1년간 현장에서 겪어본 ‘토큰 이코노미’의 현실 (30년 개발자 박종천) 내용 정리

https://www.youtube.com/watch?v=QZhik3a2qYA

 

간만에 정말 유용했던 생생한 경험이 담긴 유튜브 영상을 공부 겸 정리해둡니다.
물론 정리는 GPT가 했습니다.

============

1. 화자의 현재 문제의식: 개발자 AX와 일반 직군 AX는 다르다

화자는 최근 약 120명 규모 회사에서 개발자 약 70명, 일반 직군 약 50명의 AI 생산성 전환, 즉 AX를 함께 보고 있다고 설명합니다. 여기서 중요한 구분은 개발 직군과 일반 직군의 AX 출발점이 다르다는 점입니다. 개발자는 시간을 가장 많이 쓰는 일이 프로그래밍이므로, 우선적으로 코딩 작업을 AI로 전환하는 것이 핵심입니다. 반면 일반 직군은 문서 작성, 소통, 회의, 인사이트 도출 같은 업무 비중이 크기 때문에 출발점이 다릅니다. 다만 화자는 일단 개발자의 프로그래밍 업무가 AI로 전환되고 나면, 그 이후의 일하는 방식은 양쪽이 점점 비슷해질 것이라고 봅니다.

2. “바이브 코딩”은 이미 지나가고, “에이전틱 엔지니어링”으로 넘어간다

영상에서 매우 강조되는 지점이 이 부분입니다. 화자는 이제 단순히 AI로 코드 몇 줄 뽑아내는 수준을 “바이브 코딩”이라고 부르는 시대를 지나, 시스템 구축·운영·요구조건 충족까지 포함한 전체 엔지니어링을 에이전트와 함께 수행하는 단계, 즉 에이전틱 엔지니어링으로 넘어가고 있다고 말합니다. 개발자는 원래도 “코드를 짜는 것” 자체가 목적이 아니라, 어떤 시스템을 만들고 운영하는 것이 목적이었기 때문에, AI 도입 이후의 본질은 더더욱 “코드 생산”이 아니라 “시스템 완성”으로 옮겨간다는 설명입니다.

화자는 1년 전만 해도 AI 코딩은 MVP 수준, 실험 수준으로 보는 시각이 강했지만, 지금은 이미 “업무 대체가 실제로 목격되는 수준”까지 왔다고 평가합니다. 그리고 이 변화의 상징으로 세 가지를 듭니다. 첫째, “바이브 코딩”이라는 표현을 만든 인물조차 이제는 그것을 더 높은 단계의 “에이전틱 엔지니어링”으로 불러야 한다고 말하기 시작했다는 점, 둘째, 리눅스를 만든 리누스 토르발스 같은 상징적 인물조차 AI 코딩의 실효성을 공개적으로 인정했다는 점, 셋째, 중요한 핵심 영역을 제외한 상당수 실용적 서비스 영역에서는 AI 코딩이 충분히 쓸 수 있는 수준이라는 공감대가 커졌다는 점입니다.

3. 이 영상의 가장 큰 주장: 회사는 사람보다 “토큰”을 전략 자산으로 봐야 한다

화자는 앞으로의 기업 운영에서 사람만이 핵심 자산이 아니라, 토큰도 핵심 생산 자원이 된다고 봅니다. 예전에는 좋은 사람을 많이 뽑고, 좋은 재료를 사고, 영업 조직을 늘리는 것이 경쟁력이었다면, 이제는 AI 토큰을 얼마나 많이, 그리고 얼마나 고부가가치로 전환하느냐가 핵심이라는 주장입니다. 회사가 더 많은 토큰을 사용할수록 경쟁력과 매출이 함께 증가하는 구조를 만들어야 하며, 그런 구조를 설계한 회사만이 생존할 것이라고 단언합니다.

이 대목에서 화자는 토큰을 비용이 아니라 연료에 가깝게 비유합니다. 비행기에서 조종사 급여보다 연료비가 더 클 수 있듯이, AI 시대 개발에서도 중요한 것은 토큰 비용 자체를 줄이는 것이 아니라, 그 토큰으로 얼마나 큰 생산성을 뽑아내느냐입니다. 토큰을 아끼겠다는 태도는, 비행기는 있는데 기름을 안 넣겠다는 태도와 비슷하다고 설명합니다. 따라서 많이 쓰는 것이 무조건 나쁘지 않고, 오히려 많이 써 보면서 숙련이 쌓여야 한다는 논리입니다.

4. 조직은 실제로 토큰에 돈을 쓰기 시작했다

영상 속 화자는 본인이 관여하는 회사에서 개발자 70명을 AI 전환시키기 위해, 외부 전문가를 불러 집중 교육을 하고 대량의 토큰을 구매했다고 말합니다. 여기서 중요한 포인트는, 이 모든 것이 “부수적 실험”이 아니라 실제 인력 전환을 위한 본격 투자로 제시된다는 점입니다. 회사가 교육비와 토큰 비용을 동시에 쓰는 이유는, 단지 새 도구를 맛보게 하려는 것이 아니라 개발자들이 AI를 전제로 일하는 방식으로 완전히 넘어가도록 만들기 위해서라는 것입니다.

그리고 이 과정에서 개발자의 정체성도 바뀝니다. 예전에는 특정 제품의 전문가, 특정 언어의 전문가가 상대적으로 안전했다면, 화자는 이제 그것보다 “바이브 코딩 자체를 할 줄 아는 사람”, 다시 말해 어떤 언어·어떤 제품·어떤 맥락이 와도 AI를 붙여 빠르게 문제를 풀 수 있는 사람이 더 오래 살아남는다고 봅니다. 기술 스택보다 “AI를 통한 문제 해결 능력”이 더 상위 역량이 된다는 뜻입니다.

5. 아마존 사례로 설명하는 새로운 개발 워크플로

영상 중반부에는 화자가 들었다는 아마존 개발자들의 일하는 방식이 소개됩니다. 이 사례에서 개발자는 이슈나 티켓을 받으면, 내부 사정에 맞춰 커스터마이즈된 AI 코딩 에이전트에 그 일을 넘기고 계속 대화하면서 해결합니다. 핵심은 단순한 코드 자동완성이 아니라, 회사 내부 문서, AWS 맥락, 시스템 구조에 맞게 훈련·연결된 에이전트가 일을 함께 푼다는 점입니다. 즉 범용 모델을 그냥 쓰는 것이 아니라, 회사의 특수한 지식과 연결한 “회사형 에이전트”를 사용한다는 것입니다.

또 하나의 중요한 변화는 개발자가 이제 “코드 작성자”라기보다 여러 AI에게 일을 배분하는 관리자처럼 행동한다는 점입니다. 터미널을 여러 개 열어 놓고 각각의 AI에게 티켓을 읽게 하고, 분석시키고, 해결 가능성을 따져 보게 합니다. 그래서 개발의 중심 행위가 “직접 타이핑”이 아니라 “에이전트와 계속 대화하며 문제를 풀어가는 것”으로 이동합니다. 주니어와 시니어의 차이는 코드 작성력보다, AI에게 얼마나 정교하게 가이드를 주고 문제를 구조화하느냐에서 발생한다고 설명합니다. 주니어는 해결하지 못한 티켓을 시니어에게 넘기고, 시니어는 더 복잡한 방향으로 AI를 이끕니다.

6. 토큰 사용량은 새로운 성과 지표가 된다

이 영상에서 가장 인상적인 대목 중 하나는, 조직이 개인별 토큰 사용량을 대시보드로 보고 심지어 순위까지 매긴다는 설명입니다. 화자는 여기서 현재 국면에서는 “효율적으로 적게 쓰는 것”보다 충분히 많이 쓰면서 AI와 함께 일하는 습관을 형성하는 것이 중요하다고 말합니다. 적게 써서 잘할 가능성은 거의 없고, 많이 써서 실패하는 경우는 있을 수 있지만 그 실패 역시 학습의 일부라는 입장입니다.

더 나아가 화자는 이런 토큰 사용량이 조직 문화와 고용 안정에도 영향을 줄 수 있다고까지 말합니다. 예컨대 “AI를 거의 쓰지 않는 사람부터 정리될 수 있다”는 식의 소문만 돌아도, 구성원들은 적극적으로 AI를 사용하게 된다는 것입니다. 여기서 중요한 것은 화자가 이를 단순한 통제 장치로 보지 않고, 조직 전체를 AI 사용 습관으로 몰아넣는 강한 트리거로 본다는 점입니다. 즉 토큰 사용량은 비용지표이면서 동시에 전환지표이고, 학습지표이기도 하다는 설명입니다.

7. 코딩의 중심은 “코드”에서 “스펙과 테스트”로 이동한다

영상 후반부의 가장 본질적인 메시지는, AI 시대의 디버깅과 개발은 결국 코드를 고치는 일이 아니라 스펙과 테스트 케이스를 고치는 일로 바뀐다는 주장입니다. 화자는 예시로 숫자 입력 프로그램을 들며, 사용자가 지나치게 긴 숫자를 입력했을 때 오류가 나는 것은 “AI가 코드를 못 짰기 때문”이라기보다, 애초에 요구조건과 테스트 케이스에 그 상황이 빠져 있었기 때문이라고 설명합니다. 그러므로 버그가 발생했을 때 사람이 직접 코드를 뜯어 고치는 것이 아니라, 스펙을 수정하고 테스트를 보강하면 AI가 다시 코드를 재작성하는 방식이 된다는 것입니다.

이 관점에서 보면, 개발자의 핵심 역량은 점점 더 정확한 요구조건 작성, 기술 설계 문서 작성, 테스트 케이스 설계로 이동합니다. 화자는 보통 세 가지가 중요하다고 설명합니다. 첫째, 무엇을 만들지에 대한 요구조건, 둘째, 어떤 기술과 표준을 따를지에 대한 기술 설계, 셋째, 무엇이 통과 기준인지에 대한 테스트 케이스입니다. 사람끼리 일할 때는 대충 말해도 어느 정도 알아듣지만, AI와 일하는 시대에는 이 세 가지를 모두 훨씬 더 명확하게 작성해야 한다는 점을 반복해서 강조합니다.

8. 레거시 시스템 전환은 “AI가 이해할 수 있는 코드로 다시 쓰는 과정”이다

화자는 새로운 제품을 AI로 만드는 것보다 더 어려운 일로, 기존 레거시 시스템을 AI 친화적으로 전환하는 작업을 꼽습니다. 기존 코드는 여러 사람이 오랜 시간에 걸쳐 만들고 떠난 결과물이어서, 사람에게도 이해가 어렵습니다. 따라서 AI가 이 코드를 잘 활용하려면 먼저 코드를 충분히 설명해 주고, AI가 구조를 이해하고, 필요하면 다시 자기에게 맞는 언어와 방식으로 재작성하게 해야 한다는 것입니다.

여기서 화자는 아주 큰 프로젝트를 소개합니다. 지난 10년 동안 수십 명의 개발자가 만든 소프트웨어를, UI와 스펙과 API는 유지하되 내부 구현은 AI가 더 잘 이해할 수 있는 형태로 다시 만드는 작업입니다. 이 프로젝트가 성공하면, 이후에는 인간이 코드를 직접 들여다보지 않고도 기능 추가나 수정이 가능해지는 상태를 목표로 한다고 설명합니다. 즉 레거시 현대화의 최종 목적이 단순한 리팩터링이 아니라, “AI가 계속 유지보수할 수 있는 코드베이스”를 만드는 것입니다.

9. 왜 이런 도구는 이렇게 빨리 발전하는가

화자는 클로드 코드 같은 도구가 이렇게 빠르게 발전하는 이유를, 단지 모델 성능 향상 때문만이 아니라 도구 자체를 또 AI로 개발하고 있기 때문이라고 설명합니다. 즉 AI 코딩 도구를 AI 코딩 도구로 개선하는, 일종의 재귀적 개선 구조가 생겼다는 것입니다. 이를 알파고와 알파제로 비유하며, 인간의 기보를 학습하던 단계에서 벗어나 스스로 학습하는 단계로 넘어간 것처럼, AI 코딩 도구도 인간의 손을 점점 덜 타고 스스로 개선 속도를 높이는 방향으로 가고 있다고 봅니다.

이 설명은 영상 전체의 분위기와도 맞닿아 있습니다. 화자는 지금을 “완전히 다른 세상”이라고 표현하면서, 변화 속도가 너무 빨라서 말을 조심해야 할 정도라고 말합니다. 그만큼 이 변화는 선형적 개선이 아니라 임계점을 넘은 가속 변화로 인식되고 있습니다.

10. 결국 개발자의 역할은 어떻게 바뀌는가

영상의 끝부분으로 갈수록 개발자의 역할 변화가 더 선명해집니다. 화자는 앞으로 채용에서도 특정 제품 경험이나 특정 기술 스택보다, 바이브 코딩을 실제로 할 줄 아는지를 더 중요하게 보게 될 것이라고 말합니다. 이미 어떤 팀에서는 예전 같으면 12명이 하던 다중 클라이언트·서버 제품 개발을 5명 정도가 수행하고 있고, 이들은 각 플랫폼만 맡는 것이 아니라 iOS와 웹, 안드로이드와 웹, 윈도우·맥과 백엔드처럼 여러 영역을 넘나드는 하이브리드 방식으로 일한다고 설명합니다.

다만 이것이 마냥 편한 미래라는 뜻은 아닙니다. 화자는 오히려 일이 많아져서 힘들다고 말합니다. 인간의 한계는 이제 코드 작성 속도가 아니라, 몇 개의 에이전트를 동시에 관리하고 맥락을 유지할 수 있느냐로 옮겨갑니다. 본인 경험상 세 개 정도까지는 추적 가능하지만, 네 개 다섯 개가 되면 지시 내용과 맥락이 꼬인다고 설명합니다. 그래서 앞으로 시니어 개발자의 역량은 코딩 자체보다, 여러 에이전트에게 동시에 일을 시키고 흐름을 통제하는 능력에서 더 크게 드러날 수 있다는 전망을 제시합니다.

이 영상을 한 문장으로 요약하면

이 영상은 “AI가 코드를 대신 써 준다”는 차원을 넘어, 개발 조직 전체가 토큰을 연료로 삼아 에이전트를 운용하는 구조로 재편되고 있으며, 미래의 경쟁력은 그 구조를 얼마나 빨리 설계하느냐에 달려 있다는 메시지를 전하는 영상입니다.