이전에는 엔지니어 팀이 필요했던 작업을 이제 일반 언어로 Claude Opus 4.8에 전달할 수 있습니다. 이를 먼저 이해한 회사는 이미 채용 방식을 재구성하고 있습니다.

DM News 편집 접근 방식에 대해 자세히 알아보려면 직접 메시지 방법론을 살펴보세요.

지난 10년 동안 대규모 소프트웨어 구축은 팀 구축을 의미했습니다. 코드를 작성하는 사람, 코드를 검토하는 사람, 코드가 실행되는 인프라를 유지 관리하는 사람, 코드가 수행된 작업을 문서화하는 사람, 오류가 발생했을 때 디버깅할 사람이 필요했습니다. 더미가 깊었습니다. 인원수가 뒤따랐습니다.

그 논리는 대부분의 채용 관리자가 예상했던 것보다 빠르게 풀리고 있습니다.

변화된 것은 단지 능력만이 아니라 능력 있는 AI가 작동하는 추상화 수준입니다. 이전의 대규모 언어 모델은 엔지니어에게 도움이 될 수 있습니다. 자동 완성, 제안, 요약이 가능했습니다. 엔지니어는 여전히 전체 작업을 머릿속에 담아서 단계별로 분해해야 했습니다. Claude Opus 4.8과 같은 모델이 나타내는 것은 뭔가 다릅니다. 높은 수준의 목표를 수신하고 작동하는 구현을 반환하고 분해, 엣지 케이스, 도구 호출 및 통합 단계를 처리하는 기능입니다.

인간의 판단이 필요한 부분이 달라지기 때문에 차이가 중요합니다. 필요한지 여부는 중요하지 않습니다. 모든 의미 있는 결정 지점에서는 여전히 그렇습니다. 그러나 출력당 인력 시간의 비율은 기업이 이제 막 조직 구조에 가격을 책정하기 시작하는 방식으로 바뀌었습니다.

전력 질주를 하던 작업

구체적인 것을 취하십시오. 12개월 전만 해도 3개의 외부 API에서 기록을 수집, 변환, 검증하기 위한 데이터 파이프라인을 구축한 다음 출력을 웨어하우스로 라우팅하고 오류에 대해 경고하는 것은 스프린트 규모의 티켓이었을 것입니다. 여기에는 백엔드 엔지니어(아마도 데이터 엔지니어)가 참여하고 인프라, 코드 검토 및 환경 전반에 걸친 테스트를 진행했습니다. 일반적인 팀에서는 여러 역할에 걸쳐 4~6일 동안 협력하여 노력합니다.

충분히 유능한 에이전트 AI 시스템에 일반 언어로 설명된 동일한 작업이 이제 몇 분 안에 작동하는 비계를 반환합니다. 수석 엔지니어가 정리해야 하는 첫 번째 초안이 아닙니다. 작동하는 스캐폴드 – 오류 처리, 로깅, 재시도 논리 및 환경 구성이 포함되어 있습니다. 모델은 요청 없이 파이프라인이 이러한 사항을 포함하지 못하는 방식에 대한 충분한 컨텍스트를 흡수했기 때문입니다.

이것이 구조적 변화이다. “AI가 코드를 더 빨리 작성합니다.”가 아닙니다. “비즈니스 결정과 기술 구현 사이의 루프를 닫는 데 필요한 인력의 수가 감소했습니다.”

구조조정의 실제 모습

이 분야의 선두에 있는 기업은 엔지니어링 팀을 해고하지 않습니다. 소음을 지배하는 프레이밍은 대부분 잘못되었으며 실제로 일어나는 일을 놓치게 됩니다.

무슨 일이 일어나고 있는지는 에이전트 AI 시스템이 조정 계층을 흡수하고 있다는 것입니다. 이전에는 4명의 사람이 의사소통해야 했던 작업이 이제는 유능한 모델과 올바른 컨텍스트에 액세스할 수 있는 한 사람에 의해 처리되고 있습니다. 4명으로 구성된 팀은 하루아침에 사라지지 않습니다. 하지만 다음 채용은 이루어지지 않습니다. 공개 요청이 동결됩니다. 1등급 티켓을 처리하던 해외 팀은 다르게 평가됩니다. 대부분 상용구 및 통합 작업이었던 주니어 위치는 정당화하기 더 어려워 보입니다.

대신 성장하는 것: 구현 이상의 수준에서 작업할 수 있는 엔지니어에 대한 수요입니다. AI가 구축할 수 있을 만큼 명확하게 구축해야 할 사항을 정의하고, 결과를 평가할 수 있는 사람. 역할은 코드 작성보다는 의도 유지, 실패 인식, 출력을 재정의해야 하는 시기를 아는 것에 더 가깝습니다.

이것은 실제 기술이며 현재는 고르지 않게 분포되어 있습니다. 이를 보유한 엔지니어의 영향력이 훨씬 더 커지고 있습니다. 아직 개발하지 못한 사람들은 생각보다 더 위태로운 위치에 있습니다.

채용 신호 회사가 실제로 지켜보고 있습니다.

특히 핀테크, 엔터프라이즈 SaaS, 개발자 도구 분야의 여러 회사는 이러한 변화를 명시적으로 알리는 직무 설명을 게시하기 시작했습니다. 언어는 다양하지만 패턴은 일관됩니다. 언어 숙련도나 프레임워크 친숙성에 대한 강조는 덜하고, 시스템 디자인, 제품 판단에 더 중점을 두며, 일부 채용 게시물에서는 현재 “AI 기반 워크플로우 유창함”이라고 부르고 있습니다.

하위 텍스트가 미묘하지 않습니다. 그들은 가끔 생산성을 보충하는 도구가 아닌 기본 도구로 AI 시스템을 사용하는 방법을 아는 사람들을 찾고 있습니다. 모델이 구현을 처리할 수 있다는 가정을 중심으로 작업 흐름을 재구성하고 이에 따라 자신의 주의를 조정한 사람들.

후보자들에게 이것은 기회이자 경고이다. 기회: 에이전트 AI를 업무에 진정으로 통합한 엔지니어는 2년 전에는 소규모 팀이 필요했던 결과를 생산하고 있으며, 수학을 이해하는 회사는 그에 따라 기꺼이 보상할 의향이 있습니다. 경고: 여전히 의미 있는 이점을 나타내지만 이러한 유창함을 개발할 수 있는 창은 좁아지고 있습니다. 오늘날 얼리 어답터를 구별하는 것은 빠르게 테이블 스테이크가 됩니다.

경영진이 큰 소리로 묻지 않는 질문

대부분의 조직에서 외부 경영진, 예산 검토, 엔지니어링 책임자와의 일대일 대화 등 사적인 대화는 공개적으로 말하는 것보다 더 직접적입니다.

이는 다음과 같이 진행됩니다. AI에 능숙한 엔지니어 한 명이 이제 3명의 비율로 티켓을 마감할 수 있다면 적절한 팀 규모는 얼마입니까? 비즈니스 요구 사항과 작동하는 소프트웨어 사이의 파이프라인이 두 자릿수로 압축된 경우 올바른 조직도는 어떤 모습일까요?

어느 누구도 이것을 큰 소리로 말하고 싶어하지 않습니다. 부분적으로는 인적 비용 때문이고 부분적으로는 이를 가장 큰 소리로 발표하는 회사가 가장 큰 내부 피해를 입히는 경향이 있기 때문입니다. 따라서 대신 느린 채우기, 레버리지와 속도를 강조하는 재구성된 성과 검토, 완전히 설명되지 않는 인원수 동결에서 나타납니다.

이 문제를 잘 처리하는 회사는 변화하는 사항에 대해 내부적으로 정직하고 기존 엔지니어가 새로운 구조에서 중요한 기술을 개발할 수 있도록 지원하는 데 투자하고 있습니다. 이를 제대로 처리하지 못하는 사람들은 조직의 적응을 가시화하지 않고 효율성 향상을 얻으려고 노력하고 있습니다. 이는 가장 많은 선택권을 가진 사람들에게 혼란, 분노, 소모를 일으키는 경향이 있습니다.

이것이 향후 12개월 동안 무엇을 의미하는가

모델 기능이 발전하는 속도로 인해 짧은 기간 후에는 예측을 신뢰할 수 없게 됩니다. 하지만 몇 가지는 내구성이 좋아 보입니다.

구현 계층의 압축은 되돌리지 않습니다. 모델은 더 많은 능력을 갖추게 될 것입니다. 전체 엔지니어링 팀의 조정이 필요한 작업 범주는 계속해서 줄어들 것입니다. 아키텍처, 제품 정의, 품질 평가 수준에서 인간의 판단에 대한 수요는 여전히 유지될 것이며, 구축할 수 있는 사물의 양이 늘어났기 때문에 증가할 수도 있습니다.

채용은 점점 더 높은 수준에서 일할 수 있는 능력에 따라 분류될 것입니다. 에이전트 AI가 안정적으로 수행할 수 있는 것과 할 수 없는 것에 대한 명확한 정신 모델을 개발하고 그에 따라 작업을 구성할 수 있는 엔지니어와 제품 리더가 기업이 경쟁하게 될 것입니다. AI를 코드의 맞춤법 검사기로 취급하는 사람들은 수학이 자신과 반대되는 것을 발견할 것입니다.

이를 먼저 이해한 기업이 반드시 가장 많은 자원을 보유하거나 AI 발표를 가장 크게 하는 기업은 아닙니다. 그들은 모델이 실제로 무엇을 할 수 있는지 살펴보고, 자체 프로세스에 따라 수학을 실행하고, 작업이 긴급해지기 전에 재설계를 시작한 사람들입니다.

그 창은 아직 열려있습니다. 하지만 밖에서 보는 것보다 길이가 짧습니다.