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.
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.
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.
Applicant Tracking System(ATS)은 이력서를 직함·회사·기간·기술 같은 구조화된 필드로 압축하면서 비선형 경력의 연결고리와 전이 가능한 역량을 버립니다. 글은 편향을 줄이려는 구조화된 채용의 필요성을 인정하면서도, 모든 지원자에게 같은 질문과 평가 기준을 적용해 경력 간 연결을 기록할 필드를 추가하자고 제안합니다.
작은 도구와 실험을 자주 만드는 개발자가 프로젝트의 완료 기준을 돌아봅니다. 기능을 계속 추가해 제품이나 SaaS로 확장하는 것만이 성공은 아니며, 처음 의도한 목적을 달성하고 배운 것을 얻었다면 그대로 끝내도 된다는 관점을 제시합니다.
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.
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.
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.
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.
저자가 30일간 작성 에이전트와 별도의 '회의론자(skeptic)' 리뷰 에이전트를 운영한 실험 기록입니다. AI 리뷰어는 41개 실제 이슈 중 38개를 잡았지만, Stripe 웹훅의 'ack-before-persist' 같은 조용한 데이터 정합성 버그는 같은 모델 계열 특유의 공통 맹점 때문에 놓쳤고, 시니어 엔지니어는 과거 장애 경험으로 5분 만에 발견했습니다.
Harvard Crimson이 Faculty of Arts and Sciences 소속 교수 460여 명을 대상으로 실시한 설문에서 거의 3분의 2가 AI가 수업에 부정적 영향을 미쳤다고 답했습니다. 작년 42%에서 크게 늘어난 수치이며, 전면 금지 정책을 둔 교수도 25%로 증가했습니다. 학교 리더십이 AI 활용을 장려하는 방향으로 움직이는 것과 대조되는 결과입니다.
소프트웨어 엔지니어 Petar Georgiev는 소셜 미디어 스케줄러가 필요했지만 시중 제품이 비싸거나 기능이 부족하다고 느껴 직접 PostFast를 만들었습니다. 포화 상태인 이 시장에서 약 6개월 만에 수익성을 달성했고, 현재 €5.4k MRR을 기록하고 있습니다. 뛰어난 UX와 속도, 미디어 사전 처리를 통한 게시 실패 최소화가 차별화 포인트입니다.
30일간 실제 프로덕션 SaaS의 모든 코드를 AI로 작성한 실험 후, 저자는 'AI가 개발자를 대체할 것'이라는 글 500편을 분석했습니다. 낙관론과 비관론 모두 코드 생성을 직업 전체로 착각하고, 주니어-시니어 사다리가 고정돼 있다고 가정하며, 데모를 근거로 미래를 외삽한다는 세 가지 공통된 오류를 지적합니다.
리포트 대시보드의 페이지네이션 버그를 고치던 개발자가 필터 상태 중복, 클라이언트-서버 검증 로직 중복을 연달아 발견하고 수정하다가 서버 컴포넌트 전환 직전에 멈춘 경험담입니다. 변경 파일이 하나에서 일곱 개로 불어나는 순간, '이 변경이 제품에 필요한가, 아니면 내가 하고 싶은가'를 자문해 PR을 분리했다고 합니다. 저자는 변경의 크기가 아니라 정당화에 걸리는 시간과 그 정당화가 누구를 위한 것인지가 판단 기준이라고 말합니다.
미국 Census Bureau의 두 논문에 따르면 ChatGPT 출시 이후 컴퓨터공학 등 AI 노출도가 높은 전공 졸업생들의 신규 채용과 초기 임금이 크게 줄었고, 상당수가 리테일·외식업 등 저임금 직종으로 밀려난 것으로 나타났습니다. 고용 시장 전반이 아니라 AI 노출 산업에 집중된 현상이라는 점이 핵심입니다.
1년 반 동안 재택으로 일해온 시니어 .NET 개발자가 허리 부상을 계기로 출근 강요, '코드 품질' 서면 경고, 'Claude는 20달러다'라는 모욕적 발언까지 겪으며 퇴사를 결심한 사연입니다. 5개월치 생활비와 부수입, 진행 중인 구직을 근거로 사표 제출을 예고했고, 이 괴롭힘의 배경에 인력 감축 의도가 있다고 추측합니다.
10년간 수많은 앱을 만들고 실패한 창업자가 첫 엑싯 이후 '시장이 원하는 것'을 판별하는 기준을 체득해, 이후 연속으로 수익형 SaaS를 만들게 됐다는 경험담입니다. 현재 네 번째 제품 DemandBird는 유료 고객 51곳을 확보했고, 지난주에는 AI 에이전트가 작성한 Pull Request 172건을 머지하며 '개발자가 아닌 시스템 빌더'로 일하고 있다고 밝혔습니다.
알고리즘 코딩 인터뷰를 앞둔 저자가 LeetCode 벼락치기 대신 ChatGPT가 생성한 쉬운 문제부터 단계적으로 난이도를 올리며 준비한 경험을 공유합니다. 문제를 풀며 막히는 지점을 기록하고 자신의 풀이 영상을 복기한 끝에, 가정 정리부터 수동 추적, 점진적 테스트까지 이어지는 10단계 작업 리듬을 정립했습니다.
금융 앱에서 흔히 요구되는 '문서 허브'와 '알림 센터' 같은 범용 플랫폼 기능은 빌드 비용보다 수년간의 유지 비용이 훨씬 크다는 지적입니다. 저자는 각 유스케이스를 개별 검토하고, 이미 존재하는 단순한 수단을 쓰며, 기능을 빼는 일을 조직적으로 밀어붙여야 한다고 주장합니다.
독자는 LLM이 생성한 문장을 즉시 알아채므로, 글은 직접 쓰고 LLM은 교정자(copyeditor)로만 써야 한다는 주장입니다. 모델이 제안하는 표현은 단 하나도 쓰지 말 것, 모델의 격려를 받아들이지 말 것이라는 두 규칙과 함께, 문제 지적·수정본 비교·CLI 기반 편집 도구까지 실전 워크플로를 제시합니다.
AI 코딩 도구가 대부분의 개발자보다 낫다는 주장에 대해, 실무 개발자가 연구 데이터를 근거로 반박한 글입니다. METR 연구에서 숙련된 개발자들은 AI 도구 사용 시 19% 더 오래 걸리면서도 20% 더 빠르다고 느꼈고, AI 생성 코드는 버그 발생률이 1.7배, XSS 취약점은 2.7배 높았습니다. 저자는 AI를 매일 쓰면서도 '코드를 읽고 틀린 부분을 즉시 잡아내는 능력'이야말로 지금의 핵심 역량이라고 주장합니다.