줄어든 시간은 어디에 다시 써야 할까?
AI를 Engineering Workflow에 적용하면서 처음에는 얼마나 많은 일을 줄일 수 있을지를 많이 봤다.
자료를 찾고, Source를 비교하고, Log와 Result를 정리하고, 과거 Issue를 찾고, Review 자료를 준비하는 일은 분명 AI와 System이 도울 수 있었다.
그런데 실제로 이런 시간이 줄어들기 시작하면 더 중요한 질문이 생긴다.
줄어든 시간을 Engineer는 어디에 다시 써야 할까.
Engineering 업무를 보면 모든 일이 같은 종류는 아니다.
Source를 찾고, 조건을 확인하고, 과거 결과를 찾아 비교하고, 자료를 정리하는 일은 판단을 준비하는 과정에 가깝다.
반면 Specification이 모호할 때 무엇을 의도한 것인지 해석하는 일,
예상하지 못한 Exception을 다루는 일,
Architecture Trade-off를 비교하는 일,
어떤 Risk를 받아들이고 어느 방향으로 갈지 결정하는 일은 성격이 다르다.
사람의 시간은 Preparation에서 더 어려운 Engineering 문제로 이동했다
그래서 AI가 사람의 Task를 가져간다고 보기보다, Preparation 부담이 줄면서 사람의 시간이 Intent, Ambiguity, Exception, Trade-off와 필요한 Judgment 쪽으로 더 이동한다고 보는 편이 맞았다.
그리고 Architecture Choice, Risk Acceptance, Waiver, Sign-off처럼 다음 상태를 책임 있게 확정하는 일은 단순한 Judgment가 아니라 Decision과 Human Responsibility의 영역이었다.
반복적인 Search와 정리를 줄이는 것 자체가 목표는 아니었다.
그렇게 확보한 시간을 더 어려운 Engineering 판단과 책임 있는 Decision에 쓰게 하는 것이 중요했다.
Onboarding에서 가장 먼저 역할 변화가 보였다
이 변화가 가장 쉽게 보이는 곳 중 하나가 Onboarding이었다.
새로운 Project에 들어온 Engineer는 처음에 이런 질문을 많이 한다.
Spec은 어디에 있나.
왜 이 Configuration을 쓰나.
지난번 비슷한 Issue는 어떻게 처리했나.
이 Test는 왜 필요한가.
이 질문들은 당연하다.
Project의 Context를 모르면 판단 이전에 위치와 History부터 익혀야 하기 때문이다.
여기서 AI가 잘 준비된 Project Context에 접근할 수 있다면 신규 Engineer가 Senior처럼 즉시 판단하게 되는 것은 아니다.
대신 Senior가 오랫동안 축적한 판단의 Context에 더 일찍 접근할 수 있다.
과거에는 어디 있는지를 묻는 데 시간이 걸렸다면, 더 빨리 지난 판단 조건과 이번 Project의 차이는 무엇인지 묻는 단계로 이동할 수 있다.
내가 생각하는 좋은 Onboarding의 목표도 답을 빨리 알려주는 것이 아니다.
그 답이 왜 맞는지, 지금 조건에서도 그대로 적용되는지 스스로 질문할 수 있는 Engineer를 더 빨리 만드는 것이다.
다만 준비 과정을 전부 감추는 것도 좋은 교육은 아니었다.
실제 업무에서는 Routine Preparation을 줄이더라도 Training 단계에서는 어떤 Source를 봤고 어떤 Evidence 때문에 이런 판단에 도달했는지를 더 많이 드러낼 필요가 있었다.
Senior의 Knowledge는 반복 설명보다 새로운 판단에 쓰여야 했다
Senior Engineer의 역할도 조금 달라질 수 있다.
Senior의 시간이 자료 위치를 반복해서 설명하고, 비슷한 과거 Issue를 찾아주고, 기본 Context를 다시 설명하는 데 계속 사용되면 새로운 문제를 판단할 시간은 줄어든다.
AI와 System이 이런 준비 업무의 일부를 맡을 수 있다면 Senior는 Exception, Architecture Choice, Trade-off, Risk, Mentoring처럼 경험이 더 필요한 일에 시간을 쓸 수 있다.
Senior의 Knowledge를 AI로 대체하는 것이 아니다.
Senior의 Knowledge가 반복 설명보다 새로운 Judgment와 Decision에 더 많이 쓰이게 하는 것에 가깝다.
AI가 더 많이 준비할수록 Manager의 기준 설계가 중요해졌다
Manager나 Technical Leader의 역할도 오히려 더 중요해질 수 있다.
AI와 System이 더 많은 Context와 Evidence를 준비할수록 어떤 Source를 기준으로 볼지,
어떤 결과는 Engineer Review가 필요한지,
어떤 Exception은 Senior Engineer나 Owner의 판단이 필요한지,
어디까지 위임할지,
어느 Gate에서 누가 Decision을 책임질지를 정해야 하기 때문이다.
Human Review도 AI가 한 모든 일을 사람이 처음부터 다시 하는 것으로 이해하면 안 된다.
중요한 것은 사람이 꼭 판단하고 결정해야 하는 지점을 남기고, 위임 범위와 책임을 명확하게 만드는 것이다.
Engineer에게 더 중요해진 것은 답을 빨리 찾는 능력만이 아니었다
첫 번째는 여전히 Domain Fundamentals였다.
AI가 Protocol이나 Spec을 잘 설명해도 이상한 결과를 이상하다고 느끼고 중요한 Exception을 알아차리려면 기본기가 필요하다.
두 번째는 Source와 Evidence를 읽는 능력이었다.
답을 아는 것보다 이 판단이 어떤 Source와 어떤 Result를 근거로 하는지 추적할 수 있어야 한다.
세 번째는 Trade-off를 구조화하는 능력이었다.
Performance, Power, Schedule, Verification Scope, Sign-off Risk가 서로 충돌할 때 무엇을 우선하고 어떤 Risk를 받아들일지는 Project Intent에 따라 달라진다.
마지막은 자신의 책임 범위를 아는 일이었다.
무엇을 확인했고 무엇은 확인하지 않았는지,
어떤 조건에서 이 판단과 Decision이 유효하고 무엇이 바뀌면 다시 확인해야 하는지 설명할 수 있어야 했다.
AI가 Source와 과거 사례를 더 빨리 찾아줄수록 Engineer의 가치는 답을 먼저 찾는 데서 끝나지 않았다.
어떤 Source를 믿을지,
어떤 Evidence면 충분한지,
어떤 Exception과 Risk를 받아들일지를 판단하고 결정하는 일이 더 중요해졌다.
그리고 바로 여기서 다음 질문이 생겼다.
AI와 System이 Context 준비를 더 많이 맡는다면 무엇을 현재 기준으로 읽게 해야 할까.
자료를 많이 주는 것과 지금 믿어야 할 자료를 제대로 주는 것은 같은 일일까.

