개발자 채용을 그만둔 이유

2021년부터 2024년까지, 저는 미국 IT 컨설팅 회사의 COO였습니다. 카자흐스탄, 인도, 한국, 미국에 걸쳐 엔지니어링 조직을 0명에서 45명으로 확장했습니다. IoT 시스템, WebRTC 플랫폼, 모바일 앱, CRM을 미국 기업 고객에게 납품했습니다. 채용, 관리, 해고, 승진, 멘토링 — 모든 것을 경험했습니다.

지금은 carawon.tech를 운영합니다. 저 혼자입니다. 그리고 2년 전이었다면 5~8명의 팀이 필요했을 프로젝트를 납품하고 있습니다.

스케일링의 문제

어느 순간, 사업은 엔지니어링에 관한 것이 아니라 세일즈와 HR에 관한 것이 되었습니다. 그게 전부입니다. 내부적으로 모든 것이 프로세스 최적화에 집중되어 있었습니다. 더 많은 인원이 더 많은 산출물을 의미하지 않았습니다 — 오버헤드가 추가되었습니다. 45명일 때 5명일 때보다 덜 민첩했습니다. 매주 새로운 일이 터졌습니다: 번아웃, 급여 협상, 개인 사정, 법적 문제, 정책 업데이트, 불만족한 직원. 더 많은 사람은 더 많은 인적 요소, 더 많은 리스크, 그리고 — 역설적으로 — 덜 만족하는 고객을 의미했습니다. 관리에 소비하는 시간 대 실제로 만드는 시간의 비율이 분기마다 악화되었습니다. 회사가 실패해서 떠난 것이 아닙니다. 모델 자체에 한계가 있다는 것을 깨달았고, 가장 좋은 시간을 중요한 일 외의 모든 것에 쓰고 있었기 때문입니다.

AI가 바꾼 것

첫 번째 신호는 2025년, AI 도구로 몇 가지 역할을 대체했을 때였습니다. 효과가 있었지만 기술이 변혁적일 만큼 성숙하지는 않았습니다. 그러다 2026년 초, 혼자서 한 달 만에 production 수준의 프로젝트를 완성했습니다 — 10명의 팀이 1년이 걸렸을 작업입니다. 그때 AI가 얼마나 빠르게 성숙하고 있는지 깨달았습니다. 전체를 일주일 만에 vibe coding으로 만들 수도 있었습니다. 하지만 품질, 보안, 아키텍처를 production 기준으로 유지하기 위해 1~2개월이 걸렸습니다. 그래도 10명이 1년간 작업하는 비용의 일부에 불과합니다.

변화는 점진적이지 않았습니다. 어느 날 프로젝트 범위를 산정하며 3명의 개발자가 8주 필요하다고 추정하고 있었습니다. 그런데 AI 도구와 함께 앉아보니 같은 작업을 3주 안에 할 수 있다는 것을 깨달았습니다. 대략적인 프로토타입이 아니라 — 테스트, 적절한 아키텍처, 문서화를 갖춘 프로덕션 등급 코드입니다.

AI가 할 수 없는 것

어떤 AI 도구도 대체할 수 없는, 제가 여전히 하는 일은 다음과 같습니다:

• 아키텍처 결정. 어떤 데이터베이스? 모놀리스 vs 마이크로서비스? 인증은 어떻게 구현할 것인가? AI가 답을 제시하겠지만, 귀사의 구체적인 제약 조건에 맞는 올바른 답을 제시하지는 못합니다.
• 스코프 관리. 무엇을 만들지 않을지 아는 것이 어떻게 만들지 아는 것보다 더 가치 있습니다. AI는 아무도 필요하지 않은 기능을 기꺼이 생성합니다.
• 품질 판단. AI는 테스트를 통과하는 코드를 작성합니다. 저는 테스트 자체가 잘못되었을 때를 압니다. '작동하는' 코드가 부하 상태에서, 엣지 케이스에서, 실제 사용자가 예상치 못한 행동을 할 때 깨질 것을 압니다.
• 비즈니스 맥락. 고객이 이 기능을 왜 필요로 하는지, 실제로 어떤 문제를 해결하는지, 기술적 접근이 비즈니스 목표에 부합하는지를 이해하는 것.
• 거절하기. AI는 도움에 열심입니다. 시니어 엔지니어는 올바른 답이 '이것은 만들지 말아야 합니다'일 때를 압니다.

현재의 작업 방식

모든 프로젝트는 같은 패턴을 따릅니다: 제가 설계하고, AI가 생성하고, 제가 리뷰합니다. 예를 들어 현재 만들고 있는 자동차 마켓플레이스 — React 19 프론트엔드, Django 백엔드, Firebase 인증, 다국어 지원, 결제 연동까지. Interspark에서였다면 6명이 1년간 작업할 규모입니다. 아키텍처를 직접 설계하고, 데이터 모델을 세우고, API 계약을 정의했습니다. 그러면 AI가 구현 레이어를 생성합니다 — 컴포넌트, 시리얼라이저, 테스트 스캐폴딩, 어드민 패널 — 저는 모든 결과물을 보안, 성능, 그리고 실제로 비즈니스 문제를 해결하는지의 관점에서 리뷰합니다.

결과는 팀보다 빠르고, 에이전시보다 저렴하며, 엔터프라이즈 규모에서 적용했던 동일한 품질 기준을 유지합니다. 제가 초인이어서가 아니라, AI가 볼륨을 처리하고 저는 판단이 필요한 결정을 담당하기 때문입니다.

이것이 미래인가?

모든 경우에 해당되는 것은 아닙니다. 대규모 조직은 여전히 팀이 필요합니다. 규제 요건이 있는 복잡한 시스템에는 여러 전문가가 필요합니다. 일부 프로젝트에는 한 사람이 제공할 수 없는 24시간 온콜 커버리지가 필요합니다.

하지만 대다수의 맞춤형 소프트웨어 프로젝트 — 웹앱, 플랫폼, 자동화, 내부 도구 — 에서는, AI를 활용하는 시니어 엔지니어 한 명이 과거에 5~8명이 필요했던 것을 납품할 수 있습니다. 그리고 경제성은 반박하기 어렵습니다.