생성형 인공지능(Generative AI)과 대형언어모델(LLM)의 업무 통합이 빠르게 진행되고 있지만, 인간 인력의 역할은 즉시 대체되지 않는다는 분석이 나왔다.
2026년 3월 14일, 인베스팅닷컴의 보도에 따르면 미국 투자은행·리서치업체인 번스타인(Bernstein)은 전 세계 기술 전문가들과의 집중 인터뷰 50시간을 바탕으로 작성한 보고서에서 이같이 결론 내렸다. 보고서는 LLM이 전문 프로그래밍 작업 흐름에 빠르게 통합되고 있으나, 현재로서는 인력을 대체하기보다 생산성 향상 도구로 작동하고 있다고 평가했다.
보고서의 핵심 발견은 AI가 역할의 경계를 재편하고 있지만, 인적 자본은 ‘놀랄 만큼 탄력적(surprisingly resilient)’이라는 점이다. 많은 대중적 서사에서 주장되는 즉각적이고 광범위한 백칼라 실직(apocalypse)은 현실을 과장한 것으로 보인다고 번스타인은 지적했다.
주니어 개발자와 시니어 개발자 간 생산성 격차 축소
보고서는 특히 소위 ‘주니어 개발자’가 곧바로 일자리를 잃을 것이라는 우려를 반박했다. 오히려 LLM 도입으로 온보딩(onboarding) 시간이 크게 단축되면서 주니어의 업무 범위가 확장되고 있다는 점을 강조했다. 구체적으로 일부 대형 IT 제품 기업에서는 복잡하고 수십 년에 걸쳐 형성된 코드베이스에 익숙해지는 기간이 기존의 6개월에서 빠르면 8주(약 두 달)로 줄어들었다.
번스타인이 인용한 한 중상급 클라우드 엔지니어는 “나는 주니어가 대체 가능하고 시니어는 그렇지 않다는 이론에 동의하지 않는다”라고 말했고, 보고서는 주니어와 시니어 간 생산성 격차가 빠르게 좁혀지고 있음을 확인했다고 전했다. 주니어 개발자들은 반복적이고 기계적인 작업(boilerplate 코드 작성, 유닛 테스트 등)을 AI에 맡기면서도, 여전히 갈등 해결(conflict resolution)과 아키텍처 설계 같은 미묘하고 복합적인 의사결정 영역에서는 인간의 감독을 유지하고 있다.
“온보딩은 점점 수개월간 디버깅을 하는 일이 아니라 올바른 질문을 던지는 과정이 되고 있다. 주니어 개발자들은 더 일찍 생산성을 발휘하고 그 결과 시니어로 빠르게 전환하고 있다.”
IT 서비스 기업의 의외의 수혜 가능성
번스타인은 AI 물결에서 IT 서비스(outsourced IT) 기업들이 의외의 수혜자가 될 가능성이 높다고 지적했다. 많은 투자자가 이 부문을 파괴될 업종으로 둔감하게 평가절하했으나, 기업들은 새로운 AI 시스템을 유지·최적화·거버넌스 하는 복잡성에 계속해서 직면해 있다. 보고서는 여전히 루틴한 테스트, 문서화, 경미한 버그 수정과 같은 이른바 ‘grunt work’의 수요가 높게 유지되고 있다고 전했다.
분석가들은 “AI가 최근의 감원 물결을 주도한다는 생각은 과잉채용을 했던 기업들에 대한 편리한 서사로 보인다”고 언급했다. 또한 청구(billing) 모델에도 변화가 관찰되는데, 전통적인 인력 수(Full-Time Equivalent, FTE) 기반 과금에서 토큰 연동(token-linked) 혹은 성과(Outcome)-기반 과금으로 서서히 이동하고 있다고 보고서는 밝혔다. 보고서는 결론적으로 “Grunt work is here to stay”라는 문구로 반복적 유지보수 업무의 지속성을 강조했다.
이러한 변화는 팀 규모의 점진적 축소와 자동화 프로세스의 비용 효율적 유지의 중요성을 부각시키며, 인도 기반 IT 벤더들이 글로벌 기술 스택에 깊이 관여하는 현 상태를 유지할 가능성을 높인다고 번스타인은 평가했다. 보고서는 또한 오늘날의 소위 AI ‘에이전트(agent)’가 실제로는 보조자에 더 가깝다고 분석했다. 한 관계자는 “그들은 파일을 준비하지만, 사람이 여전히 그것을 읽고 승인하고 서명해야 한다”고 말했다.
용어 설명 및 배경
대형언어모델(LLM)은 대규모 텍스트 데이터를 학습해 자연어 이해·생성 능력을 갖춘 인공지능 모델을 의미한다. 예컨대 코드 생성, 문서 요약, 질의응답 등에 사용되며, 최근 많은 기술 조직이 프로그래머의 작업흐름에 통합하고 있다. ※
토큰 연동(token-linked) 과금은 AI 모델이 처리하는 입력·출력 단위인 ‘토큰’의 수에 따라 비용을 산정하는 방식이다. 반면 성과 기반(outcome-based) 과금은 특정 결과·성과(예: 기능 배포, 오류율 개선 등)를 달성한 정도에 따라 비용을 지불하는 모델을 의미한다. 전통적 FTE(Full-Time Equivalent) 기반 과금은 인건비 혹은 인력 수에 따른 요금 책정 방식을 뜻한다.
AI 에이전트(agent)는 단일 혹은 여러 도구와 연동해 특정 작업을 자동화하는 소프트웨어를 가리키며, 보고서는 현재 이들이 독립적으로 결정을 내리거나 최종 승인을 대체하기보다는 보조자 역할을 수행한다고 규정했다.
경제적·시장적 함의와 전망
번스타인의 분석은 기술 부문 고용과 서비스 수요에 관해 몇 가지 시사점을 제공한다. 첫째, 주니어 개발자의 온보딩 기간 단축은 기업의 단기 인력 운용 비용을 낮추며, 교육·멘토링의 성격이 변모한다. 이는 기업의 인력 생산성 지표(예: 산출물 대비 인건비) 개선으로 이어질 수 있으며, 단기적으로는 노동생산성 상승이 기업 이익률에 긍정적 영향을 줄 가능성이 있다.
둘째, 반복적 작업의 지속성은 IT 서비스 업체들의 매출 안정성에 기여할 수 있다. 특히 인도 등 외주 중심의 IT 벤더들은 유지보수·문서화·테스트 등에서 여전히 중요한 역할을 수행하므로, 이들의 현금흐름과 계약구조에 대한 시장의 재평가가 이뤄질 여지가 있다. 다만 과금모델의 전환(예: FTE → 토큰·성과 기반)은 사업모델 재설계와 단기적인 마진 변동을 초래할 수 있다.
셋째, 기업들이 감원 사유로 AI를 지목하는 경향은 단기적 비용 절감과 구조조정의 정당화 수단으로 사용될 위험이 있다. 번스타인의 지적처럼 일부 기업의 감원은 AI 도입이 아닌 과잉채용의 결과일 수 있으므로, 고용지표를 해석할 때는 업종·기업별 실질 수요와 자동화 수준의 차이를 면밀히 분석해야 한다.
넷째, 투자 관점에서 보면 AI 도입이 빠른 기업은 단기적으로 주당순이익(EPS) 개선 기대를 얻을 수 있으나, 장기적 경쟁우위는 인재 확보·시스템 거버넌스·데이터 품질 등 비가격적 요소에 의해 좌우될 가능성이 크다. 따라서 투자자들은 단순한 AI 채택 여부가 아닌, 채택의 깊이(depth), 운영 통제, 지속 가능한 비용 구조 전환 여부를 중심으로 평가해야 한다.
결론
번스타인의 보고서는 AI가 코딩 업무에 빠르게 통합되더라도 인간의 역할이 즉시 사라지지 않는다고 결론 내린다. 주니어 개발자의 생산성 향상, 반복 업무의 지속적 수요, IT 서비스업의 적응 가능성, 그리고 과금 모델의 전환 등은 향후 수년간 기술 산업의 고용·비즈니스 모델·투자 지형을 재편할 주요 변수로 남을 것이다. 보고서는 궁극적으로 AI를 ‘완전한 대체자’가 아니라 조직의 역량을 확장하고 재구성하는 도구로 바라보고 있으며, 이는 기업 운영·거버넌스·인력 전략 전반에 걸친 체계적 대응을 요구한다.
