI 에이전트의 등장으로 소프트웨어 개발 과정이 전례 없이 빨라지고 있습니다. 코딩, 디버깅, 탐색 등 과거에는 개발자가 직접 시행착오를 겪으며 자연스럽게 숙련도를 쌓던 과정들이 AI에 의해 단축되거나 생략되면서, 개발자들의 '반복 경험(reps)'이 줄어드는 현상이 나타나고 있습니다. 이는 특히 주니어 개발자들에게 학습 기회 감소로 이어져 전문성 축적에 새로운 과제를 던지고 있습니다.
Anthropic의 2026년 연구에 따르면, AI 보조를 사용해 파이썬 라이브러리 Trio를 배운 주니어 엔지니어 그룹은 후속 퀴즈에서 50%의 점수를 기록한 반면, 직접 작업한 그룹은 67%를 기록했습니다. 이 연구는 AI를 단순히 코드 생성기로만 사용하지 않고 개념적 질문을 하고 설명을 요청한 사용자들이 더 좋은 성과를 보였다는 점을 시사합니다. 즉, AI가 빠르게 결과를 도출하더라도, 사용자가 문제 해결의 중간 단계를 이해하고 비판적으로 사고하는 과정이 학습에 결정적인 영향을 미친다는 것입니다. Addy Osmani와 같은 전문가들도 익숙하지 않은 분야에서는 AI에게 구현 원리와 개념 설명을 요청하며 함께 학습하는 방식을 사용한다고 언급했습니다.
이러한 변화 속에서 개발자들은 '무엇을 만들지', '무엇이 완료되었는지', '어디를 검증할지'를 결정하는 '외부 루프(outer loop)'에 시간과 판단력을 집중해야 합니다. AI가 모든 구현을 담당하더라도, 생성된 결과물을 평가하고 개선 방향을 제시할 수 있는 깊은 전문성은 여전히 중요합니다. 잘못된 가설을 세우고 직접 시도하며 실패를 통해 배우던 과거의 학습 방식이 AI 시대에는 의도적인 설계와 노력을 통해 재구성되어야 합니다. 가설 세우기, 왜 그런지 묻기, 코드 변경점(diff) 검토, 실패 예측, 수동 풀이 등을 통해 사용자의 '정신 모델'을 함께 발전시키는 것이 핵심입니다. 궁극적으로 AI 시대의 개발자는 에이전트의 처리량이 인간의 주의력을 넘어서는 환경에서, 제한된 주의력을 가장 가치 있는 판단과 검증에 활용하는 능력을 길러야 할 것입니다.