1. 생성형 AI 시대, 늘어나는 오픈소스 SW 도입…"보안·거버넌스 마련해야"
1️⃣ 생성형 AI와 오픈소스 도입의 연관성
- 생성형 인공지능(AI) 기술이 발전하면서, 기업은 이를 활용할 수 있는 클라우드 네이티브 인프라를 빠르게 구축하려 하고 있습니다.
- 이 인프라의 핵심 구성요소 중 하나가 바로 오픈소스 소프트웨어(SW)에 있습니다.
📌 즉, 생성형 AI의 도입은 오픈소스 생태계 확장으로 이어지고 있으며, 이는 단순 기술 트렌드가 아닌 인프라 전략의 근간이 되고 있습니다.
2️⃣ 오픈소스 SW 사용 현황과 확산 속도
- 글로벌 IT 전문가 433명을 대상으로 한 설문에서 무려 95%가 오픈소스를 사용하고 있다고 응답했습니다. 사실상 오픈소스는 기업 IT 환경에서 표준이 되었다고 봐도 무방합니다.
- 클라우드 네이티브 환경의 핵심 기술들도 오픈소스가 주도하고 있습니다:
- 컨테이너 기술 사용률: 40%
- 도커(Docker): 59% 사용
- 쿠버네티스(Kubernetes): 39% 사용
🧩 클라우드 네이티브 인프라를 구성할 때, 오픈소스는 사실상 필수 선택지가 되고 있습니다.
3️⃣ 오픈소스를 도입하는 이유
이유 응답률
비용 절감 | 53% |
공급업체 종속성 탈피 | 33% |
개방형 표준 및 상호운용성 준수 | 28% |
- 비용: 라이선스 비용이 없거나 적고, 빠르게 테스트 및 도입 가능
- 종속성 탈피: 특정 기업의 제품에 의존하지 않고 자유로운 기술 선택 가능
- 표준화 및 연동: 다른 오픈소스나 시스템과의 연동성이 높음
💬 단순히 “싸서” 사용하는 게 아니라, 전략적 유연성을 확보하기 위해 선택하는 경우가 많아졌습니다.
4️⃣ 그러나 도입 과정에는 분명한 장애물도 존재
📌 기술력·인력 부족
어려움 비율
숙련된 인력 부족 | 57% |
경험 및 기술 부족 | 54% |
실시간 기술 지원 부족 | 52% |
- 오픈소스는 '공짜'지만, 이를 운영하려면 고도의 실무 역량이 필요합니다.
- 하지만 IT 기업 중 오픈소스 전문가를 내부에 보유한 곳은 31%에 불과합니다.
- 그래서 많은 기업이 외부 리소스를 활용:
- 내부 교육(50%)
- 외부 계약자 고용(31%)
- 외부 공급업체 협력(25%)
🛠 전문가 없이 오픈소스를 쓰는 것은 자동차만 주고 정비 기술 없이 운전하라는 것과 같다는 지적이 나올 법한 상황입니다.
5️⃣ 빅데이터 환경에서도 오픈소스 도입에 어려움
- 응답자 47%는 내부 빅데이터 스택 운영에 자신이 없다고 답했습니다.
- 주요 이유는:
- 다양한 소스 데이터 통합 어려움 (59%)
- 데이터 품질 및 거버넌스 부족 (41%)
- 확장성 및 성능 문제 (38%)
- 보안 및 규정 준수 문제 (35%)
- 기술 격차 및 전문성 부족 (35%)
💡 즉, 오픈소스를 단순히 도입하는 것보다도 데이터 처리의 신뢰성 확보와 운영 최적화가 훨씬 더 어려운 과제입니다.
💡 거버넌스(Governance)는 단순히 "통제"나 "관리" 개념이 아니라, 오픈소스 소프트웨어의 도입, 운영, 유지보수를 기업 차원에서 체계적으로 관리하고 책임지는 프레임워크 또는 정책 체계입니다.
6️⃣ 오픈소스 운영에서 마주치는 실질적 과제들
과제 응답률
업데이트/패치 적용 | 64% |
보안 및 규정 준수 대응 | 60% |
지원 종료(EOL) 소프트웨어 유지 | 59% |
설치·구성·업그레이드 난이도 | 57% |
- EOL(End-of-Life) 상태의 소프트웨어 사용 사례도 여전히 다수:
- 41%가 센트OS, 앵귤러JS 등 지원이 종료된 소프트웨어를 계속 사용
- 이들 중 상당수는 규정 준수 감사를 통과하지 못한 사례도 존재
🔒 기업 보안 및 법적 컴플라이언스 관점에서 심각한 리스크 요인이 될 수 있음.
7️⃣ 보안 및 거버넌스에 대한 기업의 미흡한 준비
- 오픈소스 보안/규정준수/거버넌스 정책을 제대로 갖춘 기업은 전체의 35%에 불과합니다.
⚠️ 즉, 오픈소스의 이점(비용·자유로움)을 누리면서도, 책임 있는 운영 체계는 갖추지 못한 기업이 절반 이상이라는 뜻.
🔍 핵심 시사점
- 생성형 AI, 클라우드 전환이라는 시대적 흐름 속에서 오픈소스는 선택이 아닌 필수.
- 하지만 보안, 관리, 숙련 인력이라는 중요한 리스크 요인이 존재.
- 따라서 이제는 단순한 도입을 넘어, 체계적인 운영 전략이 요구됨:
- 전사적 오픈소스 거버넌스 수립
- 업데이트와 보안 대응 프로세스 구축
- 전문 인력 확보 또는 협력 체계 마련
- EOL 버전 사용 중단 및 감사 대응 체계 강화
**출처 : https://zdnet.co.kr/view/?no=20250413132908**
2. The Post-Developer Era
🧠 프론트엔드의 종말은 오지 않았다: GPT-4 이후 2년의 회고
2023년 3월, GPT-4가 등장하면서 많은 이들이 "개발자의 종말"을 예견했다. 특히 "프론트엔드 개발자는 몇 년 내 사라질 것"이라는 말들이 SNS에서 빠르게 퍼졌고, 많은 개발자 지망생들은 커리어에 대한 불안감에 휩싸였다.
Josh Comeau(글 작성자)는 같은 해 "The End of Front-End Development"라는 블로그 글을 통해 이에 반기를 들었다. 그의 주장은 명확했다: LLM은 인간 개발자를 대체하지 않고, 보완하는 도구로 작동할 것이라는 것.
그리고 2025년 현재, 그 예측은 여전히 유효하다. 이 글은 그 2년의 흐름을 되짚고, 지금 우리는 과연 "Post-Developer 시대"에 살고 있는가에 대한 질문을 던진다.
🏢 기업들은 정말 AI로 개발을 대체했는가?
▶️ 구글: "25%는 AI가 썼다"는 문장에 숨겨진 진실
- Forbes는 최근 "AI가 구글에서 작성한 코드 비율이 25%"라고 보도했지만,
- 실상은 AI가 독립적으로 작성한 코드가 아니라, 인간 개발자가 AI를 도구로 활용한 결과물임.
- 즉, 구글의 코드 100%는 여전히 사람의 손을 거친다. AI는 그냥 툴이다.
▶️ Devin: AI 개발자의 한계
- Cognition에서 만든 Devin은 2024년 야심 차게 "AI 개발자"가 등장했다.
- 하지만 실제 현업 적용 시:
- 20개의 작업 중 3개만 제대로 수행
- 나머지는 사람이 고치는 데 시간이 더 듬 → 결국 포기
"작업을 맡길 만한 '틈새'가 없다. 작은 작업은 내가 더 빠르고, 큰 작업은 얘가 못한다."
🖥 AI IDE 써보니... 진짜 개발자 없이 가능할까?
Josh(글 작성자)는 Claude Sonnet 기반 IDE인 Cursor를 수개월간 사용해왔다.
⛽️ 장점
- TypeScript 오류나 린트 문제를 자동으로 잡아줌
- 가끔 내가 몰랐던 API를 제안해주며 학습에 도움
- 단순 반복 작업은 AI가 빠르게 처리해줌 (30분 작업 → 30초 처리)
🪫 한계
- 코딩 경험이 없는 사람은 AI가 삽질하는 것도 눈치 못 챔
- 미세하지만 치명적인 버그는 사람이 고쳐줘야 함
- 일정 수준 이상의 작업은 결국 사람이 직접 처리하는 게 더 빠름
AI 코딩은 "크루즈 컨트롤 켠 운전"과 같다. 핸들에서 손 떼면 도로 밖으로 나간다.
실제로 코딩 경험이 부족한 비전공자들이 LLM을 써서 프로젝트를 진행할 경우, 중반부 이후 코드가 붕괴하는 현상을 자주 겪는다. 구조가 없는 코드에 마구잡이 패치가 이어지다 무너지는 것.
📉 여전히 얼어붙은 개발자 취업 시장, 그 이유는?
🙁 현황
- 구직자는 넘쳐나고, 양질의 채용 공고는 줄어듦
- 경쟁률은 상승, 인터뷰 기회조차 얻기 힘듦
🤔 왜?
요인 설명
거시경제 악화 | 고금리로 인해 스타트업 투자 위축 |
대규모 해고 | 빅테크에서 수십만 명 감원, 상시 경쟁 상태 |
AGI 환상 | 기업들이 "곧 AI가 다 해줄 거야"라고 믿고 개발자 채용을 보류 |
🤯 "이번 달이면 AGI 나와서 인간 개발자 필요 없어질 거야" → 이 말을 몇 년째 반복 중
🔮 앞으로는 어떻게 될까?
✅ 변하지 않은 두 가지 진실
- 기업은 여전히 사람 개발자가 필요하다
- AI는 언제나 "곧 사람을 대체할 것"이라 주장한다
Josh는 말한다:
지금 프로그래밍을 공부 중이라면 너무 낙담하지 말 것. 자동화는 아직 멀었고, 기회는 여전히 있다.
📊 AI의 발전은 '점진적' 단계로 접어들었다
- GPT-4 → GPT-4 Turbo → Gemini 2.0 Flash 등 모델은 빠르게 출시되지만,
- 최근 발전은 기존 기능의 개선이 중심이지, 전혀 새로운 패러다임의 전환은 아님
📈 채용 지표도 회복세
- 미국 기준, 2023년 채용 최저점 이후 점진적 상승 중
- AI가 사람을 대체 중이었다면 지표는 더 떨어졌어야 함
🧑💻 LLM 시대, 다음 세대 개발자의 딜레마
🚨 코드 이해 없이 "Accept Changes"만 누르는 습관
- 본인도 새로운 코스의 랜딩 페이지 작업 중 AI 제안 코드를 무비판 수용했다가,
- 결과적으로 엉망진창 코드를 리팩토링하느라 더 많은 시간 소요
🧑🏫 반대로, LLM은 최고의 튜터가 될 수도 있다
- 오류 메시지를 LLM에게 설명하면 개념과 키워드를 알려줘 학습에 도움
- 능동적으로 활용하면 학습 속도와 이해도 상승
즉, LLM은 "자동개발 엔진"이 아니라, 튜터 + 보조개발자로 사용해야 한다
💼 지금 이력서를 뿌리는 사람을 위한 팁
📌 문제: 채용 공고는 AI가 만든 이력서로 도배됨
- 수천 개의 슬롭(sloppy) 이력서 중 하나로 묻힐 확률 ↑
✅ 해결책
- 공고 뜨자마자 빠르게 지원하라 (최초 1~2일 안)
- 사람을 통해 추천받는 것이 가장 확실
🤝 네트워크 만드는 방법
- 오프라인 밋업 (내향적이면 비효율적일 수 있음)
- GitHub, 블로그, Discord 커뮤니티에서 활발히 활동
- 오픈소스 기여 → 연결된 사람들과 신뢰 구축
🧭 실제 기회 찾는 법
- LinkedIn에서 아는 사람의 회사 목록 확인
- 허위 공고(데이터 수집용) 대신 실제 기업 목록 확보
✨ 마무리
"AI는 개발자를 대체하지 않는다. 잘 쓰는 개발자와 못 쓰는 개발자의 격차만 벌어질 뿐이다."
불확실성의 시대지만, 코드라는 언어를 읽고 쓰는 능력은 여전히 강력한 무기다. AI는 이를 강화해주는 도구일 뿐, 그 자체로 목적지는 아니다. 코드를 쓰는 사람은 사라지지 않을 것이며, 사람 + AI 조합은 앞으로도 소프트웨어 산업의 핵심으로 남을 것이다.