들어가며

요새 GPT-6 Astra로 이런저런 걸 만들었다는 소식을 보면서 불안감이 스멀스멀 올라왔다. 개발자에게 미래가 있으려나.

그러다 문득 경제학으로 AI 시대 소프트웨어 개발자의 노동 시장을 예상할 수 있지 않을까 하는 생각이 스쳤다. 학부 시절 배웠던 탄력성(elasticity)에 따라서 소프트웨어 시장과 소프트웨어 개발자의 노동 시장을 살펴보는 것이다. 막연한 불안보다는 내 생각을 정리하고 무슨 행동을 할지 따져볼 요량으로 적어 보았다.

재화와 노동시장은 어떻게 연결되나

(노동경제학 시간에 이런 걸 배웠나 싶은데) 노동시장의 수요는 최종재의 수요에 대한 파생 수요다. 말이 어려운데 이를테면 사진 촬영이라는 노동의 수요는 사진이라는 최종 재화의 수요에 따라 파생된다는 것이다.

힉스-마샬 법칙이라고 해서 공식이 있는데, 중요한 것은 최종 재화의 탄력성과 노동 자체의 대체 탄력성에 따라 노동의 수요 탄력성을 계산해 볼 수 있다는 것이다.

탄력성이라는 단어가 낯설 수 있는데, 이는 가격의 변화에 따라 수요/공급의 변화가 어떻게 되었는지를 수치적으로 표현한 개념이다. 수요에 대해서 계산하면 수요의 가격 탄력성, 공급에 대해 계산하면 공급의 가격 탄력성이라고 한다.

$\varepsilon_s = \frac{\text{수요/공급량의 변화율(\%)}}{\text{가격의 변화율(\%)}} = \frac{\Delta Q_s / Q_s}{\Delta P / P}$

공식은 그럴듯한데, 직관적으로 생각해보면 된다. 만약 사진 촬영 가격이 10% 오르면 사진 촬영의 수요가 10% 줄어든다고 해보자. 10% / 10% = 1 이므로 그럼 탄력성은 1이 된다. 탄력성이 1이라는 것은 가격 변화량과 동일하게 변화한다는 의미다. 1보다 작으면 가격의 변화보다 수요/공급의 변화가 적다는 것이고, 1보다 크면 가격의 변화보다 수요/공급의 변화가 더 크다는 의미가 된다. 이때 1보다 큰 것을 탄력적이라고 하고 1보다 작은 것을 비탄력적이라고 한다.

이게 당최 왜 중요한 걸까. 만약 어떤 상품이 수요의 가격탄력성이 탄력적이라면, 가격이 조금만 변해도 수요가 요동친다. 보통의 경우에 가격이 싸지면 수요는 늘고, 가격이 비싸지면 수요가 줄어든다. 탄력적인 상품이라면 가격이 싸졌을 때, 사람들은 원래보다 더 많이 구매하려고 한다. 이걸 당연하게 생각할 수도 있지만 조금만 생각해보면 모든 것이 그렇지 않다는 것을 알 수 있다.

우리가 먹는 밥은 아무리 싸져도 그날 10그릇 100그릇씩 먹을 수가 없다. 좀 더 비싼 음식을 먹으려고 할 수 있겠지만 어쨌든 일정 수치 이상을 먹을 수가 없다. 그래서 가격이 아무리 싸져도 먹을 수 있는 한계가 있으므로 가격 변화보다 수요 변화가 더 적게 된다. 반대 방향도 마찬가지다. 의식주와 같은 것은 가격이 아무리 뛰어도 일정 수준 이상으로 수요를 줄일 수 없다. 먹고는 살아야 하니까. 이 경우도 가격의 큰 변화 대비 수요가 줄어드는 폭은 적을 것이다. 이런 경우가 바로 비탄력적인 것이다.

소프트웨어 시장의 탄력성

소프트웨어의 수요는 탄력적인가? 공급은 어떤가?

예를 들어 소프트웨어의 가격이 엄청 비싸진다고 생각해 보자. 그러면 소프트웨어를 그냥 안 사버리나? 혹은 싸지면 1개 살 것을 2~3개 사나? 웹 서비스를 만드는 입장에서 소프트웨어 카피가 잘 와닿지 않는다면 해결해야 하는 문제로 생각해보자. SI든 뭐든 소프트웨어를 공급받는 가격이 무척 비싸졌다면? 그럼 우리가 ERP를 당장 끊어버릴 수 있나? 모니터링 툴 결제를 다 종료하고, 클라우드 결제를 다 취소할 수 있는가? 그렇지 않다. 중장기적으로 이관 계획을 세울 수 있겠다. 하지만 그것 자체가 소프트웨어의 수요가 비탄력적임을 의미한다. 빠른 시일 내에 수요를 움직일 수 없으니까.

그런데 꼭 그런 소프트웨어만 있을까? 플레이스테이션이나 스위치의 게임이 반값이 된다면? 각종 유료 개발 툴이 어느 날만 1/10으로 구매할 수 있다면? AI 토큰이 1/3 가격이 된다면? 원래 못 샀던 걸 더 당겨서라도 살 수 있다. 이런 부분의 수요는 굉장히 탄력적이라고 생각할 수 있는 것이다.

결국 소프트웨어로 퉁쳐져 있는 시장은 없고, ERP, CRM 등의 기업용 B2B 제품, 게임, 플러그인, 유틸리티 등 개인용 B2C 제품 등으로 소프트웨어 시장은 나뉘어 있다. 그리고 그 역할마다 탄력성 또한 다르다.

이는 공급 또한 마찬가지이다.예전에 파이썬이 유행할 당시는 비개발자 분들이 업무 자동화를 하는 프로그램을 만들었다는 사례 발표를 여럿 보았다. 요즘은 어떤가. 무슨 모델로 바이브 코딩을 해서 몇 명의 유저를 모았고, 얼마를 벌었고 하는 이야기를 발에 치이도록 볼 수 있고 심지어 비개발자가 만드는 경우도 많다. 이런 부분은 소프트웨어의 구현 비용이 AI를 통해서 저렴해지면서, 공급 자체가 폭발적으로 증가하고 있다고 봐야겠다. 동시에 이런 시장의 공급 탄력성은 탄력적인 것이라는 것도 알 수 있다.

동시에 일정 수준 이상의 신뢰를 필요로 하는 소프트웨어는 AI가 범람하는 시대라고 해도 폭발적으로 증가하지 않는다. SAP나 Oracle 같은 소프트웨어가 갑자기 공급될 수 있을까? 몇 천만명, 몇 억명의 사용자가 사용하는 소프트웨어를 AI가 등장했다고 해서 갑자기 공급할 수 있게 되는가? 아직은 이것이 바이브 코딩으로 토큰을 엄청 태운다고 해서 다다를 수 있는 경지는 아니기 때문에 이런 규모와 퀄리티의 소프트웨어의 공급은 대체로 이전과 크게 다르지 않다고 볼 수 있다. 이런 소프트웨어의 공급은 비탄력적인 것이다.

소프트웨어 개발자 시장

앞서 노동의 수요는 최종재 수요에 대한 파생 수요라고 했다. 그리고 직전에 소프트웨어의 수요뿐 아니라 AI로 인한 공급의 양상 역시 신뢰와 검증 수준에 따라 판이하게 갈린다는 점도 살펴보았다. 결국 ‘AI로 소프트웨어를 쉽게 공급할 수 있는가’의 문제는 개발자 노동 시장에서 ‘AI가 사람의 개발 노동을 얼마나 쉽게 대체할 수 있는가(대체 탄력성 $\sigma$)‘의 문제로 이어진다. 그렇다면 소프트웨어 개발자의 시장 또한 하나의 양상을 갖지는 않을 것이라고 짐작할 수 있다. (참고로 이하 공식에서 공급의 탄력성 쪽은 AI로 인해 무한대가 된다고 가정하고 공식을 축약했다. 또한 k는 소프트웨어 개발에서 인건비가 차지하는 비중이며, 이 비중에 따른 양상은 논의에서 제외했다.) $\eta = k \cdot \eta_y + (1 - k) \cdot \sigma$

여기서 우리가 알고 싶은 것은 개발자의 고용에 관한 것이기 때문에, 이 공식의 최종재 수요 탄력성($\eta_y$)과 대체 탄력성($\sigma$)을 기준으로 살펴본다. 다시 말해 소프트웨어의 탄력성과 AI로 인해 대체되기 쉬운 정도를 보는 것이다. 가로가 소프트웨어 수요 탄력성, 세로가 AI로 인한 대체 탄력성이라고 생각하고 매트릭스를 만들면 이렇다.

구분	소프트웨어 수요($\eta_y$)가 비탄력적	소프트웨어 수요($\eta_y$)가 탄력적
AI로 대체하기 쉬움(σ 높음)	① · 구글 폼, 네이버 폼 같은 설문 도구 · 사내 어드민 페이지와 관리자 화면 · 아임웹, 윅스로 만드는 회사 소개 홈페이지 · 사내 근태·휴가 신청 시스템 · 단축 URL, QR 생성기 같은 단일 기능 도구 · 상대적으로 단순한 관리 시스템	② · 크롬 확장 프로그램 · 카카오톡·슬랙·디스코드 봇 · 노션 위에 얹는 소도구와 템플릿 · 개인 반복 업무 자동화 스크립트 · 1인 개발자가 파는 사이드 프로젝트 SaaS · 동네 가게용 예약·주문·정산 도구
AI로 대체하기 어려움(σ 낮음)	③ · SAP, 오라클 ERP · 더존 같은 회계·급여 시스템 · 은행 계정계 · 증권사 원장·체결 시스템 · 병원 전자의무기록(EMR) · 항공사 예약·발권 시스템	④ · 포트원, 토스페이먼츠 같은 결제 연동 · PASS 같은 본인인증 · 팝빌 같은 세금계산서 발행 대행 · 모두싸인 같은 전자계약 · 마이데이터 API 연동 · 알림톡·문자 발송 대행 · ISMS-P 인증 대응

가로축의 소프트웨어 탄력성이라는 것은 “값이 싸지면 얼마나 더 사는가”라고 했다. 동시에 가격의 변화에 민감하지 않은 경우라면, 가격 이외의 요소가 수요에 더 큰 영향을 미친다고도 볼 수 있을 것이다. 세로축은 직관적으로 “만드는 일을 AI가 가져갈 수 있는가”를 의미한다. AI가 가져갈 수 있는지는 AI로 만드는 소프트웨어의 검증이 얼마나 필요한가 라고도 볼 수 있다. “소프트웨어의 결함을 누가 언제 알 수 있는가”로 정해진다.

이 두 질문으로 네 칸을 다시 읽어보면 이렇다.

① 구글 폼, 사내 어드민, 회사 홈페이지, 근태 시스템

설문 도구가 무료가 된다고 해서 설문을 두 배로 돌리지는 않는다. 설문 횟수는 인사팀에 물어볼 안건이 있는가에 달렸지 도구 가격으로 정해지지 않는다. 회사 홈페이지는 회사당 하나, 근태 시스템도 회사당 하나, 어드민 화면도 서비스당 하나뿐이다. 가격이 내려가도 필요한 개수는 늘지 않는다. 따라서 이런 소프트웨어의 수요는 비탄력적이다.

한편, 이런 류의 소프트웨어는 검증이 상대적으로 쉬운 편이다. 폼이 제대로 뜨는지, 목록이 잘 나오는지는 화면을 보면 5초 만에 알 수 있다. 틀리면 즉시 드러나고, 설령 틀려도 피해가 작다. 따라서 이런 부분은 AI로 대체되기 쉬울 것이다.

② 크롬 확장, 카톡 봇, 개인 자동화, 동네 가게 도구

간단한 확장 프로그램이나 디스코드 봇을 가격을 지불해서 쓰진 않는다. 하지만 무료로 자신의 업무를 해결해주는 간단한 툴이 있다면 사람들은 크게 주저 않고 써본다. 특히 옆자리의 동료가 내가 하는 일을 더 간단히 하는 무엇인가를 쓰고 있다면 더욱 그렇다. 그걸 돈 내고 쓰라고 하면? 당연히 안 쓸 것이다. 따라서 이런 소프트웨어의 수요는 탄력적이다.

크롬 확장 프로그램, 카톡 봇, 단순 업무 자동화는 ‘있으면 좋지만 만들 공수가 부족해서’ 손대지 않는 영역에 가깝다. 결과를 즉시 확인할 수 있고, 망가져도 감당할 손해가 작다. 내가 만든 크롬 확장에 오류가 나도 나만 잠깐 불편하면 그만이다. 다만 생성될 소프트웨어의 총량 자체는 폭발하지만, 이를 개발자가 만들어 공급할지 사용자가 직접 만들어 쓸지는 아직 결론나지 않았다. 어쨌든 AI로의 대체는 쉬운 영역이다.

③ SAP, 은행 계정계, 증권사 원장, 병원 EMR

시스템을 갈아타는 전환 비용이 소프트웨어 가격보다 훨씬 크기 때문에 이 영역의 소프트웨어의 수요는 쉽게 변하지 않는다. ERP 교체는 2~3년의 기간과 수십억 원이 드는 대형 프로젝트다. 라이선스 비용이 반값으로 떨어진다고 회사가 ERP를 두 개 도입하거나 교체 주기를 앞당기지는 않는다. 가격의 문제가 아니라 이사회가 결정할 거버넌스의 문제이며, 그 결정에서 라이선스 비용은 작은 변수에 불과하다.

동시에 AI가 가져가기 어려운 이유는 오류를 검증하기 어렵고, 틀렸을 때의 대가가 막대하기 때문이다. 계좌 잔액이 1원만 틀려도 치명적인데, 오류 여부는 코드만 읽어서는 알 수 없고 수십 년간 쌓인 업무 규칙과 예외 케이스를 꿰고 있어야 판단할 수 있다. 게다가 사고가 났을 때 법적 책임을 질 주체가 필요한데, AI는 책임을 질 수 없다. 그렇기 때문에 여전히 사람의 몫이 남는다.

④ 포트원, 팝빌, PASS, 모두싸인

이 분야는 가격 여하에 따라 도입하기 어려웠던 쪽이 새로 유입되기 쉽다. 과거에는 결제 시스템을 대기업이나 갖출 수 있었지만, 연동 비용이 낮아지면서 이제는 1인 쇼핑몰까지 도입하게 되었다. 전자세금계산서 역시 중견 이상 기업의 전유물이었지만, 지금은 작은 스타트업도 API로 손쉽게 붙인다. ②와 마찬가지로 새로운 고객층이 시장을 키우는 영역이다.

여기서 주의할 점은, ‘AI로 대체하기 어렵다’는 말이 단순히 SDK나 API를 가져다 붙이는 클라이언트 연동 코드를 뜻하는 것은 아니라는 점이다. 그런 단순 호출 코드는 AI가 가장 손쉽게 짜주는 영역이다. 여기서 말하는 것은 외부 규제와 맞물려 동작하는 결제·인증 체계 자체를 구축·운영하거나, 그 복잡한 룰과 책임을 직접 떠안는 개발자의 몫이다.

이 영역을 AI가 온전히 가져가기 어려운 이유는 ③과는 결이 다르다. 기술적 난도 때문이 아니라, 검증 주체가 외부에 있고 오류가 발생했을 때 규제 책임이 따르기 때문이다. 결제는 카드사 규격과 부정거래(FDS) 심사를, 세금계산서는 국세청을, 본인인증은 외부 감사 기관을 거쳐야 한다. AI가 코드를 완벽하게 짜준다 한들, 외부 심사를 대신 통과해주거나 법적 책임을 대신 져주지는 못한다. 결국 시장 파이는 커지지만, 늘어난 몫은 여전히 사람이 챙기게 된다.

매트릭스의 의미

먼저, 매트릭스에서 수요가 늘어나는 칸(②, ④)이라고 해서 그게 곧 개발자에게 유리하다는 뜻은 아니다. 왜냐하면 그 수요를 누가 채우느냐의 문제, 즉 개발자가 채우느냐 AI 도구를 쓰는 비개발자가 채우느냐가 따로 남아있기 때문이다. AI가 진입장벽을 낮추면 그 칸에는 개발자가 아니었던 사람들도 공급자로 들어올 수 있고, 그러면 수요가 늘어도 개발자 개인의 몸값은 오히려 눌릴 수 있다.

또 지금 대체가 어렵다고 분류한 칸(③, ④)도 영구히 안전할 수는 없다. ③에 대해 이미 썼듯이, AI가 검증까지 잘하게 되면 지금은 안전해 보이는 칸도 위로, 즉 대체 쉬움 쪽으로 옮겨갈 수 있다.

이렇게 봤을 때 지금 시점에 이 매트릭스를 통해서는 ‘검증 영역의 실력’을 갈고닦는 것과 ‘롱테일 수요를 흡수하는 소프트웨어’를 만들어 내는 것 정도가 준비할 수 있는 방향으로 보인다.

검증 영역의 실력은 ③, ④ 칸에서 사람만 할 수 있다고 짚었던 것, 즉 수십 년 쌓인 예외 규칙을 아는 것이나 외부 감사·법적 책임을 질 수 있는 판단력에 해당한다고 본다. 롱테일 수요를 흡수하는 소프트웨어라는 건 ②칸에서 아직 아무도 안 만든, 그러나 AI 덕분에 이제는 만들 수 있게 된 틈새를 개발자가 먼저 찾아서 채우는 쪽에 해당한다.

다만 매트릭스는 지금 이 순간의 정적인 결론일 뿐이고 개발자 개인이 그 결론 속에서 계속 안전한 자리를 지킬 수 있을지는 별개의 문제라는 점도 고려를 해야 한다.

예측보다는 실행과 검증

이런 예측의 쓸모는 그대로 맞아떨어질지, 틀릴지를 따져보는 것이 아니라고 생각한다. 생각의 틀로서 사용할 때 그 가치가 있다. 맬서스의 인구론도 인구는 기하급수적으로 늘고 식량은 산술급수적으로 증가하기 때문에, 기아와 고통의 미래가 올 것이라 예견했지만 인구의 증가가 제한되고, 식량 생산이 폭발적으로 늘어나면서 결과적으로 틀린 예측이 되었다. 그러나 인구와 식량의 축에서 인류의 미래를 생각해 볼 수 있다는 틀 자체는 지금도 유효하다.

AI에 의해 개발자가 사라진다느니, 아니면 AI가 세상을 완전히 풍족하게 해줄 것이라느니 하는 것은 나에게는 그다지 필요하지 않은 것 같다. ‘나는 어디에 베팅하고 있고, 그러면 무엇을 실험하고 무엇에 더 투자할 것인가. 혹 그 예측이 틀렸다면 어떤 부분이 달라진 것이고 그에 따라 어떻게 해야 하느냐’ 하는 전략과 적응이 필요하다.

언급한 대로 검증의 영역에서 활약할 수 있는 실력을 기르기 위해 노력할 것이고, 한편으로는 롱테일에 걸친 수요를 흡수하는 소프트웨어를 만들 시도를 해볼 것 같다. 두 가지 모두 이런 분석 없이도 막연히 그럴 것이라 생각하고 해온 것들이다. 다만 어느 한 쪽에 올인은 너무 위험하다는 생각이 글을 쓰며 확고해지는 것 같다.

현재는 검증 영역에 좀 더 높은 비중을 두고 노력하겠지만 비중을 달리해야 하는 시점이 올 것도 분명하다. AI 검증이 사람 없이도 신뢰받는 사례가 실제로 눈에 띄게 늘어나는 것, 혹은 롱테일 쪽에서 내가 만들 수 있는 틈새 자체가 이미 포화됐다고 느껴지는 것 정도가 그 신호가 될 수 있다.