Narrow a research question until it has an answer

1. 실제로 결정하려는 것

“AI가 개발자를 얼마나 대체할까?”가 아니라,

2027년에 우리 조직의 신입 백엔드 개발자 채용 정원을 현재 계획의 50%로 줄여도, 필요한 개발 산출량·품질·일정·장기 인력 확보를 감당할 수 있는가?

를 결정하려는 것입니다.

연구 결과가 조직의 채용 규모 결정에 전혀 반영되지 않는다면 연구할 이유가 없습니다. 다만 AI의 산업 전체 영향만으로는 “우리 회사가 신입 채용을 절반으로 줄여도 되는가”에 바로 답할 수 없습니다. 연구는 판단 자료를 제공하고, 최종 결정은 조직별 생산성·수요·리스크에 대한 판단입니다.

2. 현재 질문의 진단

• 너무 넓습니다. “앞으로”, “개발자 일자리”, “얼마나 대체”가 모두 범위가 큽니다.
• 여러 질문이 섞여 있습니다.
  • AI가 개발 업무 중 무엇을 얼마나 자동화하는가?
  • 그 결과 개발자 1인당 생산성이 얼마나 변하는가?
  • 기업의 개발자 수요가 줄어드는가, 아니면 개발 수요가 늘어나는가?
  • 특히 신입 백엔드 채용에 어떤 영향이 있는가?
  • 그 영향이 우리 조직에 얼마나 적용되는가?
• 일부는 이미 결정된 전제가 있습니다. “AI 대체 규모를 근거로 채용을 절반으로 줄인다”는 방향을 먼저 정하고, 연구에서 정당화를 찾을 위험이 있습니다. 연구가 정말 답해야 할 것은 “절반 감축이 타당한가”이지 “AI가 개발자를 대체한다는 근거가 있는가”가 아닙니다.
• 연구만으로 답할 수 없는 부분이 있습니다. 적정 채용 규모는 사업 성장률, 팀 구조, 온보딩 비용, 장애 허용도, 인력 이탈률 같은 조직별 판단에 달려 있습니다.

3. 먼저 실행할 연구 질문

2027년 우리 조직의 백엔드 개발 업무량과 필요한 개발 역량을 기준으로 볼 때, AI 도구 도입을 전제로 신입 백엔드 개발자 채용 정원을 현재 계획 대비 50% 줄이는 것이 비용·일정·품질 목표를 유지하면서도 합리적인가?

답의 형태는 다음 중 하나가 되어야 합니다.

• 줄여도 된다
• 줄이지 말아야 한다
• 일부만 줄인다
• 조건부로 줄인다 — 예: 특정 업무 자동화율, 생산성 향상률, 채용 대체 가능 인원 등이 일정 기준을 넘을 때만

더 측정 가능한 형태로 쓰면 다음과 같습니다.

2027년 우리 조직에서 AI 도입 후 백엔드 개발자 1인당 유효 생산성이 현재보다 최소 몇 % 향상되어야, 신입 채용을 50% 줄여도 출시 일정 지연 확률, 결함률, 운영 리스크, 핵심 인력 부족 위험이 허용 범위 안에 머무르는가?

4. 연구의 경계

다음처럼 고정하는 것이 좋습니다.

• 기간: 2027년 1월~12월
  “앞으로” 대신 의사결정 대상 연도만 다룹니다.
• 지역·노동시장: 실제 채용 시장이 있는 지역과 고용 형태
  예: 한국의 정규직 신입 백엔드 개발자 채용
• 대상 직무: 신입 백엔드 개발자
  프론트엔드, 데이터 엔지니어, 시니어 개발자는 별도 분석
• AI의 의미: 코드 생성만이 아니라 테스트 작성, 디버깅, 문서화, 코드 리뷰 보조를 포함하되, 최종 책임과 검토는 개발자가 맡는 도구 사용
• “대체”의 정의: 개발자 수 감소가 아니라,
  동일한 업무량·품질·일정을 유지하는 데 필요한 인력 수의 감소
• “현재의 절반”: 현재 계획된 신입 채용 인원의 정확한 기준값
  예: 2026년 계획 20명이라면 2027년 10명
• 성과 기준: 출시 일정, 결함률, 장애율, 보안 사고, 온보딩 기간, 인건비, 이직·공백 위험

5. 하위 질문 — 먼저 알아야 할 순서

1단계: 2027년에 필요한 개발 업무량은 얼마인가?

• 신규 기능과 유지보수 업무량은 얼마나 되는가?
• 개발자 수요가 줄어드는가, 아니면 AI로 더 많은 기능을 만들 계획인가?
• 2027년 사업·제품 계획이 현재와 같은가?

2단계: 신입 개발자가 실제로 맡는 업무는 무엇인가?

• 신입이 담당하는 업무 중 AI가 보조하거나 자동화할 수 있는 비중은 얼마인가?
• 신입의 업무가 단순 코딩인지, 시스템 이해·협업·운영·도메인 학습까지 포함하는지?
• 시니어가 신입을 대체할 경우 시니어의 시간은 얼마나 소모되는가?

3단계: AI 도입으로 유효 생산성이 얼마나 변하는가?

• 실제 우리 코드베이스와 개발 프로세스에서 생산성이 얼마나 개선되는가?
• 검토·수정·테스트·보안 검증에 드는 추가 비용은 얼마인가?
• 생산성 향상이 개인별로 안정적인가, 특정 업무에만 나타나는가?

4단계: 인력 절감이 아니라 채용 감소가 가능한가?

• 신입을 덜 뽑으면 기존 인력이 그 업무를 지속적으로 감당할 수 있는가?
• 신입을 육성하지 않을 때 2~3년 뒤 중간급 인력 풀이 비는가?
• 채용 축소로 생기는 비용 절감과 미래 인력 부족 비용 중 어느 쪽이 큰가?

5단계: 절반 감축의 조건과 안전장치는 무엇인가?

• 채용을 50% 줄였을 때 허용 가능한 일정 지연·결함률은 얼마인가?
• 어떤 지표가 악화되면 추가 채용을 재개할 것인가?
• 한 번에 절반을 줄이는 대신 분기별 재평가가 가능한가?

첫 번째 연구로는 “AI가 개발자 일자리를 얼마나 없애는가”보다 우리 조직의 업무량과 AI 도입 후 실제 생산성 변화를 확인하는 것이 우선입니다.

6. 아마 이미 알고 있어서 건너뛸 수 있는 것

이미 다음을 알고 있다면 일반적인 AI 전망 연구에 시간을 많이 쓸 필요가 없습니다.

• AI가 코딩 업무 일부를 자동화하거나 보조한다는 사실
• AI가 개발자의 모든 책임과 역할을 없애지는 않는다는 사실
• 생산성 향상과 고용 감소가 같은 의미가 아니라는 사실
• 신입 개발자는 코드 작성 외에도 시스템 이해, 테스트, 운영, 협업을 배운다는 사실
• 개발자 수요는 업무 자동화뿐 아니라 제품 개발량과 사업 성장에도 좌우된다는 사실

특히 “AI가 개발자를 대체할 수 있는가”라는 일반론은 현재의 채용 결정을 직접 해결하지 못합니다.

7. 충분한 답의 기준

다음 조건을 충족하면 의사결정에 충분한 답으로 봅니다.

• 2027년 업무량과 필요한 역량을 구체적인 가정으로 계산했다.
• AI 도입 전후의 개발자 1인당 유효 생산성을 범위로 제시했다.
• 신입 채용을 50% 줄였을 때의 비용 절감액과 주요 위험을 비교했다.
• 최악·기준·낙관 시나리오에서 결론이 어떻게 달라지는지 확인했다.
• “절반 감축”이 성립하는 조건과 성립하지 않는 조건을 정했다.
• 분기별 재검토 지표와 채용 재개 기준을 정했다.

예를 들어 최종 답은 다음처럼 나와야 합니다.

“기준 시나리오에서는 채용을 20명에서 14~16명으로 줄이는 것은 가능하지만, 10명으로 절반 감축하면 2027년 3분기부터 일정 지연 위험이 허용 수준을 넘는다. 따라서 50% 감축은 권하지 않으며, 20% 감축 후 1분기에 재평가한다.”

8. 이 답이 말해주지 않는 것

연구가 끝나도 다음은 별도로 결정해야 합니다.

• 회사가 단기 비용 절감과 장기 인재 육성 중 무엇을 우선할지
• 일정 지연과 품질 저하를 어느 정도까지 감수할지
• AI 도입에 필요한 도구 비용·교육·보안 통제를 얼마나 투자할지
• 신입 채용을 줄였을 때의 조직 문화와 미래 리더십 파이프라인을 어떻게 평가할지
• 불확실성을 감수하고 절반 감축을 실행할지, 점진적으로 조정할지

따라서 가장 적절한 핵심 질문은 다음입니다.

2027년 우리 조직의 실제 백엔드 업무량과 품질 기준을 충족한다는 조건에서, AI 도입이 신입 개발자 1인당 유효 생산성을 얼마나 높여야 신입 채용을 현재 계획의 50%로 줄이는 것이 정당화되는가? 그 조건은 실제로 충족될 가능성이 얼마나 높은가?