AI가 코드를 대신 짜주는 시대다. 그런데 정작 현장에서 보면 코드를 빨리 만드는 능력보다 “이 결과가 정말 맞는지 판단하는 힘”이 훨씬 귀해졌다. 그 판단의 근거가 바로 도메인 지식이다. AI 시대 개발자 경쟁력의 중심축은 ‘코딩 실력’에서 ‘도메인 지식’으로 옮겨가고 있다.
이 글에서는 최근 화제가 된 한 개발자의 주장을 출발점으로, 왜 코딩보다 그 지식이 먼저인지, 같은 AI 도구를 써도 누가 더 강한지, 그리고 전문지식이 코딩을 앞선 실제 사례까지 짚는다. 마지막에는 “그럼 코딩은 몰라도 되느냐”는 반론도 함께 다룬다.
AI 시대, 왜 코딩보다 도메인 지식인가
소프트웨어 개발자 아론 브레트호르스트(Aaron Brethorst)는 디지털투데이가 기가진을 인용해 전한 글에서, AI가 코드를 빠르게 생성하는 시대일수록 중요한 것은 코드 작성 자체가 아니라 그 코드가 풀어야 할 문제의 구조를 이해하는 전문성이라고 짚었다. 코드는 도구일 뿐, 무엇을 만들지 결정하는 건 결국 현장 지식이라는 것이다.
급여 계산 시스템을 예로 들어보자. 계산 로직을 코드로 옮기는 일은 이제 AI가 몇 분이면 끝낸다. 하지만 세율, 공제 조건, 급여 기간별 조정 같은 실제 규칙을 정확히 아는 일은 AI가 대신해 주지 못한다. 시스템이 제대로 돌아가는지 판단하는 기준조차 프로그래밍 문법이 아니라 그 업무를 아는 사람의 머릿속에 있다. 코드가 깔끔한지가 아니라, 결과가 현실의 규칙과 맞아떨어지는지가 핵심이다.
나는 하드웨어 엔지니어로 출발해 데이터와 AI로 영역을 넓혀오면서 이 감각을 자주 확인했다. 장치산업 장비관리 현장에서 어떤 측정값이 정상인지 비정상인지 가르는 건 통계 공식이 아니라 그 설비를 아는 경험이었다. 같은 원리가 코드에도 그대로 적용된다. AI가 출력한 결과가 맞는지 틀린지를 가르는 마지막 기준선은 도메인 지식이다.
같은 AI 도구, 배차 담당자와 엔지니어는 뭐가 다른가
브레트호르스트는 같은 AI 코딩 도구를 쥐여줘도 15년 경력의 물류 배차 담당자와 우수한 소프트웨어 엔지니어가 서로 다른 강점을 보인다고 설명했다. 배차 담당자는 코드를 직접 쓰지 못해도 AI가 만든 물류 시스템이 현장 요구에 맞는지 단번에 판별한다. 반대로 엔지니어는 코드 품질은 평가하지만, 그 시스템이 실제 운영 요건을 충족하는지까지는 놓칠 수 있다.
F1 레이스에서 이런 상황을 상상해보자. 같은 데이터 분석 도구를 드라이버와 신입 엔지니어가 동시에 받았다. 드라이버는 코드를 못 짜도 “이 코너에서 타이어가 이렇게 미끄러질 리 없다”고 즉시 알아챈다. 신입 엔지니어는 분석 코드는 흠잡을 데 없이 짜지만, 그 숫자가 트랙 위 현실과 어긋나는 지점을 못 본다. 누구의 손에서 더 빠른 랩타임이 나올까.
이 시나리오는 개념 설명을 위한 가상의 상황입니다. 실제 F1 팀의 전략과 다를 수 있습니다.
차이를 표로 정리하면 이렇다.
| 구분 | 도메인 전문가 | 코딩 전문가 |
|---|---|---|
| 강점 | 결과가 현실 요건에 맞는지 판별 | 코드 구조·품질 평가 |
| 약점 | 요구사항을 코드 언어로 옮기기 어려움 | 현장 운영 요건을 놓칠 수 있음 |
| AI 시대 역할 | 무엇이 맞는지 판단하는 기준 제공 | 어떻게 구현할지 설계 |
에이전트형 AI가 별도 모델을 직접 구축하지 않고도 소프트웨어를 만들어내면서, 그동안 개발 현장에서 당연히 묶여 있던 전문지식과 코드의 결합이 느슨해졌다. 코드를 짜는 비용이 거의 0에 수렴하자, 남는 가치가 현장 지식 쪽으로 쏠린 것이다.
전문지식이 코딩을 앞선 3가지 장면
이 변화는 추상적인 주장이 아니다. 실제로 관찰되는 장면이 있다.
첫째, 역할 구도가 뒤집혔다. 과거에는 엔지니어가 현업 전문가와 반복적으로 협업하고 운영 환경에서 시행착오를 거치며 시스템을 완성했다. 현업 전문가는 업무 지식은 있어도 신뢰할 수 있는 소프트웨어를 직접 만들 길이 없었다. 그러나 AI가 아이디어를 작동하는 소프트웨어로 바꾸는 비용을 낮추면서, 엔지니어의 구현 역량보다 현업 지식의 가치가 더 부각되고 있다.
둘째, 앤트로픽 해커톤의 결과가 이를 상징적으로 보여준다. 최신 AI 모델 활용을 겨룬 이 행사에는 500명이 참가했고 대부분이 개발자였지만, 수상자 5명 중 3명은 소프트웨어 출시 경험이 없었다. 시스템 연구자 덱스터 하들리는 이 결과를 두고 전문지식이 코딩 능력을 앞선 사례라고 평가했다.
셋째, 시간을 투자할 분야가 달라졌다. 브레트호르스트는 경력 엔지니어가 앞으로 파고들 영역으로 실제 산업과 업무 과정, 전문 장비, 규제 제도에 대한 깊은 이해를 꼽았다. 깔끔한 코드로 구현하는 기술의 값어치는 떨어진 반면, 현실의 업무를 깊이 이해하고 실무로 검증한 지식은 여전히 희소하다. 결국 AI 시대 개발자 경쟁력은 어떤 지식을 가졌는가에서 갈린다.
그래도 도메인 전문가가 곧장 개발자가 되진 않는다
물론 그것만 있으면 끝이라는 단순한 이야기는 아니다. 해커뉴스에서는 곧바로 반론이 나왔다. 시스템 출력이 맞는지 검증하는 능력과, 애초에 올바른 출력을 만들도록 AI에 지시하는 능력은 전혀 다르다는 것이다.
오랜 경험으로 몸에 밴 규칙을 가진 전문가라도, 그 암묵지를 AI가 이해할 수 있는 테스트와 요구사항으로 명확히 정리하는 데는 어려움을 겪는다. “이건 그냥 척 보면 안다”는 감각은 강력하지만, 그대로는 AI에게 전달되지 않는다. 머릿속 기준을 언어로 끄집어내 검증 가능한 조건으로 바꾸는 일, 그게 바로 현장 지식과 코딩 사이를 잇는 다리다.
그래서 진짜 강한 사람은 둘 중 하나가 아니라, 가진 지식을 AI가 알아들을 요구사항으로 번역할 줄 아는 사람이다. AI가 소프트웨어 생산 방식을 바꿔도, 어떤 결과가 맞는지 판단하는 책임은 여전히 사람의 산업 지식에 남아 있다.
핵심 요약
- AI가 코드를 대신 짜는 시대일수록, 결과가 맞는지 판단하는 도메인 지식이 개발자 경쟁력의 중심이 된다.
- 같은 AI 도구를 써도 현장을 아는 사람과 코드만 아는 사람의 강점이 갈린다. 코드는 구현을, 현장 지식은 판단을 맡는다.
- 앤트로픽 해커톤 수상자 5명 중 3명이 출시 경험이 없었다는 사실은 전문지식이 코딩을 앞선 장면을 보여준다.
- 단, 도메인 지식을 AI가 이해할 요구사항으로 번역하는 능력이 함께 있어야 진짜 무기가 된다.
문명의 격차가 기술이 아니라 환경에서 갈렸듯, AI 시대 경쟁력도 도구가 아니라 가진 지식에서 갈린다.
▶ 총균쇠 요약 — 환경이 만든 격차, AI 시대에 다시 읽어야 하는 3가지 이유
도메인 지식이 왜 AI 전환 시대의 무기인지 더 깊이 보고 싶다면 이어서 읽어볼 만하다.
▶ AX 뜻 완전 정복 — DX 다음에 온 AI 전환이 현장을 바꾸는 3가지 방식
이 주장의 원문 맥락은 디지털투데이 기사에서 더 확인할 수 있다.
