• 목록

생성형 AI가 개발 현장에 들어오면서 실제로 많은 작업의 시간이 줄어들고 있습니다.

예전에는 개발자가 직접 찾아보고 작성해야 했던 코드의 일부를 AI가 생성할 수 있고, 자료조사나 문서 작성, 이미지 제작 같은 개발 주변 업무에서도 AI를 활용할 수 있게 됐습니다.

그러다 보면 자연스럽게 한 가지 질문이 생깁니다.

“예전에는 개발자가 하루 종일 하던 일을 AI로 몇 시간 만에 할 수 있다면, 개발비도 그만큼 저렴해져야 하는 것 아닐까?”

충분히 할 수 있는 질문이라고 생각합니다.

실제로 오랫동안 IT 업계에서는 개발자의 투입 시간을 기준으로 비용을 산정하는 맨데이(Man-Day), 맨먼스(Man-Month) 방식이 사용되어 왔습니다.

사람이 얼마나 오랫동안 투입되는지가 비용의 중요한 기준이었다면, AI로 작업시간이 줄었을 때 비용도 함께 줄어야 한다고 생각하는 것은 자연스럽습니다.

그런데 콤퓨타수선집에서 실제 업무에 AI를 사용해보면서 우리는 이 문제를 조금 다르게 보기 시작했습니다.

■ 개발자의 시간이 줄었다고 전체 개발비가 줄어든 것은 아닙니다

하나의 소프트웨어가 완성되기 위해 필요한 것은 개발자의 코딩 시간만이 아닙니다.

어떤 기능이 필요한지 정리해야 하고, 개발 구조를 설계해야 하며, 실제 서비스가 동작할 온·오프라인 컴퓨팅 환경도 고려해야 합니다.

프로젝트에 따라 외부 API나 플러그인을 사용하기도 하고, 서버와 클라우드 인프라가 필요할 수도 있습니다. 이제는 여기에 여러 AI 모델과 AI 개발 도구의 사용료도 들어가기 시작했습니다.

개발자의 직접 작업시간

↓

기획과 설계

↓

개발 환경

↓

서버·인프라

↓

API·플러그인

↓

AI 도구

↓

검수와 테스트

↓

안정화와 운영

AI가 이 과정의 일부를 빠르게 만들어준다고 해서 나머지 과정까지 같은 비율로 줄어드는 것은 아닙니다.

10시간 걸리던 코딩이 3시간으로 줄어들 수는 있습니다.

하지만 그 3시간만 보고 프로젝트 전체 비용도 70% 줄었다고 계산하기는 어렵습니다.

오히려 프로젝트에 필요한 AI, 플러그인, 컴퓨팅 환경 등의 비용이 추가될 수도 있습니다.

우리가 중요하게 보는 것은 그래서 ‘몇 시간 동안 코딩했는가’가 아니라 ‘이 결과물을 완성하기 위해 전체적으로 무엇이 투입되었는가’입니다.

■ AI를 사용한다고 개발 업무 자체가 쉬워지는 것도 아니었습니다

콤퓨타수선집은 생성형 AI가 지금처럼 대중화되기 전부터 실제 업무에 AI를 조금씩 적용해왔습니다.

지금은 자료조사, 이미지 제작, 문서 작성, 고객 응대, 개발 등 여러 업무에서 AI를 사용하고 있습니다.

분명히 효율은 좋아졌습니다.

예전보다 빠르게 자료를 찾고 초안을 만들 수 있으며, 개발 과정에서도 반복적인 작업을 줄일 수 있게 됐습니다.

그런데 직접 사용해보니 재미있는 점이 하나 있었습니다.

작업시간이 줄어드는 것과 업무의 강도가 낮아지는 것은 같은 이야기가 아니었습니다.

AI를 이용하면 짧은 시간 안에 훨씬 많은 결과물을 만들고 검토할 수 있습니다.

사람이 직접 하나를 만들던 시간에 여러 결과가 쏟아지기 때문에 작업자는 계속해서 읽고, 비교하고, 판단하고, 수정해야 합니다.

특히 AI가 만들어낸 결과물을 실제 서비스에 사용할 수 있는지 판단하려면 해당 분야에 대한 지식이 필요합니다.

코드를 생성하는 것과 그 코드가 안전한지 판단하는 것은 다른 문제이기 때문입니다.

AI가 만든 코드가 당장 동작한다고 해서 개발이 끝나는 것도 아닙니다.

다른 기능에 영향을 주는 사이드 이펙트(Side Effect)는 없는지 확인해야 하고, 실제 운영 환경에서 발생하는 오류와 버그에도 대응해야 합니다.

무엇보다 서비스를 안정적으로 운영해야 하는 기간 자체가 AI 때문에 짧아지는 것은 아닙니다.

■ 코드를 만드는 허들은 낮아졌지만, 판단의 중요성은 오히려 커지고 있습니다

과거에는 오랜 개발 경력이 곧 높은 생산성으로 연결되는 경우가 많았습니다.

하지만 AI가 개발 과정에 들어오면서 이 관계도 조금씩 달라지고 있다고 느낍니다.

개발에 대한 기본적인 이해가 충분하고 새로운 도구를 빠르게 활용할 수 있는 사람이라면 경력이 상대적으로 짧더라도 AI를 활용해 과거보다 훨씬 높은 생산성을 보여줄 수 있습니다.

코드를 ‘생성하는 것’ 자체의 기술적 허들이 낮아지고 있는 것입니다.

하지만 우리는 이것이 개발자의 전문성이 필요 없어졌다는 의미라고 생각하지 않습니다.

오히려 반대에 가깝습니다.

AI가 더 많은 코드를 만들어낼수록 사람에게는

무엇을 만들어야 하는지 결정하는 능력

AI가 만든 결과를 검토하는 능력

문제가 발생할 가능성을 발견하는 능력

기존 시스템과 연결하는 능력

서비스 운영까지 고려하는 능력

이 더 중요해집니다.

과거의 전문성이 직접 코드를 얼마나 빠르고 정확하게 작성할 수 있는가에 집중됐다면, AI와 함께 일하는 환경에서는 생성된 결과물을 얼마나 정확하게 판단하고 책임질 수 있는가의 비중이 커지고 있다고 보고 있습니다.

■ 그렇다면 고객은 무엇에 개발비를 지불하는 걸까?

이 질문을 내부적으로 생각해보면서 우리가 내린 답은 비교적 명확했습니다.

결과물에 대한 책임입니다.

개발 비용은 업체마다 크게 다릅니다.

같은 홈페이지처럼 보이고 같은 기능처럼 보여도 누가 만들고, 어떤 방식으로 개발하며, 어디까지 검수하고, 이후 발생하는 문제에 어떻게 대응하는지에 따라 가격은 달라질 수밖에 없습니다.

그래서 우리는 앞으로 개발비를 단순히

개발자 단가 × 투입시간

만으로 설명하기는 점점 어려워질 것이라고 생각합니다.

고객이 원하는 기능을 이해하고

↓

정해진 기간 안에 구현하고

↓

정상적으로 작동하는지 검증하고

↓

실제 환경에 적용하고

↓

문제가 발생하면 대응하고

↓

안정적으로 운영될 수 있도록 관리하는 것

이 전체 과정이 개발회사가 제공하는 가치이기 때문입니다.

AI가 중간의 코딩 시간을 줄여줄 수는 있습니다.

하지만 최종 결과에 대한 책임까지 AI에게 넘길 수 있는 것은 아닙니다.

■ “AI로 빨리 만들었는데 왜 개발비는 그대로인가요?”

실제 고객의 입장에서는 이렇게 생각할 수 있습니다.

“예전에는 개발자가 직접 하루 종일 만들던 것을 지금은 AI로 몇 시간 만에 만들 수 있잖아요. 그런데 왜 개발비는 그대로인가요?”

우리는 이 질문에 단순히 “AI도 돈이 듭니다”라고 답하고 싶지는 않습니다.

실제로 물리적인 작업시간이 줄어든 부분은 분명히 존재하기 때문입니다.

다만 고객이 보는 몇 시간의 개발시간과 하나의 결과물을 납품하기 위해 들어가는 전체 비용은 서로 다릅니다.

더 높은 수준의 개발 지식을 가진 사람이 AI가 생성한 결과물을 검토해야 할 수도 있고, 사용하는 AI 모델과 개발 도구, 플러그인, 서버 등의 비용이 발생할 수도 있습니다.

그리고 무엇보다 개발이 끝난 이후의 책임은 그대로 남아 있습니다.

오류가 발생했을 때 원인을 찾아야 하고, 기존 기능과 충돌하면 해결해야 하며, 서비스가 실제 환경에서 안정적으로 작동할 수 있도록 관리해야 합니다.

그래서 콤퓨타수선집이 생각하는 개발비에는 단순히 ‘코드를 작성하는 시간’만 들어 있지 않습니다.

만든 결과물이 실제로 사용될 수 있는 상태가 되도록 만들고, 그 결과에 책임지는 비용까지 포함되어 있습니다.

■ AI 시대에는 인건비 이외의 비용도 다시 봐야 합니다

소프트웨어 개발은 오랫동안 인건비 비중이 높은 산업이었습니다.

그래서 개발시간이 줄어들면 개발비도 줄어들 것이라는 생각이 자연스러웠습니다.

하지만 AI가 개발 과정에 더 깊게 들어올수록 비용 구조도 달라질 가능성이 있다고 생각합니다.

AI 모델 사용료

개발용 AI 도구

외부 API

유료 플러그인

클라우드 컴퓨팅

서버와 스토리지

검수와 운영

같은 비용의 중요성이 커질 수 있습니다.

어떤 프로젝트에서는 사람의 작업시간은 크게 줄었지만 그 시간을 줄이기 위해 사용하는 기술적 자원의 비용이 증가할 수도 있습니다.

극단적으로는 특정 작업에서 AI와 여러 외부 서비스를 사용하는 것보다 사람이 직접 처리하는 편이 비용 면에서 유리한 상황도 생길 수 있습니다.

그래서 우리는 AI 시대의 개발 견적을 단순히 ‘몇 시간이 줄었는가’만으로 바라보기보다는 사람과 컴퓨팅 자원 전체가 어떻게 투입되는가라는 관점에서도 바라볼 필요가 있다고 생각합니다.

■ 생산성이 높아진다면 더 많은 프로젝트를 받아야 할까?

AI를 사용해서 생산성이 세 배, 다섯 배 높아졌다고 가정해보겠습니다.

그러면 같은 시간 동안 세 배, 다섯 배 많은 프로젝트를 처리하는 것이 가장 좋은 방법일까요?

우리는 반드시 그렇다고 생각하지는 않습니다.

콤퓨타수선집은 많은 고객의 다양한 홈페이지와 시스템을 관리하고 있습니다.

앞으로 AI를 통해 기본적인 업무의 생산성이 높아진다면, 단순히 더 많은 프로젝트를 빠르게 생산하는 것뿐 아니라 높은 완성도를 원하는 고객에게 더 깊게 관여할 수 있는 환경을 만드는 데에도 그 생산성을 사용하고 싶습니다.

일반적인 유지보수와 개발은 효율적으로 처리하면서, 더 높은 수준의 기획과 완성도가 필요한 프로젝트에는 별도의 TF를 구성해 고객과 함께 깊게 연구하는 방식입니다.

AI가 만들어준 시간을 다시 더 높은 수준의 결과물을 만드는 데 투자하는 것입니다.

우리는 앞으로 애매한 중간 영역의 경쟁력이 점점 약해질 가능성이 있다고 생각합니다.

빠르고 효율적으로 해결해야 하는 일은 더욱 빠르게 해결되고, 반대로 높은 완성도가 필요한 일은 사람의 깊은 판단과 전문성이 더욱 중요해질 수 있습니다.

그 사이에서 개발회사가 어떤 가치를 제공할 것인지가 중요해질 것입니다.

■ 코딩을 하지 않는 개발자는 무엇을 하게 될까?

AI가 코드를 만드는 비중이 계속 높아진다면 개발회사의 역할도 달라질 수 있습니다.

앞으로는 새로운 소프트웨어를 ‘만드는 것’ 자체가 지금보다 훨씬 쉬워질 수 있습니다.

누구나 AI에게 요청해 그럴듯한 프로그램이나 서비스를 만들어낼 수 있게 되면 세상에는 지금보다 훨씬 많은 소프트웨어가 생길 것입니다.

하지만 만들어진 것과 제대로 운영되는 것은 다릅니다.

거의 완성된 프로그램에서 특정 기능 하나만 수정하면 훨씬 편리하게 사용할 수 있는데 그것을 고치지 못할 수도 있습니다.

여러 AI가 만들어놓은 시스템을 실제 회사 환경에 맞게 연결해야 할 수도 있습니다.

오류가 발생했을 때 어디서 문제가 생겼는지 판단해야 할 수도 있습니다.

그리고 어떤 기능을 추가해야 하는지조차 모르는 고객과 이야기하며 문제 자체를 정의해야 할 수도 있습니다.

이때 필요한 사람은 단순히 코드를 빠르게 입력하는 사람이 아닐 수 있습니다.

개발 지식과 기술에 대한 인사이트를 가지고 있으면서 사람과 대화하고, 문제를 이해하고, 적절한 해결 방법을 판단하고, 만들어진 시스템이 안전하게 운영되도록 책임질 수 있는 사람입니다.

어쩌면 미래의 개발회사는 소프트웨어 제작뿐 아니라 고객사의 시스템을 이해하고 기술적인 문제를 함께 상담하는 역할까지 맡게 될지도 모릅니다.

■ 우리가 판매해야 하는 것은 개발자의 시간이 아니라 책임이라고 생각합니다

AI가 10시간의 작업을 3시간으로 줄여준다면 그 변화는 분명한 생산성 향상입니다.

하지만 우리는 그 숫자만으로 개발비가 10에서 3으로 줄어야 한다고 생각하지 않습니다.

개발자의 직접 작업시간이 줄어든 대신 더 많은 기술을 사용해야 할 수도 있고, 더 많은 결과를 검토해야 할 수도 있으며, 프로젝트가 실제 서비스로 운영되기까지의 책임은 여전히 남아 있기 때문입니다.

그리고 AI가 코드를 더 많이 작성하게 될수록 우리는 오히려 개발회사가 무엇을 판매하는 회사인지 더 명확하게 정의해야 한다고 생각합니다.

우리가 판매하는 것은 코드 몇 줄이 아닙니다.

개발자가 책상 앞에 앉아 있었던 몇 시간도 아닙니다.

고객이 원하는 것을 제대로 이해하고, 필요한 기술을 선택하고, 정해진 기간 안에 구현하고, 실제 환경에서 안전하게 작동하도록 만들고, 문제가 생겼을 때 해결할 수 있는 것.

결국 우리가 개발비를 받고 제공해야 하는 것은 그 결과에 대한 책임이라고 생각합니다.

AI가 코드를 만드는 시대가 오더라도, 누군가는 그 코드가 실제 세상에서 제대로 작동하는지 책임져야 합니다.

우리는 그 역할이 앞으로 개발회사가 존재해야 하는 중요한 이유 중 하나가 될 것이라고 생각합니다.

────────────────────

■ 주요 용어 정리

맨데이(Man-Day)

개발자 한 명이 하루 동안 투입되는 작업량을 기준으로 프로젝트의 인력 비용을 산정하는 단위.

맨먼스(Man-Month)

개발자 한 명이 한 달 동안 투입되는 작업량을 기준으로 계산하는 단위.

사이드 이펙트(Side Effect)

특정 기능이나 코드를 수정했을 때 의도하지 않은 다른 부분에 영향을 주어 발생하는 문제.

생성형 AI(Generative AI)

텍스트, 코드, 이미지 등 새로운 결과물을 생성할 수 있는 인공지능 기술.

TF(Task Force)

특정 프로젝트나 문제를 해결하기 위해 필요한 인력을 별도로 구성한 전담 조직.

────────────────────

■ 함께 읽으면 좋은 글

콤퓨타이슈

「AI 서비스 요금제는 왜 복잡해지고 있을까? 구독·토큰·크레딧으로 달라지는 가격 구조」

콤퓨타지식

「AI 서비스는 어떻게 요금을 계산할까? 구독·좌석·토큰·크레딧 과금 방식의 차이」