AI숙고는 (주)이프가 제조 현장에서 AI 비전검사와 장비 제어 소프트웨어를 만들고 쓰면서 든 생각을 매번 테마 하나씩 정해 적는 자리입니다. 이번 테마는 첫 글부터 미뤄 온 "노코드가 정말 개발자를 없애는가" 입니다. 요즘은 노코드에 더해 AI 코딩 에이전트까지 나왔으니, 질문을 조금 넓혀 보겠습니다. AI 가 코드를 짜는 시대에도 개발자는 살아남을까요.
결론부터 말씀드리면 저희는 살아남는다고 봅니다. 희망 섞인 말이 아니라, 저희가 매일 AI 코딩 에이전트 여러 대와 함께 검사 소프트웨어와 장비 제어 프로그램을 만들면서 확인한 이유들입니다. 다만 살아남는 개발자의 모습은 예전과 꽤 다릅니다.
먼저 인정할 것 : 손은 AI 가 더 빠릅니다
화면 하나, 통신 모듈 하나를 처음부터 짜는 속도는 이미 사람이 따라가기 어렵습니다. 반복 코드, 형식이 정해진 변환, 테스트 초안, 문서 정리 같은 일은 AI 에게 맡기는 편이 빠르고 실수도 적습니다. 저희도 이 일들은 거의 넘겼습니다.
그런데 일이 줄어든 만큼 다른 일이 늘었습니다. 써 보니 일이 사라진 것이 아니라 자리를 옮겼습니다.
| AI 가 가져간 일 | 개발자에게 더 늘어난 일 |
|---|---|
| 반복 코드 · 정형화된 변환 작성 | 무엇을 만들지 정의하고 완료 조건을 정하기 |
| 테스트 · 문서 초안 | 테스트가 정말 맞는 것을 확인하는지 검토하기 |
| 오류 메시지 검색과 1차 수정 | 재현 안 되는 현장 문제의 원인 좁히기 |
| 여러 안을 빠르게 만들어 보기 | 그중 무엇을 반영할지 결정하고 책임지기 |
그래도 개발자가 남는 네 가지 이유
1. 무엇을 만들지는 여전히 사람이 정합니다
현장에서 들어오는 요청은 대개 사양이 아니라 증상입니다. "가끔 검사가 늦어요", "야간에만 과검이 늘어요" 같은 말입니다. 이것을 재현 조건과 측정할 수 있는 완료 기준으로 바꾸는 일이 개발의 절반입니다. AI 는 물어본 것에는 훌륭하게 답하지만, 무엇을 물어야 하는지는 정해 주지 않습니다. 질문이 틀리면 정답도 정확하게 틀립니다.
2. 만드는 비용이 낮아질수록 확인하는 비용이 비싸집니다
AI 덕분에 코드를 만드는 비용은 거의 사라졌습니다. 하지만 그 코드가 맞는지 확인하는 비용은 그대로입니다. 오히려 하루에 만들어지는 코드 양이 늘었으니 확인할 것도 늘었습니다.
저희가 실제로 겪은 일입니다. 같은 과제를 서로 다른 AI 두 대에게 맡겼더니 둘 다 자기가 만든 테스트를 100% 통과했습니다. 그런데 서로의 코드를 교차 리뷰하게 하자 "규격 값이 비어 있으면 조용히 OK 로 판정" 하는 결함이 드러났습니다. 검사기에서는 불량을 양품으로 내보내는 통로입니다. 자기 테스트를 자기가 만들면 같은 맹점을 두 번 놓칩니다.
AI 시대의 개발 실력은 얼마나 빨리 쓰느냐보다 무엇이 틀렸는지 얼마나 빨리 알아보느냐에 가깝습니다.
3. 책임은 서명하는 사람에게 남습니다
장비 제어 코드가 인터록 하나를 빠뜨리면 사람이 다칠 수 있고, 검사 코드가 경계 조건 하나를 놓치면 불량이 고객사로 나갑니다. 그때 원인을 설명하고 재발 방지를 약속하는 것은 AI 가 아니라 그 코드를 승인한 사람과 회사입니다. 어떤 변경을 언제 현장에 반영할지, 문제가 생기면 어디까지 되돌릴지도 결국 사람이 정합니다. AI 는 훌륭한 작성자이지만 책임의 주체가 될 수는 없습니다.
4. 화면 밖의 세계는 아직 사람이 봅니다
저희 일은 코드가 카메라, 조명, PLC, 모터와 만나는 지점에서 끝납니다. 트리거 신호가 몇 밀리초 늦게 들어오는지, 진동 때문에 이미지가 미세하게 흔들리는지, 케이블 노이즈로 통신이 가끔 끊기는지는 로그에 다 남지 않습니다. 현장에 서서 장비 소리를 듣고 타이밍을 재 본 사람만 원인을 좁힐 수 있습니다. AI 는 로그로만 세상을 보고, 개발자는 그 로그가 무엇을 빠뜨렸는지 압니다.
그렇다면 노코드는 개발자를 없애는가
저희가 만드는 Vision Agent 는 노코드 검사 소프트웨어입니다. 카메라 연결부터 측정, AI 추론, 판정, 설비 통신까지 노드를 이어 시나리오를 만듭니다. 그러니 저희가 노코드를 깎아내릴 이유는 없습니다. 다만 만들어 보니 분명해진 사실이 있습니다. 노코드는 개발자를 없애지 않고, 개발자가 일하는 위치를 옮깁니다.
노드로 표현하기 어려운 계산이 반드시 생깁니다. 그래서 Vision Agent 에는 짧은 식을 직접 쓰는 Script 노드가 있고, 원하는 계산을 말로 설명하면 식을 만들어 주는 로컬 LLM 코딩 도우미를 붙였습니다. 인터넷 없이 사내 PC 에서 돌아갑니다.
그런데 이 도우미에도 경계가 있습니다. Script 노드는 고정된 항목을 계산하고 조립하는 데는 충분하지만, 핀 수처럼 개수가 바뀌는 항목을 반복해서 처리하지는 못합니다. 그 경계 밖은 결국 새 노드를 만드는 개발 영역입니다. 노코드가 넓어질수록 사용자가 직접 하는 일은 늘어나지만, 그 블록을 설계하고, 블록 밖의 예외를 처리하고, 블록끼리 안전하게 맞물리게 하는 일은 여전히 개발자 몫입니다.
살아남는 쪽과 밀려나는 쪽
그래서 저희가 보는 경계는 "개발자냐 아니냐" 가 아닙니다. 밀려나는 것은 개발자라는 직업이 아니라 검증 없이 받아 적는 개발 방식입니다. AI 가 준 코드를 읽지 않고 붙여 넣는 일은 이제 AI 가 혼자서도 할 수 있습니다.
- 문제를 정의하는 사람 : 현장의 증상을 재현 조건과 완료 기준으로 바꾸는 사람
- 검증을 설계하는 사람 : 작성자와 검증자를 나누고, 무엇이 틀릴 수 있는지 먼저 묻는 사람
- 책임지고 승인하는 사람 : 언제 반영하고 어디까지 되돌릴지 결정하는 사람
- 현장과 코드를 잇는 사람 : 로그에 안 남는 타이밍과 노이즈를 직접 확인하는 사람
이 네 역할은 AI 가 좋아질수록 오히려 귀해집니다. 만드는 일이 싸질수록 무엇을 만들지, 맞게 만들었는지, 내보내도 되는지를 판단하는 일의 값이 올라가기 때문입니다. 저희가 F-AGENT 플랫폼의 에이전트들을 설계할 때도 같은 원칙을 지킵니다. 실행은 에이전트에게 맡기되, 판정과 승인은 사람에게 남겨 둡니다.
다음 AI숙고에서는 이 이야기의 뒷면을 다루겠습니다. "AI 시대에 신입 개발자는 어떻게 성장하는가" 입니다. 쉬운 일을 AI 가 가져가면, 그 쉬운 일로 실력을 쌓던 사람은 어디서 배워야 할까요.
