AI는 프런트엔드의 잃어버린 10년을 반복하게 하는가?

AI는 프런트엔드의 잃어버린 10년을 반복하게 하는가?

프런트엔드 개발 세계에서 "탈숙련화(deskilling)"라는 단어가 화제를 모으고 있습니다. 숙련된 엔지니어의 고유한 기술이 점점 흔해지는 도구로 대체되며, 누구든 무언가를 만들 수 있는 세상이 열리고 있는 것입니다. 그런데 그 안에는 조용히 되풀이되는 역사의 무게가 있습니다.

프런트엔드가 겪은 잃어버린 10년

지난 10년간 프런트엔드 개발은 JavaScript 프레임워크와 도구를 통해연열렬적 탈숙련화를 겪었습니다. 과거에는 시맨틱 HTML, CSS, 브라우저 차이, 접근성, 점진적 향상, 네트워크 성능, 인터페이스 설계, 사용자 테스트 같은 전문 지식이 없으면 프런트엔드 개발자라고 말할 수 없었습니다.

하지만 React, Vue, Angular 같은 무거운 클라이언트 측 프레임워크가 등장하면서, 브라우저를 JVM이나 iOS 같은 앱 런타임처럼 단순한 컴파일 대상으로 취급하는 방향으로 빠르게 흘러갔습니다. Shadcn의 라디오 버튼을 가져오면, 기반 HTML의구조와 브라우저별 미묘한 차이, 페이지 로딩 성능, 접근성을 깊이 이해하지 않아도 기능을 만들 수 있게 된 것입니다.

"풀스택 개발자"라는 말도 그 맥락에서 생겨났습니다. 프런트엔드와 백엔드를 모두 깊이 이해하는 사람이 아니라, JavaScript 프레임워크로 양쪽을 처리할 수 있는 범용 개발자를 뜻하는 경우가 대부분이었습니다. 기업은 일반 프로그래머를 프런트엔드 업무에 쉽게 투입해 비용을 줄일 수 있었고, 진입장벽은 낮아졌지만 노동자의 협상력도 약해졌습니다.

AI 코딩: 더 높은 추상화, 그러나 새어나가는

에이전트형 AI로 기능을 만들거나 버그를 고칠 때는 직접 모든 코드를 쓰는 대신 더 적은 말로 높은 수준의 변경을 기술합니다. AI는 훈련 데이터와 주변 맥락을 보고 생략된 세부사항을 채우며, 때로는 잘 추측하고 때로는 실패합니다.

이 방식이 유용한지는 코딩에서 무엇이 중요하다고 보는지에 크게 좌우됩니다. 에이전트형 코딩은 컴파일러처럼 결정적이지 않고, 입력이나 모델의 작은 변화가 매우 다른 결과를 낳을 수 있어 기존 프로그래밍 추상화보다 훨씬 더 많이 새어 나옵니다. AI를 "주니어 엔지니어"와 비교하는 이유도 바로 이 비결정성에 있습니다.

LLM은 Stack Overflow의 연장선

LLM 사용에 가장 가까운 비유는 과거의 Google 검색 사용 방식입니다. 적절한 포럼 글이나 Stack Overflow 답변을 첫 검색 결과 페이지에 띄우기 위해 정확한 키워드를 고르는 능력도 개발자가 배워야 할 기술이었죠. LLM 프롬프트도 훈련 데이터의 적절한 조합을 반환하게 만드는 과정이며, 퍼지 웹 검색처럼 고차원 공간에서의 조회에 가깝습니다.

Google과 Stack Overflow는 프로그래밍을 되돌릴 수 없게 바꿨고, 매뉴얼을 읽는 대신 답변을 복사·붙여넣기해도 놀라울 정도로 자주 어느 정도 작동하는 결과를 얻을 수 있게 했습니다. LLM은 같은 흐름의 연장선에 있습니다.

무언가를 하는지 아는 사람을 조금 더 빠르게 만들고, 무언가를 하는지 잘 모르는 사람도 어느 정도 작동하는 것을 만들 수 있게 합니다. 그러나 추상화는 언젠가 새어 나오며, 그때는 누군가가 실제로 무슨 일이 벌어지는지 깊이 이해하고 고쳐야 합니다.

품질과 비즈니스의 거리

일부 프로그래머는 Stack Overflow 답변을 진짜로 이해하는 단계까지 나아가지 않았고, 결과가 작동하면 충분하다고 여겼습니다. 많은 회사도 공개적으로 인정하지는 않았지만 이런 접근에 만족했습니다.

지금은 회사들이 결과물을 들여다보는 척조차 하지 않으면서 AI를 얼마나 많이 쓰는지 공개적으로 내세우는 상황이 됩니다. 많은 회사는 형편없는 소프트웨어를 계속 만들어도 잘 운영됩니다. 프로그래머가 믿고 싶어 하는 것과 달리, 비즈니스 성공과 소프트웨어 품질은 매우 드물게만 상관됩니다.

"React를 골라서 해고된 사람은 없다"는 식의 분위기 속에서 품질보다 안전한 선택이 선호됩니다. 사용자와 장인정신을 신경 쓰는 일을 그만둬야 한다는 뜻은 아니지만, 그렇게 할 수 있는 직장을 찾기는 더 어려워졌습니다.

산업화 이후에도 남는 기술

일상 제품과 건물이 산업 공정으로 대량생산될 수 있게 되었을 때, 한 반응은 과거 양식을 모방해 수공예품처럼 보이는 제품과 건물을 공장에서 찍어내는 것이었습니다. 이런 역사주의에 맞서 20세기 초 Bauhaus는 공장 노동자와 장인을 대립시키기보다, 둘이 함께 일하고 산업 제조 공정을 전제로 예술과 공예를 다시 개발하는 접근을 발전시켰습니다.

소프트웨어는 작성한 프로그램이 제조 단계를 거치지 않고 "그대로" 사용자에게 전달된다는 점에서 공예에 가깝고, 같은 것을 수천 명의 사용자에게 배포한다는 점에서는 산업디자인에 가깝습니다. 손으로 코드를 쓸 수 있는 능력은 여전히 필요하며, 산업디자이너가 제품의 재료를 알아야 하듯 웹 디자이너는 HTML과 CSS에 매우 익숙해야 합니다.

앞으로의 변화와 절충

다른 산업과 마찬가지로 제대로 하는 일의 비중은 전체에서 더 작아질 가능성이 있습니다. 동시에 더 쉽고 저렴하게 만들 수 있게 되면서 전체 파이는 계속 커질 것입니다. 일을 잘하는 대가를 받는 사람의 절대 수가 늘어날지 줄어들지는 지금 판단하기 어렵습니다.

빠른 프로토타입이나 MVP를 찍어내는 것이 올바른 선택일 때도 있습니다. 제품-시장 적합성을 아직 찾지 못했다면 모든 것을 미래 대비로 만드는 것보다 빠른 반복과 학습이 더 중요합니다. 다만 무엇을 배우려는지, 그 학습을 어떻게 검증할지 알아야 합니다.

적절한 시점이 오면 보통 한 걸음 물러서서 처음부터 제대로 하는 편이 더 낫습니다. 예를 들어 나쁜 아키텍처의 프런트엔드에서 나중에 좋은 성능을 달성하기는 매우 어렵습니다. 단순한 스택으로 시작해 나중에 기능을 추가하는 편이 그 반대보다 쉽습니다.

과열이 가라앉으면 업계는 AI가 도구상자의 또 하나의 도구일 뿐이라는 점을 깨닫게 될 것입니다. 그때까지는 AI라는 명목 아래 추한 코드, 망가진 커뮤니케이션, 끔찍한 해고가 계속 나타날 수 있습니다.

---

핵심 요약:

1. 탈숙련화의 반복: AI는 프런트엔드에서 이미 일어난 탈숙련화를 코딩 전반에서 되풀이하고 있습니다

2. 새어나가는 추상화: 에이전트형 AI는 컴파일러보다 훨씬 비결정적이고, 추상화가 더 쉽게 새어 나옵니다

3. Stack Overflow의 연장선: LLM은 숙련자를 빠르게, 초보자를 "작동하는 결과"까지 도와주지만, 누군가는 출력물을 이해하고 고쳐야 합니다

4. 품질 vs 비즈니스: 소프트웨어 품질과 비즈니스 성공은 매우 드물게만 상관됩니다. 형편없는 소프트웨어도 잘 운영됩니다

5. 남는 기술: 손으로 코드를 쓸 수 있는 능력, HTML/CSS에 대한 깊은 이해는 여전히 가치가 있습니다

AI 슬롭이 넘쳐나는 시대에, 우리는 더 많은 것을 만들 수 있게 되었습니다. 그러나 그 안에 "무언가를 하는지 알고 자신의 일에 신경 쓰는 사람"이 필요 없다는 뜻은 아닙니다. 과열이 지나간 후에도, 제대로 하는 기술은 반드시 가치를 가질 것입니다.

---

📚 출처

• https://news.hada.io/topic?id=30018