고객도 AI로 직접 코딩하는 시대, 이제 개발자는 뭘 해야 할까?
Quick Summary
고객도 AI로 직접 코딩하는 시대에 개발자는 결과물의 문제를 발견하고, 구현 가능성을 판단하며, 적절한 구조를 설계하고 검증하는 역량을 키워야 한다.
영상 보기
클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.
🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론
고객도 AI로 직접 코딩하는 시대에 개발자는 결과물의 문제를 발견하고, 구현 가능성을 판단하며, 적절한 구조를 설계하고 검증하는 역량을 키워야 한다.
📌 핵심 요점
- 고객이 AI로 화면·기능·기획서의 초안을 만든 뒤 전문가와 발전시키는 사례가 소개된다. 개발자의 역할을 묻는 출발점이지만, 한 교육생에게 들은 사례라는 한계가 있다.
- 컨설턴트도 AI로 프로토타입을 만들면서 기획과 구현의 경계가 흐려지고 있다. 화자는 코드 작성 속도보다 문제 발견, 구현 가능성 판단, 구조 설계가 더 중요해질 것으로 예상한다.
- 새로운 AI 도구를 많이 사용한 경험과 시스템을 깊이 이해하는 능력은 다르다. 에이전트 아키텍처, API 연결, 대화 맥락 유지, 품질 평가, 데이터 관리까지 이해해야 한다.
- 기술적으로 원활한 실습도 학습자의 적극적인 사고와 참여를 보장하지 않는다. 강사는 설명할 내용뿐 아니라 학습자가 판단하고 의견을 나누는 과정도 설계해야 한다.
- 개발과 교육은 원인을 찾고, 가설을 세우고, 실험하고, 수정하는 과정을 공유한다. 화자는 익숙한 지식에 머무르지 않고 기술 이해와 교수법을 함께 개선하려 한다.
🧩 배경과 문제 정의
화자는 이전 AI 심화 교육에서 받은 부정적인 평가를 반영해 마케팅·마켓 인텔리전스 대시보드 실습을 준비한다. 그러나 두 번째 교육에서는 지각과 결석, 적은 반응에 부딪힌다. 기술적으로 실습이 진행되는 것과 학습자가 적극적으로 사고하는 것은 별개의 문제였다.
강의 중 고객과 컨설턴트도 AI로 프로토타입을 만든다는 이야기를 들으면서 질문은 개발자의 전문성으로 확장된다. 화자는 코드 작성 이후의 판단·설계·검증 역량을 강조하고, 자신의 기술 이해와 교육 방식 역시 다시 점검한다. 영상은 새로운 도구를 익히는 즐거움에서 출발해 사람의 이해와 학습을 어떻게 도울 것인지로 관심이 옮겨가는 개인적 성찰이다.
🕒 시간순 섹션별 상세정리
1. 이전 평가를 반영해 다시 준비한 AI 교육
- 비 오는 토요일 아침, 화자는 두 번째 AI 심화 교육을 위해 이동한다. 지난 교육에서 두 사람에게 받은 좋지 않은 평가가 계속 마음에 남아 있었다. [00:43]
- 강의 자료를 고치고 마케팅·마켓 인텔리전스 대시보드를 미리 제작했다. 교육생이 직접 AI 에이전트를 붙이며 기능을 추가하도록 실습을 구성했다. [01:13]
2. 이른 도착과 예상보다 적은 참석자
- 교육 시작 한 시간가량 전에 도착해 프로그램을 점검했다. 기업 보안 정책으로 프로그램 설치가 어려울 수 있어 운영사가 준비한 교육용 노트북도 확인했다. [02:01]
- 신청자는 17명이었지만 시작 시간이 지나도 참석자가 적어, 오전 9시 30분쯤 세 명을 대상으로 강의를 시작했다. 화자는 결국 일곱 명이 오지 않았다고 보여준다. [02:57]
- 불참자의 사정을 이해하려 했지만, 이전에 부정적인 평가를 남긴 두 사람도 참석하지 않아 개선한 강의를 보여주지 못한 허탈함을 느꼈다. [03:41]
3. 작동하는 실습과 읽기 어려운 침묵
- 대시보드에 에이전트를 붙이고 기능을 추가하는 실습은 진행됐다. 예상하지 못한 Node.js 버전 문제도 현장에서 해결했다. [04:12]
- 교육생들은 지시를 따라 했지만 질문이나 의견은 적었다. 화자는 실제 업무나 고객사 상황에서 어떤 문제가 생길지 구체적인 비판을 듣고 싶었다. [05:22]
- 침묵이 집중, 어려움, 무관심 중 무엇을 뜻하는지 알기 어려웠다. 프로그램은 정상적으로 진행됐지만 강의의 활력이 부족하다고 느꼈다. [05:54]
4. 고객과 컨설턴트도 직접 만드는 프로토타입
- 화자는 고객사의 POC 요청을 받았을 때 요구사항 정리, 업무 분해, AI 활용, 컨설턴트와 개발자의 협업이 어떻게 이뤄지는지 물었다. [06:18]
- 한 교육생은 고객이 AI와 바이브 코딩으로 화면·기능·기획서를 먼저 만든 뒤 전문가와 가능성을 검토하고 발전시키는 사례를 소개했다. 화자는 이를 모든 기업에 일반화할 수 없다고 덧붙였다. [07:01]
- 컨설턴트도 AI로 프로토타입을 만들고 개발 과정에 참여하면서 기획과 구현의 역할 경계가 흐려진다는 이야기가 이어졌다. [07:30]
5. 개발자의 차별점은 무엇이 될 것인가
- 고객과 컨설턴트도 프로그램을 만드는 상황에서 전문 개발자는 무엇을 더 잘해야 하는지 질문한다. [07:49]
- 화자는 코드 작성 속도보다 고객 결과물의 문제 발견, 구현 가능성 판단, 더 나은 구조 설계가 중요해질 것으로 예상한다. [08:09]
6. 새로운 도구를 탐색하는 즐거움과 한계
- 화자는 노션을 비롯한 여러 도구의 기능과 구조를 살펴보고 자신의 작업에 적용해 온 경험을 돌아본다. 터미널에서 AI와 코딩하거나 자료·슬라이드·이미지를 만드는 도구도 사용했다. [09:19]
- 여러 AI를 연결하고 서로 토론하게 하며 프로젝트로 발전시키는 실험을 레고 조립에 비유한다. 빠르게 바뀌는 도구를 배우는 일이 자신에게는 즐거움이라고 드러낸다. [10:13]
- 다만 새로운 도구를 많이 사용했다는 사실이 그 기술을 깊이 이해한다는 뜻은 아니라는 한계를 짚어 본다. [10:27]
7. 숙련자 교육이 요구하는 설계와 운영의 깊이
- 개발 경력 30년의 경험이 있어도 숙련된 개발자와 컨설턴트에게는 AI로 프로그램을 만드는 방법만 설명하는 것으로 충분하지 않을 수 있다고 본다. [10:54]
- 에이전트 아키텍처, LLM API 연결, 대화 맥락 유지, 결과 품질 평가, 데이터 관리가 중요한 질문으로 드러난다. [11:12]
- AI에 프로그램 생성을 요청하는 경험과 에이전트를 직접 설계해 서비스를 운영하는 경험은 다르다. 강사는 모르는 것을 인정하고 설명하는 내용은 정확히 이해해야 한다고 강조한다. [11:51]
8. 구현을 맡기더라도 구조와 검증은 이해해야 한다
- 화자는 에이전트 아키텍처와 온톨로지 등을 다시 공부하고 있다. 특히 기업 업무 개념과 데이터 관계를 정의해 AI가 활용할 구조로 만드는 데 관심을 둔다. [12:14]
- 코드를 AI에 맡기더라도 자신이 무엇을 만드는지 이해해야 한다. 적절한 구조, 선택 이유, 작동 여부, 검증 방법을 알아야 한다고 드러낸다. [12:42]
- 끝없이 생기는 학습 과제를 부담보다는 새로운 세계와 기회로 받아들인다. [12:55]
9. 감사 인사로 다시 살펴본 교육의 의미
- 강의가 끝난 뒤 개발과 BA 업무를 한다는 교육생이 새롭게 배운 내용이 좋았다며 명함을 요청하고 감사 문자도 보냈다. [13:28]
- 화자는 부정적인 평가를 오래 기억하면서 좋은 평가를 충분히 기억하지 못했던 자신을 돌아본다. 비판이 필요해도 일부 평가가 강의 전체를 판단할 수는 없다고 생각한다. [14:13]
- 한 사람의 감사가 모든 문제를 해결하지는 않지만, 준비한 시간이 누군가에게 의미 있었다는 보람을 준다고 드러낸다. [14:35]
10. 무엇을 가르칠지에서 어떻게 생각하게 할지로
- 다음 달 교육을 위해 새로운 실습이나 온톨로지 프로젝트를 고민하다가, 기술을 더 추가하는 것만으로 참여가 늘지는 않을 수 있다고 생각한다. [15:15]
- 설명 내용과 실습 순서에 비해 학습자가 스스로 생각하고 의견을 나누게 하는 방식은 충분히 고민하지 않았다고 돌아본다. [15:54]
- HTML 강의 자료와 학습자 화면을 연결해 판단을 모아 비교하고, AI가 만든 아키텍처의 문제를 찾아 토론한 뒤 실험으로 검증하는 방식을 구상한다. [16:33]
11. AI 사고 실험과 학습자의 이해를 중심에 두기
- 화자는 이 구상을 AI 사고 실험 프로젝트라고 부른다. 구체적인 형태는 정하지 않았지만, 따라 하기에서 벗어나 스스로 생각하고 판단하는 경험을 만들고 싶다고 드러낸다. [16:55]
- 새로운 교수법이 실패하거나 반응이 적더라도 원인을 살피고 피드백을 받아 바꾸겠다고 한다. 강의를 마친 뒤 기술, 실제 업무, 가르치는 방법 모두에서 배울 것이 늘었다고 느낀다. [17:40]
- 강사가 많이 아는 것보다 학습자가 무엇을 이해하고 나가는지가 중요하다고 생각한다. 감사 문자를 보낸 교육생은 화자에게 강의를 계속할 작은 이유를 남겼다. [18:38]
12. 개발과 교육을 잇는 실험과 개선의 태도
- 만족스럽지만은 않았던 강의 뒤에도 무엇을 공부하고 다음 강의를 어떻게 바꿀지 계속 고민한다. 개발과 교육은 원인 파악, 가설 설정, 실험, 수정을 반복한다는 점에서 닮았다고 드러낸다. [19:34]
- 한 번 잘했다고 전문성이 영원히 유지되지는 않는다. 화자는 익숙한 지식만으로 버티지 않고, 다음에도 이번과 똑같은 강의를 반복하지 않겠다고 다짐한다. [20:06]
- 다음 공부의 초점은 새로운 AI 도구뿐 아니라 사람이 어떻게 배우고 생각하는지에 있다. 귀가 후에도 새로운 일을 구상하는 자신을 돌아보며 영상을 마친다. [20:35]
🧾 결론
- AI에 구현을 맡기더라도 무엇을 만들고 왜 그 구조를 선택했는지 설명하고 검증할 책임은 사람에게 남는다.
- 숙련자를 위한 AI 교육은 도구 사용법을 넘어 설계 판단과 실제 서비스 운영의 질문을 다뤄야 한다.
- 침묵이나 일부 부정적인 평가만으로 교육 전체의 성과를 판단하기 어렵다. 비판과 긍정적인 피드백을 함께 살펴야 한다.
- 지속적인 전문성은 과거의 경력만으로 유지되지 않는다. 모르는 것을 인정하고 다음 실험으로 이어가는 태도가 필요하다.
📈 투자·시사 포인트
- 개발 서비스의 가치를 살필 때 코드 생산 속도와 함께 고객의 초안을 검토하고 구조를 개선하는 역량을 평가할 필요가 있다. 이는 영상의 사례와 화자의 전망에서 도출되는 시사점이다.
- 기업의 AI 활용 역량을 판단하려면 도구 도입 여부를 넘어 아키텍처, 결과 품질 평가, 데이터 관리, 운영 경험을 확인필요가 있다.
- 기업 교육의 가치는 최신 기술의 수보다 학습자가 무엇을 이해하고 어떤 판단을 할 수 있게 되는지에 초점을 맞춰 살펴볼 수 있다.
- 영상에는 기업 실적, 시장 규모, 수익성 자료가 없다. 소개된 업무 변화만으로 특정 기업이나 자산의 투자 수익을 전망할 근거는 부족하다.
⚠️ 불확실하거나 확인이 필요한 부분
- 고객의 AI 프로토타입 제작과 역할 경계 변화는 한 교육생에게 들은 현장 사례다. 업계 전반의 보급 수준이나 변화 속도는 확인되지 않는다.
- 설계와 판단 역량이 코드 작성 속도보다 중요해질 것이라는 주장은 화자의 예측이다. 고용, 보수, 생산성에 미친 영향을 보여주는 자료는 제시되지 않는다.
- 교육생의 침묵이 이해, 어려움, 무관심 중 무엇을 의미했는지는 알 수 없다. 종료 후 받은 감사 인사 역시 전체 교육 효과를 대표하지 않는다.
- 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
- 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
- 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.
✅ 액션 아이템
- 고객이 만든 AI 프로토타입을 검토할 때 요구사항, 문제점, 구현 가능성, 구조 개선 방향을 각각 정리한다.
- AI가 제안한 구조에 대해 선택 이유와 검증 방법을 설명할 수 있는지 점검한다.
- 에이전트 아키텍처, API 연결, 대화 맥락, 품질 평가, 데이터 관리를 실제 프로젝트와 연결해 학습한다.
- 교육 실습에 학습자별 판단 제출, 결과 비교, 토론, AI를 활용한 검증 과정을 넣어 본다.
❓ 열린 질문
- 고객이 만든 프로토타입을 발전시키는 과정에서 개발자와 컨설턴트는 어떤 판단과 책임을 각각 맡아야 할까?
- 도구 사용 경험을 시스템 설계와 운영에 대한 깊은 이해로 연결하려면 어떤 실전 경험이 필요할까?
- 조용히 듣는 학습자의 이해 수준과 참여 의사를 어떻게 확인할 수 있을까?