---
title: "AI가 거의 모든 코드를 작성하면 소프트웨어 엔지니어링에는 무슨 일이 일어날까?"
original_title: "When AI writes almost all code, what happens to software engineering?"
creative_title: "코드는 AI가 쓰고, 책임은 엔지니어가 진다"
author: "Gergely Orosz (The Pragmatic Engineer)"
published: "2026-01-06 (유료 해제 2026-09-24)"
source_url: "https://newsletter.pragmaticengineer.com/p/when-ai-writes-almost-all-code-what"
translation_url: "https://rosettalens.com/s/ko/when-ai-writes-almost-all-code-what"
curated_by: "다비(davi.kr) https://davi.kr/"
curated_date: "2026-09-28"
purpose: "AI가 코드의 90% 이상을 쓰는 환경에서 개발자 역할이 어떻게 바뀌는지 파악하고, 강의와 실무에 바로 적용할 행동을 정한다."
tags: [AI코딩, ClaudeCode, 소프트웨어엔지니어링, 테스트, 기술부채, 프로덕트엔지니어]
---

- 원문: https://newsletter.pragmaticengineer.com/p/when-ai-writes-almost-all-code-what
- 한국어 번역: https://rosettalens.com/s/ko/when-ai-writes-almost-all-code-what

> 정리: [다비(davi.kr)](https://davi.kr/)

# 코드는 AI가 쓰고, 책임은 엔지니어가 진다

원제: AI가 거의 모든 코드를 작성하면 소프트웨어 엔지니어링에는 무슨 일이 일어날까?

## 문서의 목적

AI가 코드 대부분을 생성하는 시대에 가치가 떨어지는 능력과 올라가는 능력을 구분하고, 개발자와 강사가 지금 무엇을 훈련해야 하는지 결정하는 데 쓴다.

## 요약

2025년 11~12월 출시된 Gemini 3(11/17), Opus 4.5(11/24), GPT-5.2(12/11)가 전환점이었다. Claude Code를 만든 Boris Cherny는 한 달 동안 IDE를 열지 않았고, Opus 4.5가 약 200개 PR의 모든 줄을 작성했다. 저자는 여러 팀에서 AI가 코드의 90% 이상을 쓰게 된다고 가정한다. 2026년 9월 DHH가 37signals의 전면 AI 코드 생성을 공개하자 저자는 이 글의 유료 벽을 풀었다.

가치가 떨어지는 것: 프로토타입 제작, 여러 언어 숙달, 프론트엔드와 백엔드 분업, 잘 정의된 티켓 구현, 리팩터링.

가치가 오르는 것: 기능 요구와 비기능 요구(성능, 보안, 안정성)를 함께 적는 테크 리드 역량, 테스트와 CI/CD, 제품 감각, 아키텍처 결정, 기술 부채 관리.

위험 신호: Cortex 2026 보고서(엔지니어링 리더 50명 이상 조사)에서 변경 실패율이 30% 올랐다. Michael Novati는 AI 사용 후 PR 수가 2배가 됐다. 개발자가 실제로 코딩에 쓰는 시간은 주당 16%(Atlassian, 3,500명 조사)라서, AI가 코드를 다 써도 해방되는 시간은 일부다. 신입에게 시니어 수준 역량이 요구되고, PM과 개발자 역할은 더 겹친다.

## Core Message

AI가 코드를 대신 쓸수록 코드를 검증하고 구조를 설계하고 결과에 책임지는 엔지니어링 역량의 가치가 커진다.

## Core Keywords

AI 코드 생성, Claude Code, Opus 4.5, GPT-5.2, 비기능 요구사항, 테스트 피드백 루프, 변경 실패율, 기술 부채, 프로덕트 엔지니어

## 쉬운 설명

예전에는 개발자가 키보드로 코드를 한 줄씩 쳤습니다. 이제는 AI에게 "이런 기능 만들어 줘"라고 말하면 AI가 코드를 거의 다 써 줍니다. 그래서 "코드를 빨리 치는 사람"의 가치는 줄어듭니다. 대신 "무엇을 만들지 정확히 설명하고, AI가 만든 결과가 맞는지 검사하는 사람"이 중요해집니다. 요리로 치면, 재료 손질은 기계가 하지만 메뉴를 정하고 맛을 보는 셰프는 여전히 필요한 것과 같습니다.

문제는 AI 덕분에 코드가 2배로 늘면 실수도 같이 늘어난다는 점입니다. 실제로 조사에서 배포 후 사고 비율이 30% 늘었습니다. 그래서 자동으로 검사하는 장치(테스트), 전체 설계도(아키텍처), 쌓인 문제 정리(기술 부채 관리)를 할 줄 아는 사람이 더 필요해집니다.

## 활용 방법

가장 쉬운 방법: AI에게 기능을 시킬 때 테스트를 같이 요구한다.

1. 프롬프트를 두 칸으로 나눠 쓴다. 첫 칸은 기능 요구(사용자가 무엇을 하면 무엇이 되는가, 예외 상황), 둘째 칸은 비기능 요구(응답 속도, 보안, 오류 처리)다.
2. 같은 프롬프트에 "단위 테스트와 통합 테스트를 작성하고, 실패 케이스 검증 내용이 성공 케이스와 다른지 확인하라"를 넣는다.
3. 결과물은 컴파일, 정적 분석(린트), 자동 테스트 순서로 통과시킨 뒤에만 병합한다.
4. 한 달 단위로 배포 중 롤백이나 긴급 수정이 필요했던 비율(변경 실패율)을 기록한다. DORA 2025 기준 최상위 팀은 0~2%다.
5. 강의에 적용한다면, 코드 작성 실습 비중을 줄이고 "AI에게 넘길 티켓 작성" 실습과 "AI 결과물 검증" 실습을 넣는다.

## 전문가 의견(사실 기반)

### 강점

- 모델 출시일, PR 수, 조사 표본 크기 같은 확인 가능한 수치를 근거로 제시한다.
- AI 업체 소속이 아닌 DHH, Karpathy, Simon Willison의 평가를 함께 실어 업체 편향을 일부 보정한다.
- 좋은 점만이 아니라 코드 품질 하락, 업무와 생활의 경계 붕괴, 신입 부담 증가까지 다룬다.

### 한계

- 저자의 성공 경험은 테스트가 잘 갖춰진 단순하고 위험이 낮은 코드베이스에서 나왔다고 저자 스스로 밝힌다. 대형 레거시 조직에는 그대로 적용되지 않는다.
- 인용된 Jaana Dogan(Google), Thorsten Ball(Amp), Malte Ubl(Vercel), Boris Cherny(Anthropic)는 AI 개발 도구와 이해관계가 있다.
- Boris Cherny의 "100% AI 작성"은 Claude Code가 비공개 소스라 외부 검증이 불가능하다. 저자도 이 점을 인정한다.
- Dario Amodei의 "12개월 내 거의 모든 코드" 예측이 실현됐다는 판단은 개인 사례 기반이며, 업계 전체 통계가 아니다.
- Cortex 수치는 리더 50여 명 설문으로 표본이 작고, 실제 배포 로그 측정이 아니다.
- Karpathy의 "10배"는 본인 체감이며 측정값이 아니다.

### 관련 자료(트렌드 T 기존 항목)

- 아무도 모르는 코드가 세상을 돌린다: AI 코딩과 인지 부채
- AI가 개발자를 대체했다고? 빚 갚느라 사람 줄인 빅테크의 속사정

## Bottom Line

코드 작성 속도 경쟁은 끝났습니다. 다음 AI 작업부터 기능 요구, 비기능 요구, 테스트 요구를 한 프롬프트에 함께 적으십시오. 지금 당장 시작하십시오.

## 검증 구분

- 확인한 사실: 원문 본문(2026-09-28 조회), 번역 페이지 존재, 모델 출시일, 인용 수치의 원문 기재 여부
- 원문 주장(독립 검증 안 함): Cortex 30%, Atlassian 16%, Boris Cherny 200 PR, Novati 커밋 수
- 보조 출처: DORA 2025 최상위 팀 변경 실패율 0~2%(2차 인용 자료로 확인)