Part I
신입이라면 이렇게 움직인다
01편에서 봤듯이 신입 채용이 줄고 있다. 하지만 "줄었다"와 "없다"는 다르다. 좁아진 문을 통과하려면 전략이 필요하다. 같은 스펙, 같은 포트폴리오로는 뚫리지 않는다. 전략 없는 노력은 소음이다.
코드 리뷰를 받고, 실무 협업 감각을 익히고, 포트폴리오를 동시에 확보한다. GitHub 프로필 자체가 이력서가 되는 시대. 작은 이슈 수정부터 시작한다. 중요한 것은 "기여한 프로젝트의 규모"가 아니라 "코드 리뷰를 주고받은 경험"이다. PR을 올리고, 리뷰를 받고, 수정하고, 머지되는 과정. 이 사이클을 겪어본 사람과 아닌 사람의 차이는 면접에서 드러난다.
"AI로 만든 프로젝트"가 아니라 "AI를 관리하며 만든 프로젝트"를 보여준다. AI가 생성한 코드를 리뷰하고, 아키텍처를 설계하고, 품질을 검증한 과정을 기록한다. 프롬프트 로그, 코드 리뷰 코멘트, 리팩토링 히스토리. 이것이 2026년의 신입 차별화 포인트다. "AI가 짜줬습니다"가 아니라 "AI의 출력을 이렇게 판단하고 수정했습니다"가 면접관이 듣고 싶은 말이다.
핀테크, 헬스케어, 물류, 제조. 코딩 실력이 비슷하면 도메인을 아는 사람이 이긴다. 특정 산업의 비즈니스 로직을 이해하는 개발자는 AI가 대체할 수 없다. 관심 있는 산업을 하나 골라 깊이 판다. 그 산업의 규제, 워크플로우, 페인 포인트를 이해하면 코드 한 줄의 가치가 달라진다. "아무 산업이나 코딩할 수 있는 사람"보다 "이 산업을 아는 개발자"가 채용 우선순위에서 앞선다.
포트폴리오용 CRUD 앱은 아무도 안 본다. 실제 사용자가 있는 서비스를 만들고 운영한다. 배포, 모니터링, 장애 대응, 사용자 피드백 반영. 이 경험이 "경력 0년이지만 운영 경험 있음"을 증명한다. 사용자 10명이라도 좋다. 실제로 쓰이는 서비스를 유지보수해본 경험은 면접에서 어떤 알고리즘 문제보다 강력한 신호다.
신입에게 필요한 것은 완벽한 코드가 아니라, AI와 협업할 수 있다는 증거다.
Part II
경력이라면 다르게 움직인다
경력 개발자의 위기는 "대체"가 아니라 "정체"다. AI 시대에 5년 전과 같은 방식으로 일하고 있다면, 연차만 높고 생산성은 AI+신입 조합보다 낮은 사람이 된다. 연차가 무기가 되려면 연차가 쌓이는 동안 축적된 것이 있어야 한다.
하나의 깊은 전문성(백엔드, 인프라, 데이터 등)에 AI/클라우드/비즈니스의 넓은 이해를 더한다. "풀스택"이 아니라 "깊이+폭"이다. 깊이 없는 넓이는 AI에게 진다. 모든 것을 얕게 아는 사람보다, 한 영역에서 깊고 인접 영역을 이해하는 사람이 팀에서 더 높은 가치를 갖는다.
AI를 "부하 직원"처럼 관리하는 역량. 프롬프트 엔지니어링이 아니라, AI가 생성한 코드를 평가하고 방향을 수정하는 감독 능력. Cursor, Copilot, Claude Code를 일상 도구로 쓰되, 결과물의 품질을 판단하는 눈을 유지한다. AI가 만든 코드를 그대로 커밋하는 사람과, 리뷰하고 수정하고 테스트한 뒤 커밋하는 사람. 후자가 살아남는다.
코드를 "짜는 사람"에서 "판단하는 사람"으로. AI가 만든 코드를 리뷰하고, 시스템 아키텍처를 설계하고, 기술 부채를 관리하는 역할. 이 역할은 AI가 대체할 수 없다. 코드 한 줄을 짜는 속도에서 AI를 이길 수 없지만, "이 코드가 6개월 뒤에 문제를 일으킬지" 판단하는 것은 경험에서 나온다.
기술적 트레이드오프를 비개발자에게 설명하는 능력. "왜 이 기능이 3주 걸리는지", "왜 이 기술 부채를 지금 갚아야 하는지"를 비즈니스 임팩트로 번역한다. 이 역량은 연차와 함께 축적되고, AI는 흉내낼 수 없다. 기술과 비즈니스 사이의 통역사. 이 역할을 하는 사람이 팀에서 대체 불가능한 존재가 된다.
Part III
한국 시장별 전략
같은 "개발자"라도 어디에 있느냐에 따라 생존 전략이 다르다. SI와 스타트업과 대기업은 AI의 충격을 다른 방식으로 받는다. 자신의 현재 위치에서 작동하는 전략을 선택한다.
AI로 단순 개발은 효율화되지만, 고객 요구사항 파악과 커스터마이징은 여전히 사람이 필요하다. 전략: 고객 대면 역량 강화, 특정 산업(공공, 금융, 제조)의 도메인 전문가로 포지셔닝. "코딩하는 사람"이 아니라 "고객의 문제를 아는 사람"이 살아남는다. 고객사의 업무 프로세스를 이해하고, 기술로 그것을 개선하는 컨설턴트에 가까운 역할. AI가 코드를 짜주는 시대에, 무엇을 짜야 하는지 아는 사람의 가치가 올라간다.
"혼자서 AI로 10명분 일하는 개발자" 수요 증가. 전략: 풀스택+AI 활용이 핵심. 빠르게 프로토타입하고, AI로 반복 작업을 자동화하고, 비즈니스 로직에 집중한다. 적은 인원으로 빠르게 움직이는 팀에서 AI 활용 능력은 생존 필수다. MVP를 2주 만에 만들어 시장에 던지고, 피드백을 받아 수정하는 사이클. 이 속도를 낼 수 있는 개발자가 스타트업에서 가장 높은 가치를 갖는다.
AI 인프라, MLOps, 데이터 파이프라인 인력 수요 폭증. 전략: 기존 개발 역량에 AI/ML 파이프라인 이해를 더한다. "AI를 만드는 사람"이 아니더라도 "AI를 운영하는 인프라를 아는 사람"은 수요가 높다. 모델 서빙, 피처 스토어, 학습 파이프라인, 모니터링. 이 영역은 전통적 백엔드/인프라 역량의 확장이다. 완전히 새로운 것을 배우는 게 아니라, 가진 역량의 적용 범위를 넓히는 것이다.
나는 대체 가능한 개발자인가 -- 자가 진단
- 01편의 자가진단에서 3개 이상 해당되었다
- AI 도구를 업무에 도입하려 했지만 "시간이 없어서" 미뤘다
- 최근 기술 블로그나 컨퍼런스를 본 지 6개월 이상 됐다
- 내가 하는 업무를 다른 사람(또는 AI)에게 인수인계할 때 문서화가 부족하다
- "지금 하는 일이 3년 후에도 있을 것인가"라는 질문에 확신이 없다
"더 열심히"가 아니라
"다르게"
AI 시대의 생존은 코딩 시간을 늘리는 것이 아니다. AI가 못하는 영역에 서는 것이다. 아키텍처, 도메인, 커뮤니케이션, 판단력. 이것들은 연차와 함께 축적되고, 의식적으로 키워야 한다.