AI 요약
생성형 AI의 확산으로 일부 경영진이 "ChatGPT는 5초 만에 답하는데 왜 엔지니어는 못 하느냐"며 엔지니어링 팀을 과소평가하는 분위기가 확산되고 있다. 그러나 데모용 앱과 실제 프로덕션 시스템 사이에는 레거시 코드 통합, 법적 요건, 접근성 기준, 복잡한 배포 과정 등 막대한 복잡성이 숨어 있다. 저자 브라이언 제니(Brian Jenney)는 엔지니어들이 LLM의 확률적 작동 원리와 토큰 개념 등 AI 기본 원리를 학습해 경영진을 '상향 교육'해야 한다고 조언한다. 또한 비효율적인 기존 프로세스에 대한 비판을 수용하는 유연성도 신뢰 확보에 필요하다고 강조한다.
핵심 포인트
- 2024~2025년 AI 열풍 속에서 경영진이 "주말에 만든 앱"과 엔지니어링 팀의 작업 속도를 비교하며 팀을 불신하는 사례 증가
- 데모는 특정 조건에서만 작동하며, 실제 시스템은 수백만 줄의 레거시 코드·법규·접근성·배포 프로세스 등 복잡한 요구사항 충족 필요
- 엔지니어는 LLM이 확률적 모델이며 토큰·훈련 데이터가 중요함을 이해하고 이를 경영진에게 교육해야 함
- 기존 프로세스의 비효율을 인정하는 유연한 태도가 신뢰 확보와 설득력 있는 반론의 기반이 됨
향후 전망
- AI 도구의 실제 한계에 대한 조직 내 이해가 높아질수록 엔지니어링 팀의 역할 재평가가 이뤄질 전망
- AI 리터러시를 갖춘 엔지니어가 조직 내 AI 의사결정 과정에서 핵심적인 위치를 차지할 가능성
출처:IEEE Spectrum
