육각형 인재가 기본값이 된 세상에서
AI 덕분에 누구나 넓게 볼 수 있게 됐어요. 육각형 인재가 기본값이 된 세상에서 남는 차이는 무엇일까요? AI를 부하처럼 다루며 기준을 고정하고, 결과를 끝까지 검증하고 책임지는 법에 대한 회고예요.
시리즈 · 프론트엔드 개발자에서 프로덕트 개발자로 (7/7)
프롤로그를 "FE라고만 부르기 애매해졌어요"라는 말로 시작했어요. 여섯 편을 쓰고 나서 돌아보니 정말 그랬어요.
화면을 만들다가 Next.js 구조를 고민했고, Docker와 Nginx로 서버를 띄웠고, DB 테이블을 읽으며 API를 짰고, 기획 단계에서 먼저 질문을 던졌고, 자정 직전에 터진 결제 에러를 서버 로그부터 따라갔어요. 직함은 프론트엔드 개발자인데, 어느새 기획도 DB도 운영도 보는 시야가 생겨 있었어요.
마지막 글에서는 이 경험이 저에게 무엇을 남겼는지, 그리고 AI와 함께 일하는 지금 어떤 마음가짐으로 일하고 있는지를 이야기해 보려고 해요.
1. 육각형 인재가 기본값이 됐어요
채용 공고를 보면 늘 비슷한 인재상이 적혀 있어요. 수동적이기보다 능동적인 사람, 자기 영역을 넘어 넓게 보는 사람, 육각형 인재나 T자형 인재 같은 말들이요. 저는 이런 인재를 다들 찾지만 쉽게 만날 수 없는 드문 존재라고 생각했어요. (전설 속 포켓몬처럼요.)
그런데 지난 경험을 돌아보면, FE 개발자인 제가 기획, DB, 운영까지 볼 수 있었던 건 제가 특별해서가 아니었어요. 옆에 AI가 있었고, AI가 읽을 수 있는 자료들이 있었기 때문이에요. 모르는 DB 구조는 MCP로 바로 들여다봤고, 하루치 로그는 AI와 같이 읽었고, 처음 보는 인프라 설정은 물어가며 익혔어요.
그 말은 이제 누구나 할 수 있다는 뜻이에요. 넓게 보는 능력은 AI 덕분에 흔해졌어요. 드물던 육각형이 이제는 기본값이 된 거예요.
그렇다면 넓게 보는 것만으로는 더 이상 차이가 나지 않아요. 이 글은 그다음, 무엇이 남는가에 대한 이야기예요.
2. 신입인데 부하가 생겼어요
AI를 쓰면서 동료가 엄청 많이 생겼어요. 그런데 가만히 보면 동료라기보다는 부하 직원에 가까워요. 제가 일을 나눠주고, 결과를 받아서 검토하니까요.
아니, 예? 저는 아직 신입 같은데 부하 직원이 있다고요?
부하 직원이 있다는 게 어떤 건지는 우리 팀의 시니어, 팀장, CTO를 보면 알 수 있어요. 그분들이 개발을 많이 하냐고 하면, 많이 할 수도 있어요. 하지만 그보다 더 중요한 일이 있어요.
- 일을 적절한 크기로 나눠서 맡기고
- 해온 결과를 검토하고
- 놓친 부분, 더 고려해야 할 부분을 짚어주는 것
관리하고 감독하는 일의 비중이 커져요. 그게 상급자이고, 리더이고, 조직장의 역할이에요.
AI로 부하를 얻게 된 지금, 연차와 상관없이 우리도 그런 사람이 되어야 해요.
3. "AI가 했는데요?"는 답이 될 수 없어요
리더의 역할에서 가장 무거운 건 책임이에요. 부하가 해온 일이라도 그걸 보고 "좋아, 이걸로 가자"고 정한 순간, 결과는 리더의 몫이 돼요.
AI도 똑같아요. AI가 만든 코드든, AI가 분석한 원인이든, 그걸 받아들이고 반영한 건 저예요. 문제가 생겼을 때 "AI가 그렇게 했는데요?"는 답이 될 수 없어요.
6편의 결제 에러가 그랬어요. AI는 로그를 읽고 가능한 시나리오를 제시했어요. 하지만 그건 가설이었어요. 그 시나리오대로 직접 재현해 보고, 코드가 정말 그렇게 동작하는지 확인하고 나서야 "이게 원인입니다"라고 말할 수 있었어요. 확인하지 않고 그대로 믿었다면, 틀렸을 때 그 책임도 그대로 제 것이었을 거예요.
비즈니스도 마찬가지예요. 어떤 기획이 잘될지는 아무도 몰라요. 기획은 결국 가설을 세우고, 추이를 보고, 검증하는 실험이에요. 이걸 AI에게 맡기고 결과까지 책임지라고 하는 건 너무해요. 사람 부하에게도 그러지 않잖아요.
보통은 이렇게 하죠. "실적 분석해 봐. 사용자 추이 분석해 봐. 그리고 적절한 기획안 뽑아 봐." 그렇게 올라온 보고 중에서 가장 나아 보이는 걸 윗선이 선택하고, 그 선택에 책임을 져요.
AI와도 그렇게 일해야 해요. 분석은 맡기고, 선택과 책임은 제가 지는 거예요.
무거운 짐이에요. 그래도 져야 하고, 이겨내야 해요.
4. 부하는 착각도 하고, 거짓말도 해요
책임을 지려면 받은 결과를 믿어도 되는지 판단할 수 있어야 해요. 그런데 사람도 AI도 오해하고, 착각하고, 때로는 그럴듯한 거짓말을 해요. 다른 건 그걸 걸러내는 방법이에요.
사람은… 음, 믿음에 베팅하는 부분이 커요. 같이 일하면서 신뢰를 쌓고, 그 신뢰를 믿고 맡기죠.
AI는 다르게 다뤄야 한다는 걸 몇 번 겪고 나서 알게 됐어요.
컨벤션을 정해주지 않고 구현을 맡기면, AI는 기존 코드베이스와 상관없이 자기 마음대로 짰어요. 돌아가긴 하는데 우리 코드 같지가 않았어요.
"코드 리뷰해줘"라고만 했을 때는 더 헷갈렸어요. 매번 다른 기준으로 리뷰를 했거든요. 어떤 때는 문제라고 짚었던 부분이, 알고 보니 문제가 아니었던 적도 있었어요. 기준이 없으니 지적이 맞는지 틀린지부터 다시 확인해야 했어요.
AI의 장점은 다양하게 사고한다는 거예요. 그런데 판단의 기준점까지 매번 달라지면, 그건 장점이 아니라 단점이 돼요.
5. AI를 순수 함수처럼 쓰려고 해요
그래서 요즘 가장 많이 하는 고민은 AI를 어떻게 더 순수하게 쓸까예요.
프론트엔드 개발자에게 익숙한 말로 하면 순수 함수예요. 같은 입력이 들어오면 언제나 같은 출력을 내고, 바깥 상태에 따라 흔들리지 않는 것. AI가 순수하지 못한 건, 정확하고 확고하고 변하지 않는 기준이 없기 때문이라고 생각해요. 그렇다면 불변하는 기준을 쥐여주면 AI를 조금 더 순수하게 쓸 수 있어요.
제가 하고 있는 방법은 두 가지예요.
규칙을 고정해요. 구현할 때 쓰는 컨벤션을 빡빡하게 잡아서 스킬로 만들어 두었어요. 예를 들어 React Query를 쓸 때의 컨벤션을 명확하게 정해두니, AI가 만든 코드가 매번 같은 모양으로 나오기 시작했어요. 리뷰도 마찬가지예요. "리뷰해줘"가 아니라 "이 기준으로 리뷰해줘"가 되어야 해요.
코드로 판단하게 해요. 코드는 거짓말을 하지 않아요. 빈틈이 있을 뿐이죠. npm run lint가 매번 같은 기준으로 코드를 검사하듯이, 정량적으로 판단할 수 있는 건 스크립트로 만들어 AI의 결과물을 검증하게 하는 방향을 고민하고 있어요.
이렇게 나누면 책임의 무게도 조금 덜 수 있어요.
| 판단의 종류 | 누가 / 무엇으로 |
|---|---|
| 정량적으로 판단할 수 있는 것 (컨벤션, 타입, 규칙 위반) | 스크립트와 규칙으로, 매번 같은 기준에서 |
| 사람이 판단해야 하는 것 (방향, 우선순위, 비즈니스) | 반드시 사람이 개입해서 |
모든 걸 사람이 검토하면 지치고, 모든 걸 AI에게 맡기면 책임질 수 없어요. 기계가 판단할 수 있는 건 기계에게 맡기고, 사람의 판단이 필요한 곳에 사람의 시간을 써야 해요.
같은 입력에 같은 기준. AI를 순수하게 쓰는 방법은 결국 기준을 고정하는 거였어요.
6. 끈질기게 묻고, 자산으로 남겨요
책임을 진다는 건 한 번 확인하고 끝나는 게 아니에요. 그래서 끈질겨야 해요. 조금은 집착하듯이 물어야 해요.
- AI가 만들어 온 걸 믿어도 되는가
- 그 방향이 맞는가
- 성공했다면 무엇을 어떻게 했기에 성공했는가
- 실패했다면 왜 실패했는가
그리고 그 답을 흘려보내지 않고 자산으로 남겨야 해요. 그래야 다음번에 같은 실수를 하지 않고, 더 잘한 방법을 다시 쓸 수 있어요.
사실 이건 새로운 일이 아니에요. 우리는 원래 에러 리포트를 쓰고, 인수인계 문서를 만들고, 테스트 코드를 짜왔어요. 달라진 건 그걸 읽는 대상이에요. 이제는 사람뿐 아니라 AI도 읽어요.
6편의 결제 에러를 정리할 때, 저는 상황 보고서 맨 위에 이렇게 적었어요. "다른 AI 에이전트가 이 문서만 읽고 원인과 흐름, 수정 방향을 이해할 수 있도록 작성함." 원인을 찾고 끝나는 게 아니라, 다음 사람이든 다음 AI든 이 문서 하나로 같은 맥락에서 출발할 수 있게 남겨둔 거예요. 컨벤션을 스킬로 만들어 둔 것도 같은 이유예요.
이걸 혼자만 하고 싶지는 않았어요. 그래서 사내에서 하네스 엔지니어링 스터디를 먼저 제안해서 진행하고 있어요. 다른 사람들이 만든 스킬을 공유받아 직접 적용해 보고, 제가 만든 것도 나눠요.
저는 지식을 같이 나누는 게 좋아요. 여러 사람의 생각을 들으면 제가 생각하지 못했던 부분을 알게 되고, 제 지식이 닿지 못한 곳이나 이미 닿은 곳을 서로 채워주며 같이 성장할 수 있어요. 그리고 제가 아는 걸 다른 사람에게 설명하다 보면 그 지식이 더 단단해져요. 개인의 자산이 조직의 자산이 되는 순간이에요.
7. 결국 더 많이 알아야 해요
그런데 끈질기게 묻고 책임을 지려다 보니, 결국 제가 많이 알아야 하더라고요. AI가 가져온 답이 맞는지, 더 나은 방법이 있는지는 제가 아는 만큼만 판단할 수 있으니까요.
한 분야만 할 때는 그 분야만 잘 알면 됐어요. 그런데 이제는 화면, 인프라, DB, 기획, 운영까지 여러 일을 하다 보니 여러 분야의 지식이 필요해졌어요. AI 덕분에 일하는 속도는 빨라졌지만, 공부해야 할 범위는 오히려 넓어진 셈이에요.
공부가 없으면 책임을 질 수 없어요. 무엇이 더 나은지도 판단할 수 없고요. 그러면 AI에게 일을 맡기는 게 아니라, 목줄을 AI에게 넘겨주는 꼴이 돼요.
AI가 빨라질수록, 판단하는 사람은 더 많이 알아야 해요.
8. 개발 밖으로도 넓혀가요
처음에는 AI를 개발에서 잘 쓰는 것만 생각했어요. 코드를 더 빨리, 더 잘 짜는 것이요.
지금은 AI를 쓰는 범위를 넓혀가는 것도 중요하다고 생각해요. 장애를 추적할 때 로그와 DB를 같이 읽게 하고, 기획을 정리할 때 분석을 맡기고, 이 글도 그렇게 쓰고 있어요. Claude와 Cowork로 초안을 다듬고, 맞춤법을 보고, 이미지를 만들고, 피드백을 받아서 퇴근하고 다시 검토해요.
AI가 쓰고, 마지막에 판단하고 책임지는 건 제가 하는 구조예요. 이 글도 예외는 아니에요.
9. 책임지는 사람, 끈질긴 사람
여섯 편에 걸쳐 FE 개발자가 프로덕트 개발자로 넓어지는 이야기를 했어요. 그리고 마지막에 와서 깨달은 건, 넓어지는 것 자체는 이제 특별하지 않다는 거예요. 육각형은 이제 기본값이에요.
그래서 저는 이런 사람이 되고 싶어요.
AI라는 부하에게 일을 잘 나눠주고, 해온 결과를 집요하게 검토하고, 정량적으로 판단할 수 있는 건 불변의 기준에 맡기고, 사람의 판단이 필요한 곳에서는 끝까지 고민하는 사람. 그리고 그 결과가 무엇이든 "AI가 했는데요?"가 아니라 "제가 결정했습니다"라고 말할 수 있는 사람이요.
책임을 지는 사람, 그리고 끈질긴 사람.
육각형이 기본값이 된 세상에서, 그게 제가 남기고 싶은 차이예요.