월 수입 몇 만 원의 프로그래머가 AI에 의해 대체될 것인가?

2025.02.13

월 수입 몇 만 원의 프로그래머가 AI에 의해 대체될 것인가?

보조 도구에서 독립적인 코드 작성까지, AI 코드는 이미 엔지니어링 수준의 '협업' 코딩 도구로 진화했다.

2025.02.13 - 09:34:10

Web3 심층 보도에 집중하고 흐름을 통찰

보조 도구에서 독립적인 코드 작성까지, AI 코드는 이미 엔지니어링 수준의 '협업' 코딩 도구로 진화했다.

이미지 출처: 무계 AI 생성

프로그래머가 만든 AI는 가장 먼저 프로그래머를 대체한다.

"대규모 모델의 코딩 능력은 이미 고급 프로그래머(월급 수만 위안) 수준에 도달했다." 알리윈 클라우드 네이티브 애플리케이션 플랫폼 책임자이자 통의영마 책임자인 정우(丁宇)는 광추이 스마트에게 말했다.

사실 AI 코드 도구는 새로운 것이 아니며, 이전 인공지능 열풍 때부터 적용되기 시작했다.

하지만 그동안 "AI 코드 제품은 단순히 보조 도구에 불과했지만, 지금은 복잡한 프로젝트 실행, 긴 컨텍스트 편집 및 간단한 코드 작업 독립 수행이 가능하다." 상감 과학기술 산하 AI 코드 제품 샤오완슝 패밀리의 기술 책임자 장타오(张涛)는 광추이 스마트에게 말했다.

보조에서 독립적인 코드 작성으로 진화하며 AI 코드는 이제 엔지니어링 수준의 '협업' 코딩 도구로 발전했다.

이에 따라 점점 더 많은 기업들이 AI 코드 도구를 통해 프로그램 개발의 비용 절감과 효율성 증대를 실현하고 있으며, 2025년 이후에는 AI가 중급 프로그래머를 대체할 가능성도 있다.

메타 창립자 자크버그는 최근 "2025년까지 AI가 중급 소프트웨어 엔지니어의 프로그래밍 수준에 도달할 것"이라며, 메타는 2025년부터 중급 소프트웨어 엔지니어 업무를 자동화하기 시작해 궁극적으로 모든 애플리케이션 프로그래밍 작업을 AI에 외주할 계획이라고 밝혔다.

이는 과장된 이야기가 아니라 현재 기업 내에서 AI가 생성한 코드의 침투율이 이미 놀라운 수준에 도달했다.

예를 들어 구글의 경우 신규 코드 중 25% 이상이 인공지능에 의해 생성되었으며, 한국어비(科大讯飞) 내부에서는 AI 생성 코드 채택률이 2023년 10월 30%에서 2024년 6월 52%로 증가했고, 유닛 테스트 행 커버리지도 30%에서 50%로 상승했다.

AI 코딩 분야가 대규모 모델 응용 프로그램 중 가장 인기 있는 분야 중 하나가 된 이유는 'AI 코딩은 대규모 모델 적용에서 가장 빈번하고 필수적이며 확실성이 높은 시나리오이며 PMF(제품-시장 적합성) 검증을 거친 영역'이기 때문이다." 정우는 이렇게 광추이 스마트에게 설명했다.

따라서 점점 더 많은 기업들이 AI 코딩 분야에 진출하고 있으며, 마이크로소프트, 구글, AWS, 알리바바, 바이두 등 선도적인 기술 기업들이 앞장서고 있다. 그러나 동일한 유형의 제품이 너무 많아져 동질화 경쟁이 심화되고 있으며, 미래에 어떻게 성공적으로 돌파구를 마련하고 진정한 대규모 상용화를 달성할 수 있을까?

보조에서 협업으로, AI는 진짜 당신의 프로그래머 동료가 되었다

2024년 8월, 미국 유명 기업 클라우드플레어(Cloudflare) 부사장 리키 로비네트(Ricky Robinett)의 딸, 겨우 8세의 어린 소녀가 45분 만에 챗봇을 개발해 180만 명의 온라인 관심을 받았다.

그녀가 사용한 AI 코드 에디터 커서(Cursor)도 하룻밤 사이에 급부상했으며, AI 코딩 분야는 다시 한번 업계의 주목을 받게 되었다.

전 세계적으로 PitchBook 데이터에 따르면 약 250개 스타트업이 AI 코딩 어시스턴트를 출시했다. 국내에서는 알리바바, 바이두, 텐센트, 바이트댄스 등 인터넷 대기업과 한어비, 상감 과학기술 등의 유니콘 기업, 그리고 대규모 모델 스타트업인 지푸AI(Zhipu AI)까지 관련 제품을 속속 출시하고 있다.

AI 코드 제품이 우후죽순처럼 등장하는 것은 대규모 모델이 AI 코드 도구의 능력에 실질적인 진화를 가져왔기 때문이다.

초기 AI 코드 도구는 주로 간단한 작업만 수행할 수 있었으며, 예를 들어 프로그래머의 주석에 따라 코드 자동 완성이나 코드 작성 중 오류 제안 등을 제공했다.

대규모 모델의 능력이 향상됨에 따라 AI 코드 도구가 해결할 수 있는 문제는 점점 더 많아졌으며, 기존 프로젝트를 기반으로 유지보수 및 업그레이드 작업을 수행하거나 '일부 연구개발 과제를 독립적으로 수행할 수 있게 되었다.'고 정우는 말했다.

예를 들어 대규모 언어 모델은 자연어로 인간의 지시를 이해하고 프로젝트 컨텍스트에 따라 프론트엔드와 백엔드 여러 파일 수정, 스크립트 실행, 테스트 작성, 코드 배포 등 복잡한 코딩 작업을 자동으로 완료할 수 있다.

"처음 통의영마는 코딩 어시스턴트 형태로 등장해 주로 프로그래머를 보조하며, 코드 컨텍스트에 따라 연구개발 중 코드 자동 완성을 도왔다." 정우는 말하며, "2024년 말 통의영마는 2.0 버전으로 업그레이드되어 AI 프로그래머 형태가 되었고, 인간 프로그래머와 협업하는 코딩 어시스턴트로서 전체 프로젝트를 인지하고 시나리오별 과제에 따라 여러 파일을 일괄 수정함으로써 능력의 도약을 이루었다."고 설명했다.

AI 코드 도구 어시스턴트에서 AI 프로그래머로의 업그레이드를 통해 전자는 코드 생성의 주체가 여전히 사람이지만, 후자는 점차 AI 중심으로 전환되며 인간은 주로 모니터링과 확인 역할을 한다.

"그동안은 사람이 코드를 작성하고 AI가 간단하고 예측 가능하며 반복적인 작업을 보조하는 방식이었지만, 지금은 요구사항 설명만으로도 AI가 이해하여 프로그래머가 중간 난이도의 코드 개발 작업을 완료하도록 도울 수 있다." 장타오 역시 이렇게 말했다.

또한 멀티모달 대규모 모델과 심층 추론 대규모 모델의 진화와 함께 AI 코드 도구의 능력도 지속적으로 향상되고 있다.

상감 샤오완슝 패밀리의 '오피스 샤오완슝' 제품은 대규모 모델 기반의 데이터 처리, 데이터 분석, 문서 작성 외에도 데이터 이미지 및 PPT 파일 생성을 지원하며, 이는 멀티모달 능력 출력의 종합적 표현이다.

멀티모달 입력 역시 중요하다. "많은 도구형 제품은 언어 설명만으로 상호작용하면 요구사항을 정확하게 실현하기 어렵다. 내용을 텍스트로 설명할 때 언어 표현상 정보 손실이 발생하기 때문이다. 또한 대규모 모델 자체의 의미 이해 능력 부족, 환각 문제 등도 AI 코드 도구의 능력 한계를 제한한다. 이미지나 동영상 등의 시각적 방식으로 직접 대규모 모델에 입력하면 작업을 더욱 효율적으로 완료할 수 있다."라고 장타오는 말했다.

또한 멀티모달 대규모 모델은 AI 코드 도구가 텍스트에서 이미지 생성, 그리고 코드 생성까지 엔드 투 엔드 풀스택 기능을 실현할 수 있도록 한다.

웹사이트 설계를 예로 들면, 디자이너가 텍스트 기반 이미지 생성 방식으로 프론트엔드 시각 설계를 한 후 이를 바로 코딩 대규모 모델에 제공하면 시각 설계를 프론트엔드 인터페이스로 변환하고, 프론트엔드 인터페이스 기능에 따라 대규모 모델이 백엔드 코드를 자동 생성할 수 있다.

"현재 AI 코딩은 복잡한 작업을 완료하고 지식 기술의 비대칭을 해소할 수 있으며, 예를 들어 프론트엔드에서 백엔드까지 통합 생성이 가능해 이전의 프론트엔드, 백엔드 인력과 능력의 분리된 협업 모드를 깨뜨리고 효율을 크게 향상시킨다."고 정우는 말하며, "생성 후에도 AI 코딩은 프로그래머를 위해 자동으로 테스트를 생성하고 최종적으로 테스트 후 수정된 결과를 반환할 수 있다."고 덧붙였다.

다만 AI가 이미 일부 코드를 독립적으로 생성할 수 있다고는 하지만 실제 과정에서 AI가 생성한 코드는 일회성으로 작동되지 않으며, 많은 버그가 존재한다.

저명한 중국 대학인 저장대학교 AI 전공 석박사 과정 학생 천룽(陳榮, 가명)은 광추이 스마트에게 "복잡한 코드는 모두 버그가 있으며 대부분 한 번에 통과하기 어렵다. 기술적 논리상 모델이 코딩을 번역 작업처럼 수행한다고 이해할 수 있으며, 출력되는 일련의 코드 시퀀스는 코드 실행 환경 등을 충분히 고려하지 못할 수 있다."고 말했다.

이러한 배경에는 두 가지 주요 원인이 있다. 하나는 대부분의 사람들이 자신의 실제 요구사항을 정확하게 설명하기 어렵다는 점이며, 많은 숙련된 프로그래머들도 코드 작성 중 반복 수정이 필요하다.

다른 하나는 대규모 모델이 현재 자체적으로 의미를 이해하는 능력이 부족하고, 환각 문제가 존재해 AI 코드 도구의 능력 한계를 제약한다는 점이다. 따라서 '모델 컨텍스트 윈도우가 허용하는 범위 내에서 대규모 모델은 수만 줄의 코드를 이해할 수 있지만, AI 코드의 능력 한계는 여전히 명확히 정의하기 어렵다.'고 장타오는 말했다.

인간 프로그래머가 반복적으로 코드를 수정하고 테스트하는 것처럼, AI 코드 생성 과정에서도 다중 라운드의 상호작용을 통해 코드 버그를 줄일 수 있다.

정우는 "AI 코딩은 일회성으로 최종 결과를 생성하는 것이 아니라 대규모 모델과 다중 라운드의 반복 상호작용을 통해 완성되며, 대규모 모델과 공동 코딩 과정에서 지속적인 사고와 추론 탐색이 이루어지고, 다중 라운드의 상호작용을 통해 수정된 결과가 정확해진 후에는 자동으로 테스트 검증을 수행하고 코드를 배포하여 사용할 수 있으며, 전 생애주기 동안 작업을 완료한다."고 말했다.

현재 AI 코드 도구 제품은 여전히 일부 문제를 안고 있지만, 점점 더 많은 기업들이 AI 코드 도구를 도입하고 있으며, '저렴하면서도 품질 좋은' AI 코드 도구는 프로그래머의 프로그래밍 효율을 높일 뿐만 아니라 기업의 비용 절감과 효율성 증대를 실현하고 있다.

대규모 프로젝트의 '나사못', AI가 프로그래머의 효율을 10% 이상 향상

대규모 모델이 AI 코드 도구에 가져온 진화로 인해 프로그래밍 진입 장벽이 낮아졌다.

현재 AI가 독립적으로 자율 프로그래밍을 수행할 수 있는 시나리오는 주로 세 가지다:

첫째, 개인 생활용 앱 어시스턴트 같은 소규모 제품;

둘째, 코드량과 난이도가 적당해 AI가 독립적으로 구현 가능한 콘텐츠 중심 웹사이트;

셋째, 엑셀 표 편집, 데이터 집계 등의 오피스 제품.

실제 적용 관점에서 이러한 시나리오의 전체 코드량은 그리 많지 않고 실제 개발 난이도도 크지 않으며, 개발자의 프로그래밍 지식 요구도 낮다.

즉, AI 코드 도구는 실제로 프로그래밍 진입 장벽을 낮춰 코드 능력이 없는 더 많은 사람들이 코드 프로그래밍에 접근하고 일부 제품 기능을 독립적으로 개발할 수 있게 되었다.

그러나 AI 코드 도구가 프로그래밍 진입 장벽을 낮췄다고 해도, 특히 더 복잡한 소프트웨어 개발 및 대규모 기업용 시스템 소프트웨어 개발에서는 프로그래머가 자신의 프로그래밍 능력 한계를 높여야 한다.

한 금융 기술 업계 프로그래머 샤오샤오(肖肖, 가명)는 광추이 스마트에게 "회사의 공학적 프로젝트는 아직 AI에게 전면적으로 맡기기 어렵다. 공학적 프로젝트는 절차가 많고 여러 부서의 협업이 필요하며, AI는 전체 상황을 파악할 수 없다."고 말했다.

기업 내에서 대규모 모델이 하는 것은 주로 지루하고 힘든 작업이며, 전반적인 사고와 혁신적인 작업은 여전히 인간 프로그래머가 해야 한다는 점이 명확하게 드러난다.

"프로그래머의 작업은 단지 소규모 프로젝트를 생성하는 것뿐만 아니라 생산 코드를 다루며, 전체 프로젝트 파일 컨텍스트가 매우 복잡하고 코드 관계도 복잡하며, 프로그래머는 코드 품질에 대한 자신만의 기준이 있다."고 장타오는 말했다.

이는 기업의 프로그래머 입장에서 AI 코드 도구는 여전히 보조적 역할에 머무르지만, 간접적으로 프로그래머의 업무 능력 하한선을 끌어올렸다는 것을 의미한다. 간단하고 반복적인 작업은 AI가 거의 해결할 수 있기 때문이다.

"은행의 모든 업무를 위한 10만 개의 코드 파일을 AI가 직접 생성하게 하면, 현재로서는 확실히 불가능하다."고 정우는 솔직히 말하며, "현재 기업의 대규모 프로젝트에서는 AI 코딩이 반드시 작은 작업부터 시작해 하나의 접점을 찾아 기능 모듈 구현이나 백만 줄에 달하는 프로젝트 코드에서 보안 취약점을 찾는 등의 작업을 수행하며, AI는 이를 매우 정확하고 빠르게 수행할 수 있다."고 덧붙였다.

또한 업계에서는 잘 알려진 사실이지만, 대규모 기업 프로젝트에서는 시스템의 불확실성이 존재하는 것이 가장 두렵고, 시스템 버그가 발생하면 막대한 자원과 경제적 손실을 초래할 수 있다.

따라서 정우는 "대규모 프로젝트는 여전히 인간 프로그래머가 소프트웨어 개발 과정의 불확실성을 파악해야 하며, 예를 들어 아키텍처 설계, 도메인 모델링 등을 포함한다. 이미 확정된 내용은 모듈 개발, 보안 취약점 탐지, 테스트 케이스 보완 등으로 분해하여 AI에게 제공하고, 인간의 지시에 따라 이러한 확정적인 작업을 수행하게 해야 한다."고 말했다.

비록 보조 역할에 머물더라도 AI 코드 도구는 개발자와 기업에 실질적인 효율 향상을 가져다주고 있다.

알리윈의 경우를 보면, 현재 모든 기술 직원이 통의영마를 사용하고 있으며, 월간 활성 사용자 비중이 82%를 넘고, 매일 AI가 생성한 코드는 전체 제출 코드량의 30% 이상을 차지한다. 이 데이터를 기반으로 대략적으로 계산하면 AI가 개발자에게 제공하는 효율 향상은 약 17.5%이며, 할인을 적용해도 10~15% 사이에 이른다.

"따라서 내가 기업 담당자를 만날 때마다 항상 통의영마가 엔지니어 팀의 효율을 10% 이상 향상시킬 수 있다고 말한다."고 정우는 말하며, "즉, 기업에 100명의 엔지니어가 통의영마를 사용한다면 추가로 10명의 엔지니어가 생산하는 산출물을 얻을 수 있다는 의미다."고 설명했다.

또한 인간 프로그래머들은 전문 분야가 세분화되어 있으며, 예를 들어 프론트엔드, 백엔드 등이 있다. 만약 백엔드 개발자가 프론트엔드 작업을 하게 하려면, 해당 백엔드 엔지니어에게 많은 교육과 학습을 제공해야 하며, 즉시 프론트엔드 프로그래머의 업무를 인수할 수 없다.

하지만 AI 코드 도구를 활용하면 프로그래머는 단지 AI에게 질문하기만 하면 다양한 언어 플랫폼의 개발 지식을 쉽게 습득하고 빠르게 업무에 투입할 수 있다. "以前做一个项目可能花两三周预研，现在两三天就能完成任务，让员工实现1-N的能力增长。"고 정우는 말했다.

물론 AI는 인간 프로그래머가 더 많은 반복 작업을 수행하는 데에도 도움을 줄 수 있다. 많은 개발자들이 테스트 코드 작성을 꺼리는 것은 창의성이 없다고 생각하기 때문인데, 이는 해야 할 필수 작업이기도 하다.

AI 코드 도구는 프로그래머의 코드를 프롬프트로 사용해 유닛 테스트를 자동 생성함으로써 개발자를 진정으로 해방시키고, 개발자가 더 창의적인 작업에 집중할 수 있도록 한다.

또한 기업 입장에서는 명시적인 가치 향상 외에도 잠재적인 가치가 있는데, AI 코드 도구는 기업이 소프트웨어 시스템의 고품질과 장기적인 안정성을 유지하기 쉽게 만들어줄 뿐만 아니라 유닛 테스트 보완뿐 아니라 보안 취약점을 자동으로 발견하고 수정 제안을 제공함으로써 품질을 높이고 동시에 프로젝트 납기 기간을 단축시킬 수 있다.

더욱 흥미롭게도 현 단계에서 AI의 코딩 능력은 외부 도구를 활용함으로써 점점 중급 프로그래머를 추월하고 있으며, 상감 샤오완슝의 기본 모델 특징 중 하나는 코드 인터프리터 능력을 강화하여 모델이 자율적인 코드 디버깅과 반복 작업을 수행할 수 있도록 한 것이다.

"복잡한 프로젝트에서 순수하게 대규모 모델 추론만으로 코드를 생성하면 일회성 통과율은 낮아 일반적으로 20%를 넘지 않는다."고 장타오는 말하며, "반면 오피스 샤오완슝은 코드 인터프리터 방식을 기반으로 일상적인 차트 등의 기능에서 코드 통과율이 이미 약 80%에 근접했다."고 덧붙였다.

AI 코딩 분야가 분화되기 시작, 세부 시나리오의 혁신이 성패를 결정

AI 코딩은 이미 PMF 검증을 통과한 실현 가능한 방향이며, 이로 인해 많은 기업들이 이 분야에 진입하여 동일한 유형의 제품이 많이 출현했다.

현재 중국 시장에서는 인터넷 대기업, 중소기업 및 대규모 모델 스타트업을 포함한 많은 기업들이 AI 코드 제품을 출시하고 있으며, 예를 들어 알리윈의 통의영마, 바이두의 원신콰마, 바이트댄스의 두바오 마스코드(MarsCode), 텐센트클라우드 AI 코드 어시스턴트, 지푸AI의 코드지익스(CodeGeeX) 등이 있다.

비록 AI 코드 제품이 많지만 각사가 제공하는 기능 능력의 차이는 크지 않다. "현재 시장은 동질화가 심하고 기능도 사실상 비슷하다. 결국 코딩 제품은 사용자의 문제를 해결하기를 원하는 목적이 같기 때문이다."고 장타오는 말했다.

그러나 대규모 모델 기술의 반복 업그레이드와 함께 AI 코딩 분야는 '분화'의 중기 단계에 접어들었다. "현재 AI 코딩 분야를 보면 이미 서로 다른 구현 방식으로 분화되고 있다."고 장타오는 말했다.

커서(Cursor)와 같은 제품은 자체 개조한 오픈소스 IDE를 기반으로 완전한 작업 프로그래밍을 수행할 수 있으며, 볼트뉴(Bolt.new)와 같은 제품은 온라인 도구 형식으로 사용되며, 사용자가 요구사항을 설명하면 AI가 웹 개발을 완료하지만 프론트엔드 기술 스택 관련 내용만 구현할 수 있다.

현 단계에서 각 제품이 이미 서로 다른 세부 시나리오를 찾고 자체 제품 장점을 구축하여 차별화 발전을 실현하고 있음을 명확히 알 수 있다. 일부는 웹 개발에 더 강점이 있고, 일부는 기존 프로젝트의 코드 수정 작업에 더 강하며, 또 일부는 소규모 도구 개발이나 로우코드 작업 등을 수행할 수 있다.

정우 역시 "소프트웨어 연구개발에는 매우 다양한 시나리오와 세부 분야가 존재하므로 기업은 서로 다른 진입점을 통해 세부 시나리오 또는 제품 형태의 혁신을 할 수 있다."고 말했다.

각 AI 코드 도구 제품의 기능 시나리오에 따른 세분화는 각 제품에 상업적 차이를 가져오며, 서로 다른 기업들의 상업화 중점도 완전히 같지 않다.

예를 들어 상감 과학기술 샤오완슝 패밀리의 오피스 샤오완슝 제품은 주로 오피스 도구 분야에 집중하며, 실제 상용화 과정에서는 C단과 B단을 동시에 진행한다.