출시된 결과물에 대한 책임
90프로덕션이 무너지거나 보안 구멍으로 데이터가 유출되거나 시스템이 유해한 결정을 내렸을 때 누군가는 답해야 한다—모델은 그 책임을 질 수 없다.
진한 칸일수록 이 직업에서 해당 지표가 높습니다.
낮음높음
대부분의 하루는 새 코드 작성, 리뷰 중 다른 사람의 코드 읽기, 버그 수정, 다음에 무엇을 만들지 동료와 논의하는 일로 나뉜다. 회의, 계획, 멘토링에 신입이 예상하는 것보다 훨씬 많은 시간이 든다. 시니어 엔지니어는 대체로 주니어보다 직접 코드를 덜 쓰는 대신 설계 결정, 리뷰, 다른 사람의 막힌 부분을 풀어주는 데 더 많은 시간을 쓴다.
필수는 아니지만 여전히 가장 흔하고 마찰이 적은 경로다. 4년제 학위는 알고리즘, 자료구조, 시스템 개념을 가르치는데 이는 실무에서 독학하기에는 비용이 크다. 부트캠프 수료생과 독학한 엔지니어도 채용되지만, 특히 작은 회사에서는 대개 강력한 포트폴리오나 오픈소스 활동으로 학위를 대신해야 한다.
일부는 이미 그렇다. 최신 코드 에디터에 내장된 도구들은 상용구 코드, 초안 테스트, 언어 간 번역 등 정기적으로 사용하는 엔지니어를 위해 상당한 양의 반복 코드를 이미 작성한다. 훨씬 자동화하기 어려운 부분은 무엇을 왜 만들지 결정하고, 실제 사용자와 실패를 견뎌내도록 시스템을 설계하는 일이다.
국가와 회사에 따라 크게 다르다. 미국은 중위값이 연 약 13만 3천 달러이고, 독일은 약 6만 9천 유로, 이 산업의 고용 인원이 가장 많은 인도는 국가 평균이 약 90만 루피에 가깝다. 대형 기술 기업의 시니어·스태프 엔지니어는 주식 보상을 포함하면 국가 중위값의 몇 배를 벌 수 있다.
실무에서는 차이가 거의 없다. 명칭이 서로 겹치고 회사마다 일관되지 않게 사용한다. '프로그래머'는 가장 오래된 용어로 코드 작성을 강조하고, '개발자'는 웹·제품 회사에서 흔하며, '소프트웨어 엔지니어'는 오래된 엔지니어링 분야에서 빌려온 규율 있는 프로세스, 테스트, 설계라는 개념에 기댄다. 채용공고는 이들을 일관되게 구분하지 않는다.
대다수 기존 기술 기업에서는 그렇다. 공유 문서나 화이트보드에서 알고리즘 문제를 푸는 실시간 또는 사전 과제 형태의 기술 인터뷰가 여전히 표준 필터이며, 시니어급에는 시스템 설계 라운드도 추가된다. 작은 회사와 스타트업은 유급 시범 프로젝트, 포트폴리오 검토, 과거 작업에 대한 대화로 대체하는 경우가 많다.
소프트웨어 엔지니어링은 이 사이트에서 대규모 언어 모델의 자동화를 직접적으로 체감하는 최초의 직업 중 하나다. 원재료—엄격한 규칙을 따르는 텍스트—가 바로 이 모델들이 만들어진 목적이기 때문이다. 코드를 작성하고 자동완성하고 검토하는 도구는 이미 미래의 시나리오가 아니라 대다수 전문 엔지니어의 일상 워크플로 일부다.
그렇다고 이 일이 쓸모없어지는 것은 아니다. 오히려 이 일에서 가치 있는 부분이 더 좁고 더 집중된 것으로 바뀐다. 아래 섹션들은 이미 자동화되고 있는 부분과, 지금까지 모델에 넘기기 훨씬 어려웠던 부분을 구분한다.
한 엔지니어가 한 주 동안 작성하는 코드의 상당 부분—상용구, 초안 테스트, 반복적인 번역—은 이미 언어 모델이 견줄 만한 속도로 만들어낼 수 있다. 자동화하기 여전히 어려운 부분은 무엇을 만들어야 할지 결정하는 것, 그럴듯해 보이는 변경이 은근히 잘못된 방식을 찾아내는 것, 그리고 그것이 프로덕션에서 실패했을 때 책임을 지는 것이다.
직함이 아니라 업무 단위로 산정했다. 낮을수록 안전하다.
AI가 대체하지 못하는 직업 →프로덕션이 무너지거나 보안 구멍으로 데이터가 유출되거나 시스템이 유해한 결정을 내렸을 때 누군가는 답해야 한다—모델은 그 책임을 질 수 없다.
무엇을 원하는지 스스로도 아직 모르는 사람들에게 올바른 질문을 던져, 막연한 비즈니스 요청을 정밀하고 실행 가능한 계획으로 바꾸는 일은 여전히 필요하다.
수십 개의 서비스, 팀, 데이터 저장소가 어떻게 맞물려야 하는지 결정하고 그 결정과 함께 몇 년을 사는 것은 함수 하나를 작성하는 것과는 다른 능력이다.
일치하는 포럼 게시물도 학습 예시도 없는 참신한 프로덕션 장애는 여전히 사람이 압박 속에서 가설을 세우고 검증해야 한다.
지름길의 비용을 어느 팀이 떠안을지, 상충하는 두 마감 중 어느 쪽을 늦출지 결정하는 것은 정치적이면서 동시에 기술적인 판단이다.
CRUD 엔드포인트, 폼 검증, 표준 설정처럼 잘 이해된 패턴을 엮는 일은 이제 직접 타이핑하는 것보다 생성해서 확인하는 편이 흔히 더 빠르다.
어시스턴트는 함수를 읽고 그럴듯한 초기 테스트 케이스 세트를 빠르게 만들어낼 수 있지만, 그것이 올바른 것을 테스트하는지는 여전히 누군가 판단해야 한다.
풀 리퀘스트에 대한 스타일, 네이밍, 뻔한 버그 피드백은 점점 자동화된 린터와 AI 리뷰어에게 맡겨지고, 사람 리뷰어는 설계 수준의 코멘트에 집중한다.
함수나 작은 모듈을 다른 언어나 프레임워크로 옮기는 일은 언어 모델이 이미 꽤 안정적으로 해내는 패턴 매칭 작업이다.
엔지니어의 하루 중 점점 더 많은 시간이 빈 파일부터 모든 줄을 직접 작성하는 대신 모델이 제안한 코드를 읽고 테스트하고 고치는 데 쓰인다.
예전에는 여러 엔지니어가 필요했던 제품 영역을 이제는 한두 명이 맡을 것으로 기대하며, 나머지 산출량의 부족분은 AI 도구로 메운다.
한때 시니어 엔지니어의 머릿속에 암묵적으로만 남아 있던, 시스템이 무엇을 해야 하는지를 모호함 없이 서술하는 일이 이제는 직접 가르칠 가치가 있는 기술이 되었다.
생성된 코드가 옳아 보이면서도 은근히 잘못될 수 있기 때문에, 테스트 규율, 코드 리뷰, 모니터링이 순수한 코드 생산에 비해 위상을 얻고 있다.
주변 애플리케이션이 아니라 모델 자체를 만들고 미세조정한다. 전통적인 소프트웨어 엔지니어링과 크게 겹치지만 통계에 더 기댄다.
LLM 기반 기능을 출시할 만큼 신뢰할 수 있게 만드는 검색, 도구, 프롬프트 구조를 설계한다. 2020년대 초 이전에는 거의 존재하지 않던 분야다.
모델과 AI가 작성한 코드를 프로덕션에 도달하기 전에 보안 구멍, 편향, 실패 양상에 대해 테스트한다. 더 큰 보안 팀 안에서 떠오르는 전문 분야다.
이미 존재했지만, 점점 더 스스로 코드를 작성하고 테스트하고 배포까지 하는 시스템에 대해 책임을 지는 사람으로서 상대적 중요성이 커지고 있다.
세 가지 가역 렌즈: 업무 보조, 일부 대체, 새 틈새. 교육용이며 예측이 아닙니다.
역할은 유지하고 AI가 초안·분류·조사를 빠르게 하며 판단과 책임은 사람이 집니다.
좁은 작업 묶음(템플릿·초안·반복 채점)이 먼저 줄어들고 인접 숙련은 커질 수 있습니다.
규제 환경에서 AI 출력을 신뢰해야 하는 감독·통합·도메인 QA 역할이 생길 수 있습니다.
소프트웨어 엔지니어링은 앞으로 십 년간도 높은 보수와 높은 수요를 이어갈 가능성이 크지만, 신입 직무의 모습은 이미 바뀌고 있다. 순전히 반복 코드를 생산하기 위해서만 존재하는 자리는 줄어들고, 주니어 엔지니어는 거의 즉시 AI가 생성한 작업을 검토하고 테스트하고 책임지도록 요구받는 자리가 늘어난다.
유리한 위치는 점점 더 문제를 명확히 규정하고, 시스템 전체를 사고할 수 있고, 유창하게 들리지만 잘못된 제안이 어디서 틀렸는지 잡아내는 엔지니어에게 돌아갈 것이다—대규모 언어 모델 이전에도 중요했던 바로 그 판단력이, 이제 더 빠르고 더 큰 규모로 적용될 뿐이다.
같은 분야만이 아니라 여섯 점수 프로필이 가까운 직업입니다.
데이터에서 패턴을 찾고 예측 모델을 만드는 직업 — 2008년에 붙여진 이름이지만, 그 밑바탕에는 3세기에 걸친 증거 수집·검증·시각화의 역사가 있다.
AI 내성 38 📦프로덕션 환경에서 기계 학습 모델을 교육, 배포, 모니터링 및 관리하는 시스템을 구축합니다.
AI 내성 54 🗺️회사가 다음에 무엇을 만들지, 왜 만들어야 하는지를 결정하는 사람. 고객의 필요, 사업 목표, 엔지니어링의 한계를 하나의 공유된 계획으로 엮어내지만, 그 계획을 온전히 소유하는 사람은 따로 없다.
AI 내성 50 🔐디지털 공격을 찾아내고 예방하며 대응함으로써 시스템, 데이터, 사람을 지킨다.
AI 내성 63 🌿조직이 비즈니스 의무를 이행하면서 환경 및 사회적 피해를 줄이는 데 도움이 되는 전략, 측정 및 보고를 주도합니다.
AI 내성 66 🧾장부의 수호자: 문자 자체를 만들어낸 오래된 기술의 계승자이자, 이제는 자신을 자동화하려는 소프트웨어와 협상 중이다.
AI 내성 35기계 지능을 뒷받침하는 알고리즘을 설계하고 검증하는 직업으로, 이제는 자기 자신의 연구 과정 상당 부분을 자동화하려는 경쟁이 벌어지는 분야이기도 하다.
AI 내성 50 🛰️지상을 벗어나는 항공기, 로켓, 우주선을 설계하고 분석하고 인증하며, 추측의 여지가 없는 안전 여유를 다루는 직업이다.
AI 내성 74 🌉강과 바위와 중력을 다리, 도로, 맑은 물로 바꾸는 직업 — 임호테프 이래 문명을 떠받쳐온 조용한 하중지지의 업.
AI 내성 72 🔌컴퓨터, 휴대폰, 무기 등 거의 모든 전자기기 내부의 트랜지스터를 설계하고 제조하며, 지구상 극소수 공장만이 다룰 수 있는 초정밀 장비를 다룬다.
AI 내성 60 🦾물리적 세계를 감지하고 판단하고 행동하는 기계를 설계하는 사람으로, 진짜 난제는 지능이 아니라 언제나 세계 그 자체였다.
AI 내성 65 🔐디지털 공격을 찾아내고 예방하며 대응함으로써 시스템, 데이터, 사람을 지킨다.
AI 내성 63 📦프로덕션 환경에서 기계 학습 모델을 교육, 배포, 모니터링 및 관리하는 시스템을 구축합니다.
AI 내성 54 🌬️재생 가능한 자원을 신뢰할 수 있는 전기로 전환하는 풍력, 태양열, 저장 및 그리드 시스템을 설계, 구축 및 개선합니다.
AI 내성 72