한국에서 2018년부터 2020년까지 개발 인원을 10명 이상 데리고 IT사업을 시도한 적이 있습니다. 그 시절 제게 가장 큰 불만을 한 줄로 요약하면 '왜 말 귀를 못 알아먹을까' 였던 것 같고, 저희 개발팀이 제게 가진 가장 큰 불만은 '왜 짜증나게 계속 바꾸냐' 였던 것 같습니다. 그 이후로도 몇 년간 개발자들에게 온갖 불만이 다 있었는데, 2023년에 개발팀을 완전히 해체하고 제가 직접 회사의 모든 시스템을 하나하나 만들면서 겪은 내용, 배운 내용들을 '개발자 안 뽑음(개안뽑)'에 담아 봤습니다. 2023년의 경험을 담은 1부에는 정말 아무것도 모르는 바보(?)의 불만만 잔뜩 담겨 있습니다만, 그런 시절을 겪은 덕분에 이제는 정말로 개발자를 안 뽑고도 IT시스템을 혼자서 운영할 수 있는 사람이 됐습니다.

개발자들이 회사 기술력을 더 높여주고 있지 않은 이상 40대 기술직은 잉여 인력
유지·보수만 해도 되는 서비스에 굳이 고액 연봉의 기술직을 유지해야 할 이유 없어
국내 기술직들의 취직 이후 학습 태도를 감안할 때, 기술 발전은 사실상 어렵다고 봐야
해외 솔루션보다 못한 서비스 만드는 인력들 급여 아껴야 불경기, 혹한기에도 살아남을 수 있어

이번 '개안뽑' 시리즈는 컬리 김슬아 대표의 한 인터뷰 문장으로 시작됐다.

지금도 개발자만 없으면 수익성을 낼 수 있다

코딩 테스트로 개발자 뽑는 것도 비효율적인데 코딩 테스트 학원을 다녀야 하는 인력들이 시장에 유입되는 중
코딩 테스트 학원의 주입식 교육을 받은 인력들이 회사에서 신규 시스템 개발을 따라갈 수 있는 가능성은 낮아
한국 식의 주입식 교육에서 탈피한 인재 뽑아야

최근들어 코딩 학원도 모자라 코딩 테스트 전문 학원들도 생겼다. 코딩 테스트가 실제로 회사 업무를 잘 할 수 있는 역량과 꽤나 거리가 있다는 지적을 이미 여러 차례 한 적이 있는데, 그럼에도 불구하고 기업들이 코딩 테스트로 개발자를 뽑고 있다보니 한국식 학원 문화가 이쪽에도 침투한 것으로 보인다.

챗GPT 및 유사한 챗봇을 활용해 자동화 시스템이 빠르게 발전 중
반복 패턴의 재결합이 아닌 창조가 필요한 상위 1% 제외하면 시장 도태되는 경우 계속 나올 것
개발 시스템도 단순 자동화되는 분야에서 노동 시장 이탈 가속화 전망

최근 유명세를 탄 '챗GPT'를 모두 AI라고 부르고 있지만, 나는 그냥 '검색 챗봇' 정도로 생각한다. 기존 구글 검색보다 좀 더 대화하는 것처럼 자료를 찾아주기 때문이다. 검색한 결과물을 그럴듯한 문서로 만들 수 있는 덕분에, 부가 기능으로 코드 디버깅 작업에도 쓸 수 있고, 귀찮은 글 치는 작업도 대체할 수는 있다. 다만 새로운 정보를 찾아서 기록해야하는 기사 작성 작업에도 쓸 수 없고, 나처럼 고급 분석 콘텐츠를 원하는 사람들은 더더욱 쓸 부분이 많지 않다. 그럼에도 불구하고, 귀찮지만 어쩔 수 없이 해야했던 많은 업무들을 대체해줄 수 있게 됐는데, 지난 몇 달간 코드 디버깅, 기능 추가, 프로그램 로직 수정 등에 몇 차례 쓰면서 사무 인력 대체 효과만큼은 매우 두드러지는 솔루션이라는데 공감하게 됐다.

1변수 분석은 큰 오류 낳을 수 있어, 항상 다양한 변수 간 복합 관계 이해해야
데이터 사이언스는 다양한 변수 간 복합 관계를 찾아내는 모델 연구 작업
1변수 집착은 과거 방식, 빅데이터 시대에 맞춰 사고 방식 개선해야

데이터 사이언스 교육을 하거나, 직원들이 잘못된 결론을 갖고 왔거나, 외부에 강의를 나갔을 때 항상 강조하는 부분이 '1변수 회귀분석(One-variable regression)'을 하지 말라는 것이다. 가장 간단한 예시를 들면, 내가 주식을 사면 내리는 것 같다는 류의 인과관계가 잘못된 결론부터, 여성은 남성보다 급여가 낮다, 해외에서 일하는 한국인은 외국인보다 급여를 적게 받는다 등등의 1개 원인으로부터 성급한 결론을 얻는 것을 말한다. 비단 '인공지능'으로 알려진 계산법을 쓴다고 문제가 해결되는 것이 아니라, 원인과 결과를 구분할 수 있는 합리적인 사고 구조를 갖고 있어야 오류에 빠지지 않게 된다.

웹소설이 웹툰으로 바뀌는 구조는 '자본의 논리'만 작동하는 것 아냐
'작가의 의지'가 반영되는 비중 높으면 외부 알려진 단순 시장 변수로는 예측 불가능
데이터 사이언스 모델링은 언제나 시장 상황에 대한 이해부터 시작해야

SIAI의 MBA AI/BigData 졸업 논문 쓰느라 고생 중인 학생 하나가 잡은 주제가 웹소설이 웹툰으로 바뀌는 조건이다. 일반적으로 생각하기에는 조회수가 많고, 웹소설 판매량이 많은 경우에 웹툰 스튜디오랑 추가로 계약해서 웹툰화가 진행될 것이라고 단순하게들 생각할 것이다. 그 학생이 갖고 온 국내 연구자의 논문 예시를 봐도 크게 달라진 것이 없다. 기껏해야 웹소설, 웹툰 플랫폼들에서 좀 더 많은 데이터를 수집한 것이 전부고, 그 이후 작업들은 일반에 알려진 '딥러닝', 'SVM', '나무모형', '회귀분석' 등등의 기본 모형들에 그대로 넣어본 작업에 지나지 않았다.

정부 지원금이 빠진 이후에도 계속 성장하려면 해외 진출 했었어야
한국 IT업계는 해외 코딩 부트캠프 수준도 안 되는 인력들로 움직이는 경우 많아 더욱 절망적
정부 지원 축소, 글로벌화 실패 이후에는 처치 곤란 인력들만 다수 생길 것

지난 2010년, 뒤도 안 돌아보고 유학 길에 나서던 무렵, 주변 사람들 중에 날 잘 모르는 분들은 내가 다니던 모 외국계 증권사에서 해고된 줄 알고 '쪽팔리니까' 나가는거라는 표현을 쓰기도 했고, 유명 MBA를 가지 않는다고 날 무시하던 몇몇 국내 증권사 고위직 관계자들도 있었다. 그들이 무슨 생각을 하건 난 더 이상 뱅킹 다닌다고 거들먹거리고 싶지도 않았고, 음주가무로 접대나 하며 내 인생을 허비하는 것은 더더욱 싫었다. 머리 좋은 걸로 먹고 살려던 내 입장에서 'EBITDA가 뭐야?'라는 한심하기 그지없는 질문이나 하는 대기업 전략기획실장들 앞에서 광대처럼 술 마시고 춤이나 추는 인생을 굳이 살고 싶지 않았기 때문이다.

코드 잘 치는 것이 개발 잘 하는 것 아냐, 문제를 잘 푸는 능력 갖춰야
'Street smart' 역량을 갖춘 개발자를 뽑아야 효율적인 개발 가능
개발 채용시에 'Street smart' 여부를 판단할 수 있는 문제 풀이 역량 점검 필수

수능 수학 시험 문제들을 보면, 때로는 수학 시험 문제가 아니라 IQ 테스트 문제처럼 보이는 경우들도 있다. 물론 고교 과정의 수학을 활용하면 논리적으로 풀어낼 수 있겠지만, 기발한 아이디어가 있으면 굳이 수학적인 논리를 쌓지 않더라도 상식을 응용하는 수준에서 문제를 풀어낼 수 있다. 고교 시절을 돌이켜보면, 암기형 학원 출신들은 이런 문제들을 매우 어려워했던 반면, 평소에 공부 안 하고 놀기만 하던 친구들이 왜 이렇게 쉬운 문제가 나왔냐는 표정으로 문제를 풀어냈던 기억이 있다. 어른들은 이걸 '공부 머리'가 아니라 '사업 머리', 혹은 '센스'로 바꿔서 부르기도 하고, 영어권 용어로는 'Book smart'와 'Street smart'라는 표현도 있다.

개발자는 '만드는' 사람이 아니라 '문제를 해결하는' 사람
어떤 문제를 어떻게 해결할 수 있는지에 대한 센스를 갖추고 있어야 뛰어난 개발자
국내에서 찾기 쉽지 않은 인력, 해외에는 넘쳐나는만큼 노동 시장 접근 전략에 근본적인 고민 해 봐야

뛰어난 개발자의 기준은 뭘까? 그간 개발자 채용에서 수 많은 실패를 겪었는데, 이제 더 이상 한국에서 개발자를 뽑지 말자고 마음의 결정을 내린 시점이 되니 아이러니컬하게도 뛰어난 개발자를 판단할 수 있는 시야가 생긴 것 같다. 어쩌면 뛰어난 개발자를 볼 수 있는 눈이 생겼는데, 내 눈에 뛰어난 분들이 안 보이니까 결국 안 뽑게 된 것이 아니냐는 가까운 지인의 평가가 맞을지도 모르겠다.

서비스 개발, 운영 개발 등으로 구분하지 않고, 완성도를 높인다는 관점으로 개발을 봐야
그러나 완벽한 시스템 개발은 불가능, 하드웨어와 소프트웨어는 지금도 계속 진화 중이기 때문
서비스 고급화를 위한 각종 고민들을 하나씩 풀어내며 내공 쌓인 시스템을 만드는 것이 가장 근본적인 도전

예전에 어느 운영 개발 위주로 돌아다니던 회사를 그만두고 나온 개발자를 면접 본 일이 있었는데, 운영 개발만 계속하다가는 시스템을 어떻게 만드는지를 모르는 반쪽짜리 개발자가 될 것 같아서 그만두고 나왔다고 표현하더라. 그 문제 의식 자체에는 공감을 하는데, 다른 한편으로는 시스템을 만드는 것이 얼마나 큰 스트레스인지, 하나하나의 시스템 수정, 보완 작업이 오랜 기간 쌓인 서비스가 얼마나 완성도가 높아지는지를 이해 못하는 것 같아서 고개를 갸웃 거린 적이 있다.

Neural Network 계산법이 만능이라는 오해가 퍼져 있으나 수학적 조건 따져가며 적용해야
Borel-measure 조건을 충족시키지 못하는 계산에서는 '학습 실패' 사건이 벌어지기도
오차 많은 시계열 데이터에서 빈번하게 발생, 데이터 전처리 고민 필수

우리 SIAI 학생 중 한 명의 미국 대학원 추천서를 쓰면서, SIAI에서 가르친 내용, 방향, 수준, 응용 방식을 잘 보여주면서, 동시에 그 학생의 역량을 쉽게 이해할 수 있는 예제가 뭐가 있을까는 고민을 해 봤다. Deep learning 수업에서 RNN을 가르치던 중에 Neural Network가 적용될 수 있는 한계를 수학적으로 짚어주고, 그 수학 개념 뒤에 숨어있는 현실적인 제한을 풀어내 준 적이 있었는데, 그걸로 한 동안 학생들끼리 어떤 데이터를 어떻게 수정해야하는지에 대한 고민을 나눴던 기억이 있다.

개발자들의 고집 피우면서 회사 사정 모르는 이야기를 하는 것에 끌려다닐 경우,
회사 사업 출시가 늦춰지고, 개발자들 의존성만 크게 높아질 수 있어
개발자들 욕심 무시하고, 회사에 가장 필요한 선택들을 해야 장기 발전 가능해

멀쩡하게 잘 지어놨던 건물이 무너지면 보통은 건설사를 탓한다. 그 건설사가 제대로 설계를 못 했거나, 공사를 못 했거나, 감리를 못 했거나, 아니면 관리를 못 했을텐데, 어찌됐건 비난의 대상은 건설사가 된다. 그런데, 공사 인부 중 몇 명이 필요한 자재를 훔쳐서 감리 담당자를 속인 것이 문제였다면, 모든 비난의 화살은 공사 인부 몇 명에게만 쏠리게 될까? 아니면 여전히 그 건설사가 악명을 뒤집어 쓴 채로 다른 건설 공사를 수주하는데도 방해를 받을까?

남의 프로젝트 베끼기를 하는 개발 업무는 과거 프로젝트 경험이 중요하지만,
새로운 프로젝트를 해야할 경우에는 학습 속도가 빠른 편이 훨씬 더 효율적
평소에 읽고 습득하는 패턴이 갖춰진 인재들을 뽑아야 고급 개발, 최신 개발 가능해져

하던 일을 계속 반복적으로 진행하는 업무가 아니라면, 언제나 새로운 상황이 닥치고, 그런 새로운 상황에 맞게 지식을 습득하고 대응 방식을 바꿔야 한다. 일반적으로 공무원들이 앵무새처럼 설명서를 반복적으로 읽는다는 비판을 많이 받는데, 그 분들과 유사한 업무가 아니라면 지속적인 지식 습득은 직장인의 필수 생존 덕목 중 하나다. 이걸 미루고 피하면 결국 '뒷방 늙은이' 신세가 되고, 회사에 필요없는 인력으로 전락한다.