구글을 떠납니다
Robert O’Callahan이 AI를 더 저렴하고 빠르게 만드는 일에 기여하지 않겠다며 Google을 떠납니다. AI 위험과 사회적 영향을 우려하는 한편, Pernosco와 rr을 계속 관리하고 AI 에이전트의 디버깅을 연구하겠다고 밝혔습니다.
AI · 최신기사
AI 모델과 서비스, 활용 도구와 이용 조건을 다룹니다.
AI 노동자 조사 2026 — 기술 노동자가 말하는 생성형 AI와 일터
영국 기술노동자노조 UTAW가 기술 분야 노동자들의 경험을 모아 생성형 AI가 업무에 미치는 영향을 정리했습니다. 참여자들은 AI가 일을 없애기보다 업무량과 감시를 늘리고 숙련을 약화한다고 보고하며, 도입 협의권과 사용 거부권, 노동자의 집단적 통제를 제안합니다.
23번 거절 끝에 여러 제안 — 두 달간의 소프트웨어 엔지니어 구직에서 배운 점
저자는 약 7주 동안 72곳에 지원해 23번 거절당하고 두 곳에서 제안을 받았습니다. 이 경험을 바탕으로 지원 관리, 면접 준비, 구직 과정에서의 AI 활용과 채용 방식 변화를 정리합니다.
아마존, 해고한 직원에게도 재입사 제안
아마존이 AI·머신러닝과 AWS 등에서 일할 전직 직원에게 채용 연락을 보내고 있습니다. 회사는 부메랑 채용이 기존 관행이며 사무실 출근 정책도 바뀌지 않았다고 밝혔습니다. 기술 업계에서는 해고와 재채용이 반복되는 배경, 복귀 조건을 두고 의견이 엇갈립니다.
클로드식 문체에 지쳤습니다 — AI 보조 개발은 어디로 갈까요
개발자 Kristian Polso는 AI 도구 사용을 강하게 밀어붙이는 경영진이 코드 품질과 유지보수성을 놓친다고 지적합니다. 비용 상승과 개발자의 불만이 쌓이면 AI 사용이 조정되고, 다른 도구와 함께 쓰는 균형점에 도달하리라고 전망합니다.
코딩이 예전처럼 즐겁지 않아진 이유를 깨닫기까지
저자는 AI가 코딩의 시행착오와 막힘을 덜어내면서, 자신이 개발에서 느끼던 성취감도 함께 사라졌다고 말합니다. 결과물을 더 빠르고 많이 만드는 일과 직접 문제를 풀며 얻는 기쁨은 다르지만, 그 기쁨을 되찾을 방법은 아직 찾지 못했습니다.
사이드 프로젝트를 그만 만드세요. 아무도 신경 쓰지 않습니다 — 불편한 계산
사이드 프로젝트가 취업, 학습, 사업에 도움이 된다는 통념을 반박합니다. AI가 구현 결과물을 빠르게 만들어내는 시대에는 실제 사용자에게 배포하고 운영하며 얻는 판단력이 더 가치 있다고 주장합니다.
AI에는 지혜가 없고, 당신도 그렇게 될 수 있습니다
AI가 코드를 빠르게 만들더라도 유지보수성과 설계 품질을 즉시 평가하기는 어렵습니다. 글은 코드 읽기와 실수에 대한 책임을 포기하면 개발자의 숙련도도 자라지 않는다고 지적하며, AI를 도구로 쓰되 판단과 학습을 넘겨서는 안 된다고 주장합니다.
엔지니어가 말한 Claude Code의 그늘 — 하루 12시간 엔터만 누르는 일
익명 엔지니어 voxium은 Claude Code가 사양서·테스트·티켓·보고서까지 만들면서 엔지니어가 하루 12~13시간 프롬프트와 엔터 입력만 반복한다고 주장합니다. 커뮤니티에서는 생산성보다 검토·책임·학습 부담이 커졌다는 증언과 가드레일을 갖추면 유용하다는 반론이 맞섭니다.
15년 차 QA 베테랑, 다시 신입이 되다
15년 동안 QA 업무를 맡아온 저자가 AI agent 스타트업에 합류한 뒤 겪은 첫 2주를 돌아봅니다. 경험은 결론만이 아니라 그 결론이 맞았던 조건과 맥락까지 담아야 하며, AI가 많은 사례를 처리해도 마지막 검증에는 사람이 필요하다고 말합니다.
충분히 잘하고 있나요? 기준은 누가 정하나요?
기술 면접에서 수동 코드 리뷰를 놓친 한 개발자가 면접 평가의 기준과 개발자 역량의 관계를 묻습니다. 즉각적인 코드 패턴 기억보다 문제 해결, 학습, 도구 활용, 실제 결과물을 평가해야 하며, 한 번의 실수가 연봉 기대치를 낮춰서는 안 된다고 주장합니다.
전통적 코딩과 에이전틱 코딩의 차이 — 플로우 상태의 문제
AI 코딩 에이전트는 코드 생산량을 크게 늘릴 수 있지만, 프롬프트와 대기·알림·컨텍스트 전환이 전통적인 코딩의 촘촘한 피드백 루프와 몰입을 끊을 수 있습니다. 글은 작업을 작게 나누고 같은 프로젝트 안에서 결과를 검토하는 체크포인트를 두어, 생산성과 코드 이해도를 함께 유지하는 방법을 제안합니다.
AI는 여러분을 더 나쁜 엔지니어이자 더 나은 직원으로 만들고 있습니다
AI 코딩 도구는 티켓 처리와 기능 출시 같은 가시적 생산성을 높이지만, 그 과정에서 디버깅 감각과 낯선 문제를 스스로 푸는 능력의 성장을 막을 수 있습니다. 이 글은 AI를 쓰지 말자는 주장이 아니라, 처리량을 엔지니어링 역량의 대리 지표로 삼아 온 평가 방식의 한계를 지적합니다.
첫 AI 심사관 인터뷰 — 대체 무엇이 잘못될 수 있을까요?
AI의 도움으로 금융 의사결정 도구를 만든 뒤 AI 심사관의 기술 인터뷰를 받은 참가자의 회고입니다. 구현 세부사항과 검증 한계를 설명하지 못했던 경험을 통해, AI-assisted 개발에서도 설계·코드·실패 조건을 직접 이해하고 설명하는 능력이 중요하다는 점을 보여줍니다.
면접에서 AI를 사용했다는 이유로 탈락했습니다 — 그런데 면접관도 AI를 쓰고 있었습니다
AI를 사용한 사실을 공개했다가 면접에서 탈락한 개발자가, 같은 면접에서 AI를 사용하는 면접관을 봤다고 말합니다. 글은 코딩 평가가 문법 암기보다 AI의 오류를 판별하고 결과를 통제하는 판단력을 측정해야 한다고 주장합니다.
스스로 바보가 되는 법 101 — AI 의존이 기술 면접에서 드러낸 것
Wasmer 기술 면접을 위해 엣지 배포, 대시보드, 내구성 워크플로 시스템까지 준비했지만, 간단한 캐시 파일의 수동 코드 리뷰에서 코드의 문제를 발견하고도 설명하지 못해 고전합니다. 글쓴이는 AI를 활용한 개발 역량과 기초 코드를 직접 읽고 설명하는 능력 사이의 간극, 그리고 AI 시대에 맞지 않는 채용 방식이 무엇인지 되묻습니다.
AI가 새로운 일자리보다 더 많은 일자리를 빼앗을 것이라고 믿는 사람이 늘고 있습니다
Pew Research Center의 37개국 조사에서 34개국은 향후 20년 동안 AI가 일자리를 늘리기보다 줄일 것이라고 보는 응답이 더 많았습니다. 미국에서는 71%가 일자리 감소를 예상했으며, 응답자들은 AI가 경제적 불평등도 키울 수 있다고 우려했습니다.
AI가 코드베이스 절반을 썼다 — 유지보수 청구서는 3개월 차에 도착했다
AI 코딩 도구가 초안 생성 비용을 거의 0으로 만들었지만, 리뷰와 유지보수 비용은 그대로라서 '생산성'의 회계가 왜곡된다는 글입니다. 저자는 자신의 오픈소스 프로젝트들에서 관찰한 패턴과 METR 연구(숙련 개발자가 AI 사용 시 19% 더 느려짐)를 근거로, 생성 속도가 아닌 소유 비용(ownership cost)을 측정해야 한다고 주장합니다. 디버깅, 태스크 단위 비용, 무한 루프, 이해의 외주화라는 네 가지 숨은 비용 항목을 구체적 수치와 함께 제시합니다.
전부를 걸고 3년 만에 ARR 3,000만 달러 달성 — Stan 공동창업자의 이야기
Deloitte와 eBay를 거친 소프트웨어 엔지니어 Vitalii Dodonov가 콘텐츠 크리에이터 출신 John Hu와 공동창업한 Stan의 성장기입니다. 디지털 상품 판매 플랫폼 Stan Store와 AI 콘텐츠 비서 Stanley를 통해 현재 ARR 4,000만 달러에 도달했으며, 사용자의 실제 문제를 듣고 제품 방향을 바꾼 과정이 인상적입니다.
뇌를 끄는 방식이 통하는 지점은 없다 — 'meat proxy' 개발의 역설
Dan Luu가 LLM에 판단 없이 작업을 맡기는 'meat proxy'식 개발 방식을 분석한 에세이입니다. LLM이 발전해 이 방식이 평균 수준의 소프트웨어를 만들 수 있게 되더라도, 그 순간 회사는 LLM만 루프로 돌리고 직원을 해고하면 되므로 직원 입장에서 이 전략이 보상으로 이어지는 지점은 없다고 주장합니다.