앤드류 응: AI는 프런트엔드를 먼저 파괴할 것이다.

ME News

이 기사는 기계로 번역되었습니다

원문 표시

인공지능 시대에는 전문가가 취약하지만, 다재다능한 인재는 가장 죽이기 어렵다.

기사 작성자 및 출처: J0hn, AGL Hunt

인공지능에 의해 처음으로 죽임을 당할 사람은 누구일까요?

프로그래머들은 이 문제에 대해 거의 2년 동안 논쟁을 벌여왔지만, 아직 결론이 나지 않았습니다. 제 생각에는...

01 누구를 먼저 죽일까

프론트엔드 개발자 커뮤니티에 있는 친구들은 이미 자신들의 운명을 받아들였을지도 모릅니다.

GPT-4부터는 새 모델이 출시될 때마다 프런트엔드가 "삭제"됩니다.

v0이 한 번 종료되고, 커서가 한 번 종료되고, 클로드 아티팩트가 한 번 종료되었습니다. 올해 GPT 5.5, 클로드 오푸스 4.7, 제미니 3.0이 연이어 출시되면서 코딩 에이전트의 기능이 새로운 수준에 도달했습니다... 프런트엔드는 셀 수 없이 많이 종료되었습니다.

하지만 프런트엔드 개발자들은 그다지 걱정하지 않았습니다. 왜냐하면 그들은 AI 덕분에 백엔드 코드를 작성하는 것은 전혀 문제가 되지 않는다는 사실을 발견했기 때문입니다.

그렇다면 누가 먼저 죽을까요? 프런트엔드 관점에서 보면, 매일 CRUD 작업을 작성하는 서버 측 개발자들입니다. AI는 눈을 감고도 CRUD 작업을 작성할 수 있으니까요!

더 나아가, 과거에는 알고리즘과 매개변수 측면에서 엄청나게 비쌌던 엔지니어들조차 더 이상 안전하지 않게 될 것입니다.

자동 파라미터 조정 및 자동 학습 도구는 점점 더 성숙해지고 있습니다. 앤트로픽(Anthropic)의 공동 창립자인 잭 클라크는 며칠 전 장문의 글을 통해 2028년 말까지 AI 연구 개발의 전 과정을 자동화할 확률이 60%를 넘어설 것이라고 주장했습니다. 또한 오픈아이(OpenAI)는 올해 9월까지 "자동화 AI 연구 인턴" 프로그램을 시작할 것이라고 발표했습니다.

인공지능을 개발하는 사람들조차도 곧 인공지능으로 대체될 것이다.

그렇다면 문제는 "죽음의 순서가 분명히 존재하는가?"가 됩니다.

02 앤드류 응의 연설

그래서 Andrew Ng이 직접 개입했습니다.

앤드류 응은 코세라의 공동 창립자이자 스탠퍼드 대학교 겸임 교수이며, 바이두의 최고 과학자와 구글 브레인의 책임자를 역임했습니다.

배치 저널

인공지능 교육 및 엔지니어링 분야에서 그는 단연코 가장 영향력 있는 인물 중 한 명입니다.

그는 최근 발행한 뉴스레터 "더 배치(The Batch)"에서 순서 가속화하는 명확한 방법을 제시했습니다.

프런트엔드 > 백엔드 > 인프라 > 과학 연구.

왼쪽에서 오른쪽으로 갈수록 AI의 가속 효과는 순차적으로 감소합니다.

03 프런트엔드 우선

앤드류 응은 프런트엔드 개발이 가장 빠르게 발전했다고 생각합니다.

AI 코딩 에이전트는 이미 TypeScript, JavaScript, 그리고 React 및 Angular와 같은 프레임 에 매우 익숙합니다.

학습 데이터에는 이런 종류의 코드가 워낙 많아서 잘못 작성하기가 오히려 어렵습니다...

더욱 중요한 것은, 현재의 에이전트는 스스로 브라우저를 열고 자신이 작성한 페이지가 어떻게 보이는지 확인한 후, 이를 수정하고 개선할 수 있다는 점입니다. 이러한 "폐쇄 루프" 기능은 AI 프런트엔드 개발을 "작성하고 기도하는" 방식에서 "작성하고 자체 검토하는" 방식으로 혁신적으로 변화시켰습니다.

그는 또한 LLM 프로그램이 시각 디자인 분야에서 여전히 취약하다고 언급했습니다. 하지만 디자인 초안이 이미 마련되어 있거나, 디자인의 완성도에 전혀 신경 쓰지 않는다면...

그 목표가 달성된 속도는 그야말로 놀라웠습니다.

04 백엔드가 약간 느립니다

하지만 백엔드는 그렇게 간단하지 않습니다.

Andrew Ng의 원래 말은 다음과 같습니다.

"미묘한 버그나 보안 취약점으로 이어질 수 있는 경계 상황을 모델이 고려하도록 유도하기 위해서는 더 많은 인간의 개입이 필요합니다."

더욱이 백엔드 버그의 영향은 종종 숨겨져 있습니다. 간헐적인 데이터베이스 오류는 페이지 스타일 충돌보다 훨씬 감지하기 어렵습니다. AI가 데이터베이스 마이그레이션을 지원할 수 있지만, 주의해서 처리하지 않으면 데이터 손실이 여전히 발생할 수 있습니다.

그는 다음과 같은 문장을 덧붙였다.

"경험이 풍부한 개발자들이 설계하고 구현한 백엔드는 AI 초보자들이 만든 것보다 훨씬 뛰어납니다."

이는 프론트엔드 개발자들에게는 다소 실망스러운 소식입니다. 백엔드 분야에서는 AI가 경험 격차를 해소할 수 없기 때문입니다. 초보자는 AI의 도움을 받더라도 베테랑 수준의 코드를 작성할 수 없습니다.

기술을 이해하지 못하는 상사분들, 이 영상을 보고 배우세요... 자기중심적인 미디어에 세뇌당하지 마세요 (저는 빼고요).

05 인프라

인프라 측면에서 보면 AI는 훨씬 더 부족한 모습을 보입니다.

예를 들어, 99.99%의 가용성을 유지하면서 10,000명의 활성 사용자를 지원하도록 전자상거래 웹사이트를 확장하는 것은 대량 복잡한 엔지니어링 절충안을 필요로 하며, LLM의 이 분야에 대한 지식은 아직 상당히 제한적입니다.

기사에서 앤드류 응이 언급한 내용은 다음과 같습니다.

"핵심 인프라 관련 결정을 내릴 때 인공지능을 신뢰하는 경우는 드뭅니다."

인프라에서 버그를 찾는 것은 훨씬 더 어려운 일입니다. 사소한 네트워크 구성 오류 하나를 찾아내는 데에도 상당한 엔지니어링 경험이 필요할 수 있습니다. 인공지능이 아무리 빠르게 코드를 작성한다 하더라도 이러한 상황에서는 큰 도움이 되지 못합니다.

사장님들, 이 점에 유의해 주세요!

06 가장 느린 과학 연구

마지막으로 과학 연구 분야가 있는데, 이 분야는 인공지능 가속화가 가장 취약한 분야이기도 합니다.

이해하기 어렵지 않습니다. 과학 연구의 핵심은 무엇일까요? 바로 새로운 아이디어를 떠올리고, 가설을 세우고, 실험을 수행하고, 결과를 관찰하고, 가설을 수정하고, 다시 시작하는 것… 이런 과정입니다.

AI가 가속화할 수 있는 부분은 주로 "실험 코드 작성"입니다. 앤드류 응(Andrew Ng) 자신도 에이전트를 사용하여 실험을 관리하고 추적함으로써 연구자가 더 많은 프로젝트를 동시에 진행할 수 있도록 합니다.

하지만 과학 연구에서 대량 의 작업은 코드를 작성하는 것과는 전혀 관련이 없습니다.

"오늘날의 항생제는 과학 연구에 그다지 도움이 되지 않는다고밖에 말할 수 없습니다."

앤드류 응은 이 네 가지 범주로 나누는 분류법이 매우 단순화된 모델이라는 점을 인정했습니다. 하지만 이러한 단순한 사고방식은 팀을 관리하는 데 매우 유용하다고 그는 말했습니다.

"저는 이제 프런트엔드 팀의 개발 속도를 1년 전보다 훨씬 더 빠르게 요구합니다. 하지만 연구팀에 대한 기대치는 크게 변하지 않았습니다."

7가지 직업 범주 외에도

앤드류 응은 함수별로 정리된 가속도 기울기를 제시했는데, 이는 직관적이고 기억하기 쉬우며 사용하기도 간편합니다.

하지만 제 생각에는 '기능'이라는 측면만 고려한다면 더 중요한 몇 가지를 놓칠 수 있습니다.

인공지능이 실제로 없애고 있는 것은 일종의 "직업 특성"입니다.

초급 직종이 가장 위험합니다.

프론트엔드든 백엔드든, "템플릿을 따르고" "사양을 준수하는" 작업이라면 AI가 당신보다 더 빠르게 처리할 수 있습니다. 앤드류 응(Andrew Ng) 본인도 숙련된 백엔드 개발자가 AI를 사용하는 초보자보다 훨씬 뛰어나다고 말했습니다. 반대로, 초보 개발자의 가치는 점점 줄어들고 있습니다.

타인과의 협업이 필요하지 않은 직업조차도 위험할 수 있습니다.

코딩은 인간과 컴퓨터 간의 상호작용이지만, 요구사항을 논의하고, 절충안을 마련하고, 의사 결정을 내리고, 팀을 조율하는 것은 인간 대 인간의 상호작용입니다. AI는 API를 작성해 줄 수는 있지만, 제품 관리자와 요구사항의 우선순위에 대해 논쟁할 수는 없습니다. 소통과 타협이 많을수록 AI의 개입은 줄어듭니다.

창의성이 부족한 작품은 특히 취약합니다.

앤드류 응은 과학 연구를 가장 나중에 고려하는데, 그 이유는 다음과 같습니다. 좋은 가설을 세우고, 직관에 반하는 패턴을 발견하는 것은 여전히 인간의 몫입니다. 작업을 명확하게 정의된 단계로 나눌수록 AI가 처리하기가 더 쉬워집니다.

쉽게 간과되는 또 다른 범주는 AI 학습 데이터에서 가장 자주 나타나는 "평균적인" 작업입니다.

React 컴포넌트와 CRUD 인터페이스는 수없이 많이 개발되어 왔기 때문에 AI는 빠르고 효율적으로 코드를 작성할 수 있습니다. 하지만 독창적인 시스템 아키텍처와 이전에는 누구도 시도해 본 적 없는 상호작용 패턴 때문에 AI는 참고할 만한 기준점이 없습니다.

"프런트엔드가 먼저 사라질지 백엔드가 먼저 사라질지"를 놓고 논쟁하는 대신, 스스로에게 이 질문을 던져보세요.

당신이 매일 하는 일 중에서 평범한 일은 얼마나 되나요?

08 죽지 않는 법

제 생각에 AI 시대에는 프런트엔드 코드를 작성하든 백엔드 코드를 작성하든, 알고리즘을 개발하든 인프라를 구축하든 두 가지에 집중해야 합니다.

한 가지 방법은 AI를 최대한 활용하여 스스로의 최소 기준을 높인 다음, AI의 도움을 받아 최대 기준에 도달하는 것입니다. AI는 이미 알고 있는 일들을 빠르게 완료할 수 있도록 도와주며, 절약된 시간과 에너지는 이전에는 도달할 수 없었던 영역에 투자할 수 있습니다.

또 하나는 스스로에게 꼬리표를 붙이는 것을 멈추는 것입니다.

프론트엔드 엔지니어, 백엔드 엔지니어, 알고리즘 엔지니어—이러한 명칭들은 한때 전문성을 나타내는 상징이었습니다. 하지만 인공지능 시대에 들어서면서 이러한 명칭들은 오히려 족쇄가 되어가고 있습니다.

만약 당신이 React 작성밖에 할 줄 모른다면, 인공지능이 당신보다 더 빠르고 능숙하게 React를 작성하는 날이 오는 것은 당신에게 재앙이 될 것입니다.

하지만 만약 당신이 프론트엔드와 백엔드 개발 모두에 능숙하고, 시스템 설계 및 고객 소통 능력이 뛰어나며, 코드 작성과 문서 작성 모두에 능통하다면...

인공지능은 당신을 죽일 수 없습니다.

만약 그것이 정말로 모두를 죽일 것이 아니라면...