신입 개발자가 필요할까?
🚀 신입 개발자가 필요할까?
취업을 고민하는 신입 개발자라면 누구나 떠올리는 질문이다.
AI도 있고, 시니어 개발자도 많은데. 신입인 당신을 왜 뽑아야 합니까?
“너가 어떤 가치를 창출할 수 있는가?”라는 질문은 매우 합당하다. 모든 일에는 이유가 있고, 개발자의 구인 구직도 “이유”가 있다. </br>
따라서 관련 생각을 정리해보았다.
🧠 가장 큰 이유: 시니어의 인지적 부담 경감 + AI 네이티브 시니어의 씨앗
시니어의 인지 부하 경감
AI는 개발자에게 필요한 정보를 매우 신속하게 제공한다. 이는 시니어의 인지 에너지를 빠르게 고갈하는 원인이다.
사람이 하루에 활용할 수 있는 인지적 에너지는 AI로 늘어난 생산성과 같이 늘어나지 않는다. 사람의 신체 구조는 예전이나 지금이나 비슷하기 때문이다. 이 상황에서 AI가 고도의 판단이 필요한 정보를 쉴 새 없이 전달해주면?
- AI가 없었을 때
- 개발 경험 + 관련 서적 + 전문 기술 플랫폼 활용 -> 고도의 판단 과정 -> 직접 코드 작성 -> 코드 리뷰 -> 인지 과부하 없음
- AI와 협업할 때
- 개발 경험 + AI가 제공한 방대한 자료 -> 더 많은 판단 과정 -> AI로 코드 작성 가속화 -> 더 많은 코드 리뷰 -> 인지 과부하
| 시니어 | 신입 | 경감되는 부분 |
|---|---|---|
| 비즈니스 요구사항 해석, 구조 결정 | 관련 기술 스택의 최신 문서 및 AI로 사례조사 | 자료 조사 및 대안 탐색 시간 |
| 핵심 로직 리뷰, 보안 및 성능 가이드 | AI를 활용한 로직 및 테스트 코드 작성 | 단순 코딩 및 반복 작업 |
| 최종 아키텍처 적합성 판단 | AI 결과물의 런타임 오류 수정 | 디버깅 및 Edge Case 확인 |
시니어 네이티브 AI 개발자의 씨앗
신입 개발자는 당장의 실무자이기도 하지만, 3~5년 뒤 회사를 지탱할 미래 자산이기도 하다.
과거 어셈블리어를 하던 세대는 C언어를 ‘학습’해야 했다.
수동으로 코드를 작성하던 세대는 AI로 코드 작성을 대리하는 방법을 ‘학습’해야 한다.
AI가 ‘학습의 대상’이 아닌 ‘기본적으로 주어진 환경’인 신입 개발자는 시니어가 되었을 때 어디를 자동화하고, 어디에 인간의 리소스를 투입해야 하는지 본능적으로 알 수 있다.
AI 친화적인 코드를 작성하는 능력을 길러 AI를 적극 활용하여 얻는 생산성을 극적으로 높일 수 있다.
| 특징 | 설명 | 창출하는 가치 |
|---|---|---|
| 사고 방식 | 코드 작성보다 문제 정의와 시스템 설계에 집중 | 복잡한 비즈니스 문제를 기술적 솔루션으로 빠르게 치환 |
| 개발 프로세스 | 프롬프트 엔지니어링을 통한 빠른 프로토타입 개발 | 개발 속도의 혁신적 향상 |
| 품질 관리 | 자동화된 테스트 케이스 생성, 실시간 코드 리뷰 | 인간의 실수를 조기에 발견하여 전체적인 시스템 안전성 향상 |
🌱 빠르게 익히고 적용하는 능력
AI가 도래한 이후의 기술 변화 속도는 확연하게 빨라졌다. 신입 개발자들이 개발을 배우는 시기가 이러한 세상의 흐름과 맞물린다.
즉, 신입 개발자는 빠른 흐름에 익숙하며, 그것을 적용하는 것도 익숙하다.
- 빠른 흐름에 익숙함 -> 새로운 기술에 대한 심리적 저항 낮음
- 기존의 방식에 대한 집착이 적음
📢 나의 경험담
- Read 작업에 ORM 기반 도구(JPA/QueryDSL)를 쓰면
- 영속성 맥락에 따라 필요 없는 데이터를 불러올 위험도 있고
- 그걸 고치려고 하면 코드가 부자연스러워지네?
- -> jOOQ 도입, 영속성 맥락 없는 정확하고 직관적인 쿼리 작성
- DB 스키마의 변경 이력을 애플리케이션 외부에서 수작업으로 관리하니까
- 문서 작업에 소홀해질 위험이 높아.
- 문서가 유실되거나 체계가 부족해져.
- -> Flyway 도입, 애플리케이션 실행 시 알아서 DB 스키마 변경사항 반영
🌱 AI와 함께 성장한 개발자
프롬프트 엔지니어링으로 단순 반복 작업을 빠르게 처리하고, 개발자 자신은 서비스 로직 설계와 비즈니스 요구사항 분석에 더 많은 시간을 할애할 수 있다.
신입 개발자는 시니어의 숙련도를 이길 수 없다. 다만, AI와 함께 개발한 인원들이니만큼 투자 대비 효율을 얻을 수 있다.
📢 나의 경험담
- 비속어 필터 개발
- 엔티티에 포함되어야 할 필드 구조, 쓰임새(도메인의 Service에서 적용되어야 함)를 기반으로 AI를 통한 비속어 필터 Service와 JPA 엔티티 생성
- 애플리케이션의 요구사항에 맞춰 JPA 엔티티와 SwearService 생성
- -> AI가 생성한 엔티티에 @Enumerated 등 세부 기능, SwearService에 비속어를 변형한 단어를 추가로 필터링하는 기능 등 세부사항을 덧붙여서 단기간에 완성함
🌱 AI와 시니어 사이의 중립적 관점
공신력 있는 지식 채널에서 “요즘은 배워가는 것 보다 버리는 것이 더 중요할 때가 있다”는 말을 들은 적이 있다. 과거의 경험이 현재의 발목을 잡을 수 있다는 통찰에서 비롯된 말이었다.
신입 개발자는 버려야 할 지식이 없다. 새로운 패러다임이 등장했을 때, 신입은 기존의 지식과의 갈등 없이 신기술을 흡수해 활용하는 민첩성이 있다.
AI는 방대한 정보를 바탕으로 가장 확률이 높은 방안을 제시하는 능력이 뛰어나다. AI 시대에 생산성이 비약적으로 늘어난 이유이다.
대신 AI는 특정 의견에 동조하거나 환각을 일으킬 위험이 있다. 신입 개발자는 팀의 맥락 + 클라이언트 요구사항 + 애플리케이션의 관례의 맥락을 더해 논리적/객관적인 근거를 바탕으로 소통할 수 있다.
📢 나의 경험담
- QueryDSL vs jOOQ
- 커뮤니티 웹사이트 전용 서버 내에서 게시글 데이터를 PostgreSQL의 JSONB로 관리함 + 커뮤니티는 게시글의 비중이 매우 큼
- AI가 게시글 Read 작업에 쓸 기술로 QueryDSL과 jOOQ 제시
- QueryDSL은 표준 SQL 추상화에 집중하며, JSONB를 직접적으로 지원하지 않음 (치명적 문제)
- jOOQ는 JSONB 관련 함수와 연산자를 DSL로 직접 표현 가능 (애플리케이션 관점에서 이점)
- -> AI가 제공한 정보 + 애플리케이션 맥락 분석 후 QueryDSL 대신 jOOQ 채택