회사의 Mission과 나의 Mission
앞선 글에서 나는 AI가 얼마나 많은 결과물을 만들었는가보다, 그 결과가 회사가 해결하려는 문제에 실제로 도움이 되었는가를 살펴봐야 한다고 이야기했다. 그렇다면 여기서 질문을 끝내도 될까.
회사가 AI를 통해 생산성을 높이고, 납기를 지키고, 더 나은 제품을 만들었다고 생각해 보자. 좋은 일이다. 회사에 속한 Engineer인 나도 그런 결과에 기여할 이유가 충분하다. 그런데 그 과정을 지나온 나 자신에게는 무엇이 남았을까.
SoC 개발 분야에서 25년을 일해 온 Engineer의 입장에서는 이 질문을 그냥 지나치기 어렵다.
회사의 목표를 무시하자는 이야기가 아니다. Fabless라면 고객에게 제품을 공급하고 다음 세대 제품을 준비해야 한다. Design House라면 맡은 프로젝트를 제때 완수하고 고객의 신뢰를 지키면서 수익성도 확보해야 한다. 경영진이 이번 분기의 현금흐름이나 다음 Tape-out 일정을 중요하게 생각하는 데에는 나름의 이유가 있다. 프로젝트가 끝나지 않으면 다음 도전도 어려워질 수 있다.
다만 그 목표가 내 경력의 모든 질문에 답해 주지는 않는다. 이번 분기에 회사가 필요로 하는 일, 이번 프로젝트에서 좋은 평가를 받는 일, 앞으로 5년 또는 10년 동안 Engineer로서 가치를 유지하는 일은 서로 연결되어 있어도 같은 의미는 아니다.
회사에 필요한 기술을 익히면 나에게도 도움이 될 수 있다. 팀의 성공과 개인의 성장이 함께 일어나는 경우도 많다. 하지만 어떤 일을 아주 빠르게 완료했는데 그 과정에서 내가 이해한 것은 거의 없을 수도 있다. 반대로 당장의 일정만 보면 돌아가는 길처럼 보이는 검토와 학습이 다음 프로젝트에서 중요한 판단의 토대가 될 수도 있다.
AI가 점점 더 많은 업무를 도와주는 시대에는 이 차이가 커질 가능성이 있다. 그래서 나는 회사의 Mission을 이해하는 것만큼, Engineer로서 나 자신의 Mission을 생각해야 한다고 느낀다.
AI 시대에 Engineer의 가치는 무엇인가?
엔지니어로 오래 일하다 보면 한때 전문성의 상징처럼 여겨졌던 기술이나 작업 방식이 어느새 일상적인 도구의 기능이 되는 모습을 본다. 새로운 Tool이 나오고 설계 방법론이 바뀌면 Engineer가 직접 해야 하는 일도 달라진다. AI는 그 변화의 속도를 더 빠르게 느끼게 한다.
Spec을 읽고 관련 코드를 찾거나, 긴 Log를 정리하거나, 문서의 초안을 작성하는 데 AI가 도움을 줄 수 있다. 어려웠던 작업의 진입 장벽이 낮아지는 것은 분명 반가운 일이다. 예전에는 사람의 손으로 해야 했던 반복 작업에 시간을 계속 써야만 전문성이 유지된다고 생각하고 싶지는 않다.
그런데 여기서 또 다른 불안이 생긴다. 내가 잘한다고 생각했던 일을 AI가 쉽게 해낸다면, 앞으로 나의 가치는 어디에 있을까.
흔히 “AI가 할 수 없는 일을 해야 한다”고 말한다. 나는 그 표현이 선뜻 마음에 들지 않는다. 지금 할 수 없는 일을 AI가 앞으로도 못 할 것이라고 정할 근거가 부족하기 때문이다. AI가 발전할 때마다 인간의 전문성을 더 좁은 구석으로 옮겨 놓는 방식으로는 오래 버티기 어렵지 않을까.
오히려 질문을 바꾸는 편이 좋을 것 같다. 새 도구가 등장했을 때 무엇을 더 빠르게 할 수 있느냐가 아니라, 그 도구가 내놓은 결과의 의미를 내가 어디까지 이해하고 책임 있게 판단할 수 있느냐는 질문으로.
SoC 개발에서는 그 차이가 종종 작고 익숙한 설정에서 드러난다. 코드가 존재한다는 것과 의도한 동작이 검증되었다는 것은 다르다. 어떤 Test가 PASS했다는 것과 검증해야 할 조건이 모두 확인되었다는 것도 다르다. 오랫동안 사용한 IP라 해도 이번 SoC의 연결 환경에서 같은 가정을 적용할 수 있는지 살펴봐야 한다.
나는 이런 판단이 영원히 사람만의 영역이라고 말하려는 것이 아니다. AI도 근거를 찾아 비교하고, 사람보다 먼저 이상한 점을 알아차리는 방향으로 발전할 수 있다. 그렇기 때문에 오히려 Engineer 자신이 무엇을 이해하고 있는지, 무엇을 아직 모르는지 더 분명하게 구분할 필요가 있다고 생각한다.
숫자는 남았지만, 이유는 남지 않았다
SoC 개발 과정에서 겪었던 작은 사례 하나가 떠오른다.
I2C, SPI, UART와 같은 Legacy Low-speed Interface의 SDC를 Review하던 때의 일이다. 익숙한 Interface였고, 처음에는 특별히 어려운 기술적 논쟁이 생길 문제처럼 보이지 않을 수도 있었다. 그런데 프로젝트별 SDC를 비교해 보면 어떤 프로젝트는 Input Delay와 Output Delay를 같은 값으로 두었고, 다른 프로젝트는 서로 다른 값을 사용하고 있었다.
왜 그랬을까.
값이 다르다는 사실만으로 문제가 있다고 볼 수는 없다. 외부 Device의 Timing Requirement가 다를 수도 있고, Clock이나 동작 Mode, SoC 내부의 Integration 조건이 다를 수도 있다. Board나 Package, 시스템의 Timing Budget에 따라 적절한 Constraint는 달라질 수 있다. 같은 이름의 Interface라고 해서 모든 프로젝트에 하나의 수치를 적용할 수 있는 것은 아니다.
그래서 내가 알고 싶었던 것은 어느 값이 더 좋은가가 아니었다. 각각의 값이 왜 선택되었고, 어떤 조건에서 유효하다고 판단되었는가 하는 것이었다.
하지만 그 판단의 이유를 확인하기는 어려웠다. 돌아오던 설명은 대체로 이런 취지였다.
“STA에서 Timing Error가 발생해서 설계 담당자와 협의한 뒤, Error가 발생하지 않도록 값을 변경했습니다.”
그 설명만으로 당시의 결정이 틀렸다고 말할 수는 없다. 실제로 설계 담당자와 필요한 조건을 검토하고 적절하게 수정했을 수도 있다. 내가 알지 못하는 정당한 이유가 있었을 가능성도 충분하다.
문제는 그 설명만으로는 이번 프로젝트에서 다시 검증할 수 있는 근거가 부족했다는 것이다.
STA에서 Timing Error가 사라졌다는 말은 지정된 Constraint를 기준으로 분석했을 때 위반이 보이지 않았다는 뜻이다. 하지만 그 Constraint가 실제 외부 Interface의 Requirement를 올바르게 반영하는지는 다른 질문이다. 확인해야 할 것은 Error 숫자만이 아니라, 그 숫자가 어떤 가정과 연결되어 있는가 하는 점이었다.
그렇다고 과거의 모든 값을 다시 계산해야 한다는 뜻도 아니다. 이전에 충분히 검토된 자료와 판단 근거가 남아 있다면, 그것을 새로운 프로젝트의 조건과 비교하는 편이 효율적일 수 있다. 내가 찾고 싶었던 것도 바로 그런 설명이었다.
어떤 Datasheet 조건을 적용했는가. 어떤 Interface Mode를 기준으로 했는가. Timing Error를 없애기 위해 어떤 대안을 검토했고 왜 그 값을 선택했는가. 당시 선택을 이번 Revision에도 적용할 수 있는가. 어떤 항목은 그대로 사용할 수 있고, 어떤 항목은 다시 확인해야 하는가.
하지만 파일에 남은 값만으로는 이런 질문에 답하기 어려웠다.
그래서 새로운 프로젝트에서 비슷한 SDC를 볼 때마다 같은 질문이 되풀이되었다. 왜 이 프로젝트에서는 값이 다른가. 과거의 설정을 그대로 사용해도 되는가. 변경에는 어떤 이유가 있었는가. 그때 검토에 참여한 사람이 아니면 답할 수 없는 부분이 남아 있었다.
그렇다고 내가 경험한 모든 프로젝트에서 잘못된 SDC가 사용되었다는 의미는 아니다. 실제 Timing 문제가 있었거나 그것이 양산 불량으로 이어졌다는 결론도 아니다. 오히려 어느 선택이 맞고 틀렸는지 지금 확인할 자료가 충분하지 않다는 점 때문에 어려웠던 기억이다.
처음에는 작은 문제처럼 보인다. 프로젝트는 이미 지나갔고, 파일은 남아 있고, 설계는 다음 단계로 넘어갔다. 그러나 다음 프로젝트에서 누군가가 그 값을 다시 검토해야 한다면, 과거의 판단은 완전히 끝난 일이 아니다. 근거를 찾지 못한 만큼 다시 질문하고 조사해야 한다.
내가 이 경험에서 아쉬웠던 것은 SDC 파일이 부족했다는 사실이 아니었다. 파일은 있었다. 결과도 있었다. 하지만 왜 그런 결정을 내렸는지를 다음 Engineer가 확인할 수 있는 형태로 남기지 못했다.
숫자는 남았지만, 이유는 남지 않았다.
나는 이 문제가 SDC에만 있다고 생각하지 않는다. 익숙한 RTL 설정 하나, Test에서 제외한 Corner Case 하나, 검증 환경의 Assumption 하나도 비슷한 상황을 만들 수 있다. 어떤 결정이 옳았다는 기억은 남아 있어도 그것이 어떤 조건에서 옳았는지는 사라질 수 있다.
그렇게 되면 과거의 올바른 판단도 쉽게 재사용하기 어렵고, 잘못된 판단이 있었다 하더라도 그것을 알아채기 어려워진다. 결국 다음 Engineer는 과거의 경험을 물려받는 대신 과거의 질문부터 다시 시작하게 된다.
AI와 함께 일하며 무엇을 배울 것인가?
이 이야기를 AI와 연결하면 흔히 떠올릴 수 있는 해결책이 있다. 지금까지의 SDC 파일을 전부 모으고 AI에게 비교하도록 하는 것이다. 프로젝트별로 값이 다른 부분을 찾아주는 기능만으로도 어느 정도 도움은 될 수 있을 것이다.
하지만 여기서 멈추면 가장 중요한 문제가 남는다.
AI가 과거의 설정을 정확하게 찾아 주었다고 해서 그 설정의 판단 근거까지 되살아나는 것은 아니다. 과거의 숫자를 매우 그럴듯하게 설명할 수는 있어도, 당시 실제로 고려했던 조건을 확인하지 못했다면 그것은 확인된 사실과 구분해야 한다.
내가 기대하는 AI의 도움은 조금 다르다. 이번 프로젝트의 Interface 요구사항과 과거의 Constraint를 비교하고, 어느 값이 어떤 Clock·Mode·외부 조건에 연결되어 있는지 확인하도록 도와주는 것이다. 관련 Spec과 Review 기록을 찾되 근거가 없는 값에는 ‘왜 선택했는지 확인되지 않았다’고 말할 수 있는 것이다. 필요하다면 Engineer가 새로 검증해야 할 질문을 제시하고, 실제 검토한 사람의 판단과 승인 근거를 다음에 찾아볼 수 있게 연결하는 것이다.
물론 이렇게 기록한다고 해서 모든 결정이 자동으로 올바르게 되는 것은 아니다. 원래 Spec이 모호할 수도 있고, 남아 있는 근거가 이번 프로젝트에 맞지 않을 수도 있다. 과거의 Golden Reference가 있더라도 그것을 무조건 따라야 한다는 뜻은 아니다. 유용한 기준으로 활용하되 적용 조건을 확인해야 한다.
나는 여기에서 조직이 축적하는 Knowledge와 개인이 축적하는 능력의 차이도 생각하게 된다.
조직에는 어느 Revision에서 무엇을 변경했고 어떤 근거로 승인했는지 남을 수 있다. 다음 프로젝트의 Engineer가 그 기록을 읽고 필요한 판단을 더 빠르게 할 수 있다면 조직의 경험이 조금씩 이어질 것이다. 그러나 기록을 만들고 검색하는 기능만 좋아졌다고 해서 그 일을 수행한 Engineer의 이해가 반드시 깊어지는 것은 아니다.
한쪽에서는 AI가 찾은 값을 별다른 질문 없이 복사하고, PASS라는 결과만 확인한 뒤 작업을 끝낼 수도 있다. 다른 쪽에서는 AI가 보여준 차이를 출발점으로 Spec을 다시 읽고, 자신이 놓친 가정을 확인하고, 왜 어떤 조건에서는 다른 값이 필요한지 이해할 수도 있다.
두 방식 모두 겉으로 보면 같은 파일을 완성할지 모른다. 하지만 그 시간을 보낸 Engineer에게 남는 것은 다를 수 있다.
나는 AI를 사용하면서 새로운 도구의 기능을 익히는 일도 중요하다고 생각한다. 다만 도구가 빨라진 만큼 자신이 질문하고 이해하는 시간을 모두 없애 버린다면, 다음에 더 어려운 결정을 해야 할 때 무엇을 의지할 수 있을까.
조직이 보존해야 할 Knowledge Basis와 Engineer 자신이 길러야 할 판단 능력은 서로 도울 수 있다. 좋은 기록은 후배 Engineer의 학습을 돕고, 더 나은 판단은 다음 기록의 품질을 높일 수 있다. 하지만 둘 중 하나가 다른 하나를 저절로 보장하는 것은 아니다.
결국 나의 가치는 내가 만들어야 한다
여기까지 생각하면 다시 처음의 질문으로 돌아오게 된다. 회사가 AI를 사용해 더 많은 일을 더 적은 비용으로 수행하게 되었다면, 그 안에서 일하는 Engineer도 자동으로 더 좋은 Engineer가 되는가.
반드시 그렇지는 않을 것이다.
그렇다고 회사가 직원의 성장보다 비용과 일정을 먼저 고려한다고 해서 모두 잘못되었다고 말하고 싶지도 않다. 회사에는 회사가 감당해야 할 현실이 있다. 때로는 단기적인 선택이 필요하고, 어떤 투자는 당장 하지 못할 수도 있다. 내가 중요하게 생각하는 배움과 조직이 당장 요구하는 성과가 항상 같은 방향일 것이라고 기대하기는 어렵다.
물론 회사와 Manager의 책임도 있다. 판단 근거를 남길 시간을 주지 않거나 문제가 드러나는 것을 불편해하는 문화에서는 개인의 노력만으로 모든 것을 바꾸기 어렵다. 좋은 교육과 Review 환경, 믿을 수 있는 업무 방식은 조직이 함께 만들어야 한다.
하지만 그런 조건이 충분하지 않더라도 나 자신의 다음 5년, 10년을 누가 대신 책임져 줄 수 있을까.
25년 동안 Engineer로 일하면서 내가 알게 된 것 중 하나는, 과거에 해봤다는 사실만으로 현재의 문제를 모두 이해할 수는 없다는 점이다. 과거의 경험은 새로운 문제를 이해하는 데 큰 도움이 되지만, 새로운 조건 앞에서는 그 경험을 다시 의심하고 확인할 수 있어야 한다.
AI는 그 과정을 훨씬 빠르게 만들어 줄 수도 있다. 내가 모르던 분야에 접근하게 하고, 오래된 문서와 설계 사이의 관계를 보여주며, 검토할 질문을 더 많이 제안할 수 있다. 동시에 충분히 이해하지 않은 답에 너무 쉽게 익숙해지게 할 가능성도 있다. 어느 쪽으로 사용할지는 내가 속한 조직의 방식에 영향을 받지만, 내가 무엇을 배우고 어떤 질문을 남길지까지 전부 조직이 결정하는 것은 아니다.
그래서 나는 AI 시대에 Engineer의 가치를 ‘AI보다 더 빨리 작성할 수 있는 것’이나 ‘AI가 영원히 하지 못할 작업’으로 정의하고 싶지 않다. 기술이 바뀔 때마다 문제를 다시 이해하고, 증거를 확인하며, 필요한 판단을 갱신할 수 있는 사람이 되고 싶다. 그 능력이 회사에 도움이 된다면 더 좋을 것이다. 그러나 회사의 목적과 내 미래 사이에 간극이 남는다면, 자신의 전문적 가치를 만들어 가는 일을 다른 사람의 결정에만 맡길 수는 없다.
이것이 25년간 SoC 개발을 경험하고 이제 AI와 함께 일하는 방법을 고민하면서 내린, 아직도 진행 중인 생각이다.
우리는 왜 AI를 사용하고 있는가.
회사의 성과를 위해서라는 대답은 중요하다. 더 나은 제품과 업무 방식을 만들기 위해서라는 대답도 중요하다. 하지만 Engineer인 나에게는 마지막 질문이 하나 더 남는다.
AI와 함께 일한 시간이 지나고 난 뒤, 나는 무엇을 더 이해하게 되었을까. 어떤 판단을 스스로 내릴 수 있게 되었을까. 그리고 다음 프로젝트가 시작되었을 때, 나 자신과 다른 Engineer에게 무엇을 남길 수 있을까.

