AGI 시대 개발자의 역할: 젠슨 황의 ‘신입사원’ 비유

뛰어난 신입사원에게도 회사의 맥락을 알려줘야 합니다

젠슨 황은 명문대에서 교육받은 신입사원을 예로 들었습니다. MIT 박사처럼 뛰어난 인재를 채용해도 회사는 그 사람이 일을 할 수 있도록 맥락과 목적을 설명하고, 필요한 정보와 수단에 접근할 수 있게 해야 합니다. AI에도 이런 환경이 필요하므로, AGI 서비스를 연결하는 것만으로 회사의 생산성이 하룻밤 사이에 올라가지는 않는다는 설명입니다. G20 대담 전사문

예를 들어 실력 있는 개발자가 새 회사에 입사했다고 해보겠습니다. 프로그래밍은 잘해도 어느 데이터가 최신인지, 고객에게 약속한 범위가 어디까지인지, 오래된 기능을 아직 유지하는 이유가 무엇인지는 알아가는 과정이 필요합니다. 업무를 이해할 자료와 동료, 시스템 접근 권한이 있어야 자신의 능력을 발휘할 수 있습니다.

이 관점을 개발 업무에 적용하면, AI가 일을 시작하고 이어갈 수 있도록 회사의 지식과 실행 환경을 연결하는 일이 보입니다. 젠슨 황이 기업과 리더의 역할로 설명한 환경 구성을, 개발자는 현업과 함께 구체적인 시스템으로 구현할 수 있습니다.

개발자는 현장의 판단 기준을 AI가 사용할 수 있는 형태로 옮깁니다

회사에는 문서에 충분히 적혀 있지 않은 기준이 많습니다. 담당자는 경험으로 알고 있지만, 처음 일을 맡은 사람에게는 설명이 필요한 것들입니다.

블로그 제작을 예로 들어보겠습니다. “이 현장으로 글을 써주세요”라는 요청을 처리하려면 어느 현장을 가리키는지, 어떤 사진을 사용할 수 있는지, 고객에게 무엇을 전달하려는지 알아야 합니다. 글을 잘 쓴다는 기준도 회사마다 다를 수 있습니다.

가원AX 블로그에서는 단락 이미지가 해당 헤딩의 주장을 그대로 표현해야 한다는 기준을 적용했습니다. “챗봇과 AI 에이전트는 대화창만 보고 구분할 수 없습니다”라는 헤딩이라면, 이미지도 그 주장을 보여줘야 합니다. 요청이 도구 실행으로 이어지는 그림은 다른 내용을 설명합니다.

이런 기준은 담당자의 피드백을 통해 명확해집니다. 개발자는 현업과 함께 좋은 결과와 잘못된 결과를 구분하고, 그 차이를 AI가 참고할 지침과 예시로 남길 수 있습니다. 회사의 판단이 다음 작업에도 반영되도록 만드는 것이 이 과정의 목적입니다.

필요한 정보를 찾고 행동할 수 있도록 업무 환경을 연결합니다

기준을 정리한 다음에는 AI가 실제 업무 자료에 접근할 수 있어야 합니다. 현장 사진이 어디에 있는지, 어떤 문서가 최신인지, 결과물을 어느 시스템에 저장해야 하는지 연결해야 합니다.

Anthropic은 컨텍스트 엔지니어링을 설명하며 지침뿐 아니라 도구, 외부 데이터, 대화 기록 등 모델이 작업 중 사용할 정보를 함께 관리해야 한다고 다룹니다. 필요한 자료를 처음부터 모두 넣는 방법 외에도, 파일 경로나 검색 도구를 통해 작업 시점에 찾아 읽는 방식을 설명합니다. Anthropic의 컨텍스트 엔지니어링 설명

개발자의 설계는 이런 지점에서 구체화됩니다. 사진과 현장 정보가 정확히 연결되도록 데이터를 정리하고, AI가 필요한 자료를 조회할 수 있게 합니다. 초안 저장과 외부 게시처럼 서로 다른 행동은 허용된 범위에 맞춰 실행할 수 있도록 구성합니다.

가원AX의 인테리어 고객사 사례에서는 익숙한 카카오톡 요청 채널에 회사 자료와 지침, 블로그 제작·게시 수단을 연결했습니다. 현장 소장님의 요청을 실제 업무로 이어가기 위해 회사의 기존 환경을 연결한 사례입니다. 카카오톡을 연결한 AX 도입 사례

AI가 도구의 실행 결과를 받아 다음 작업을 이어가는 구조는 AI 에이전트의 작동 방식에서 자세히 설명했습니다. 이번 글에서 주목할 부분은 그 구조가 우리 회사의 데이터와 업무 시스템에서 작동하도록 만드는 개발자의 역할입니다.

업무의 완료 기준을 시스템에서 확인할 수 있게 만듭니다

블로그를 게시하는 업무라면 “완료했습니다”라는 답변과 함께 실제 게시물도 확인할 수 있어야 합니다. 의도한 계정과 위치에 올라갔는지, 요청한 사진이 포함됐는지, 공개 상태가 맞는지처럼 결과를 판단할 기준이 필요합니다. 다음은 이런 업무를 설계할 때 정할 수 있는 항목의 예시입니다.

이 기준은 현업이 원하는 결과와 시스템의 실제 동작을 함께 알아야 정할 수 있습니다. 외부 서비스가 오류를 반환했지만 게시물은 생성된 상황처럼, 응답 메시지만으로 판단하기 어려운 경우도 설계 대상입니다.

개발자는 이런 상황을 구분할 수 있도록 상태와 실행 기록을 남기고, 확인·재시도·중단 방법을 구현합니다. AI가 작성한 코드도 그 환경에서 의도대로 동작하는지 검토해야 합니다. 데이터 구조와 외부 시스템, 오류 처리를 이해하는 개발 역량은 이 작업에 직접 쓰입니다.

AI와 함께 회사의 업무 방식을 설계하는 연습이 필요합니다

이 역할을 준비하려면 회사의 반복 업무 하나를 골라 실제로 연결해 보는 것이 좋습니다. 담당자가 어디서 자료를 찾는지, 무엇을 보고 판단하는지, 어떤 프로그램을 거치는지 살펴보면 구현할 대상이 드러납니다.

처음에는 담당자의 도움이 필요한 지점도 있을 것입니다. 자료가 부족했는지, 기준이 모호했는지, 도구가 필요한 결과를 반환하지 못했는지 확인하고 해당 부분을 개선할 수 있습니다. 이렇게 쌓은 기준과 연결 구조는 다음 작업의 출발점이 됩니다.

AI는 지침 정리와 코드 작성, 테스트와 개선 작업에도 참여할 수 있습니다. 개발자는 현업과 함께 목표를 구체화하고, AI의 제안을 회사의 데이터와 제약에 맞게 검토하며, 실제 결과가 나오는지 확인하는 역할을 맡을 수 있습니다.

AGI 시대의 개발을 준비한다는 것은 더 강력한 지능을 회사의 실제 업무에 연결하는 방법을 익히는 일입니다. 회사의 지식과 판단 기준이 작업에 반영되고, 결과가 다음 업무로 이어지도록 만드는 과정은 AI를 중심으로 일하는 방식을 바꾸는 AX와도 맞닿아 있습니다.