10년차 소프트웨어 엔지니어가 6개월째 면접에서 떨어지는 시대. AI 채용 시장이 망가진 구조를 한 엔지니어의 절절한 에세이와 함께 객관적으로 뜯어보고, 지금 우리가 할 수 있는 대응을 정리했습니다.
AI 채용 시장이 무너졌는데, 왜 규칙을 지킨 사람이 더 손해를 볼까요?
솔직히 고백하면, 저도 지금 일을 쉬고 있어요. 제 직무는 최근 1~2년 사이 채용 공고 자체가 눈에 띄게 줄었고, 그 빈자리를 ‘AI Engineer’라는 타이틀이 빠르게 채우고 있더라고요. 그래서 비슷한 처지의 글을 보면 남 얘기 같지가 않습니다. 이번에 읽은 한 에세이가 딱 그랬어요.
글쓴이는 약 10년 경력에 그중 7년을 블리자드(Blizzard)에서 보낸 엔지니어인데요. 2025년 6월 팀 전체와 함께 정리해고된 뒤 6개월째 구직 중입니다. 단순한 신세 한탄이 아니라, 지금 채용 시장이 왜 이렇게 작동하는가를 현장에서 겪은 데이터로 짚어내는 글이라 한참을 곱씹게 됐어요. 오늘은 그 에세이를 인용하면서, 거기에 제 나름의 분석과 대응 전략을 붙여보려 합니다. 😮💨
⚡ 이 글의 핵심만 먼저 보기 (Key Takeaways)
- 붕괴의 핵심: AI는 채용 시장의 문제를 만든 게 아니라, 이미 나빴던 모든 측면을 증폭(supercharge)시켰습니다.
- 규칙 지킨 사람이 손해: Coderpad·HackerRank·AI 감독 시험은 화면을 잠가도 휴대폰 AI 부정행위는 못 막아, 정직한 지원자만 불리해집니다.
- 사다리 걷어차기: 신입은 진입 자체가 막혔고, 기업은 ‘AI가 주니어를 대체해주길’ 기대하는 분위기입니다.
- 공고의 절반은 가짜: 이미 내정자가 있거나 활동 중인 척하는 ‘유령 공고’가 상당수라, 탈락을 내 탓으로 돌릴 필요가 없습니다.
- 비용의 역습: 엔지니어를 AI로 대체한 일부 회사는 반년 만에 50만 달러, 연 100만 달러의 토큰 비용을 쓰고 있습니다.
- 현실 대응: 운빨 게임임을 인정하고, ‘연결(네트워크)’과 ‘AI가 자동화 못 하는 영역’에 시간을 재배치하는 게 합리적입니다.
📌 목차
- 블리자드 10년차가 6개월 백수가 되기까지
- 초기 필터의 역설: 규칙을 지킬수록 불리해진다
- 사다리 걷어차기: 신입에게 닫힌 문
- AI는 문제를 만든 게 아니라 증폭시켰다
- 데이터로 보는 반론: AI 대체의 청구서
- 그래서 우리는 무엇을 해야 할까: 대응 전략 4가지
- 이런 분들께 적극 추천합니다
- 자주 묻는 질문 (FAQ)
1. 블리자드 10년차가 6개월 백수가 되기까지
글쓴이의 이력은 화려합니다. 소규모 외주 업체를 거쳐 블리자드에서 7년, 총 10년 경력의 엔지니어죠. 그런데 2025년 6월, 팀 전체가 통째로 정리해고됐어요. 그 뒤로 6개월간의 구직 기록이 이 글의 뼈대입니다.
① Final-round rejection — 최종 면접에서의 침묵
가장 아팠던 건 최종 단계 탈락이었다고 해요. 모든 흐름이 긍정적이었는데, 다른 지원자나 내부 이동자가 앞서가며 밀려났습니다. 몇 주를 진행한 뒤 다른 포지션을 문의했더니 채용 담당자는 그대로 답을 끊었고요. 직무가 잘 맞는다고 느낀 지원조차 회사가 완전히 침묵하는 경우가 많았다고 합니다.
💡 실제 활용 시나리오 예시:
저도 최종 면접까지 갔다가 ‘내부 이동자가 결정됐다’는 통보를 받은 적이 있어요. 후보자 입장에선 몇 주를 쏟았는데, 회사 입장에선 애초에 외부 채용 의지가 약했던 거죠. 이런 경험이 쌓이면 LinkedIn 연결을 다 지우고 싶어지는 그 마음, 백번 이해됩니다.
② Ghost job — 절반이 가짜인 채용 공고
커뮤니티 실무자들 사이에서도 가장 공감을 산 대목이 이거였어요. 요즘 공고의 절반 이상은 사실상 가짜라는 거죠. 이미 뽑을 사람이 정해졌는데 절차상 올리는 경우, 혹은 회사가 ‘활동 중’으로 보이려고 띄우는 경우입니다. 1차 선별 테스트에서 AI 없이 100점 만점을 받고도 자동 메일로 탈락한 사례까지 있었고요.
💡 실제 활용 시나리오 예시:
완벽한 코딩 테스트 점수를 받고도 떨어졌다면, 보통은 ‘내가 뭘 잘못했지’를 곱씹게 돼요. 하지만 공고 자체가 유령이었다면 답이 없는 문제를 붙잡고 있던 셈이죠. 탈락 원인을 무한정 내 탓으로 돌리지 않는 것, 그 자체가 멘탈 관리의 시작입니다.
2. 초기 필터의 역설: 규칙을 지킬수록 불리해진다
이 글에서 가장 날카로운 분석은 ‘초기 필터(early filter)’를 다루는 부분이에요. Coderpad, HackerRank, AI 감독관 시험 같은 도구들이죠.
1) Locked screen — 잠긴 화면의 무력함
이 앱들은 전체화면으로 잠겨서 API 레퍼런스나 도움말 페이지 접근을 차단합니다. 문제는, 휴대폰으로 옆에서 AI를 쓰는 부정행위에는 완전히 무력하다는 거예요. 결국 화면 잠금을 순순히 받아들이고 규칙을 지키는 정직한 지원자만 손해를 봅니다. 글쓴이는 이걸 두고 “개발 실무와 동떨어진 사람들이 만든, 코드가 많을수록 낫다는 인식만 반영한 필터”라고 꼬집어요.
💡 실제 활용 시나리오 예시:
실무에선 API 문서를 찾아보는 게 당연한 능력인데, 시험장에선 그게 금지됩니다. 정작 휴대폰으로 ChatGPT를 켠 사람은 술술 풀고요. 평가가 실무 역량이 아니라 ‘규칙 준수도’를 측정하는 역설, 면접관도 알면서 못 바꾸는 구조적 문제입니다.
2) Legos metaphor — 맨발로 레고 위에서 춤추기
글쓴이의 비유가 압권이에요. 지원할 때마다 기업이 “레고를 흩뿌려 놓고 그 위를 맨발로 춤추며 가치를 증명하라”고 요구하는 것 같다고요. 키워드 기반 이력서 스크리닝과 끝없는 과제들이 합쳐져, 통과 자체가 점점 더 어려워지는 시지프스적 과정이 됐다는 겁니다.
3. 사다리 걷어차기: 신입에게 닫힌 문
경력자도 이 정도인데, 신입은 더 가혹합니다.
① Pulling up the ladder — 사다리를 완전히 걷어차다
글쓴이는 면접 기회라도 얻는 자신은 ‘운 좋은 축’이라고 말해요. 갓 졸업한 사람들 입장에선 기업이 사다리를 완전히 걷어차고(pulling up the ladder), 한술 더 떠 ‘Anthropic이 주니어의 필요성을 아예 없애주길’ 기대하는 것처럼 보일 거라고요. 주니어를 키우는 비용 대신 AI로 메우겠다는 발상이죠.
💡 실제 활용 시나리오 예시:
신입 채용은 원래 ‘미래를 위한 투자’였어요. 그런데 AI가 단순 코딩을 처리해주니, 기업은 ‘굳이 가르칠 필요가 있나’를 따지기 시작합니다. 문제는 주니어가 사라지면 5년 뒤 시니어 풀도 말라버린다는 거죠. 지금의 비용 절감이 미래의 인재 고갈로 돌아오는 구조입니다.
② Recruiter justification — 채용 담당자가 찾는 건 ‘자기 일자리의 정당화’
현장 실무자들이 특히 무릎을 친 통찰이 있어요. HR 업계엔 ‘후보 필터링 + 머신러닝 + 기본 기술면접’을 조합하면 자기 일을 대체할 수 있다는 걸 아는 사람이 많다는 거죠. 그래서 과정을 일부러 복잡하게 만들어 임원에게 “우리가 이렇게 많은 저품질 후보를 걸러냈다”고 보고해야 합니다. 결국 채용 담당자가 찾는 건 후보자가 아니라 ‘자기 일자리의 정당화’라는 씁쓸한 분석이에요.
4. AI는 문제를 만든 게 아니라 증폭시켰다
이 글의 핵심 명제는 의외로 차분합니다. 채용 시장은 AI 이전에도 좋지 않았고, AI는 그 모든 최악의 측면을 증폭(supercharge)시켰을 뿐이라는 거예요.
1) Dignity of an engineer — 엔지니어의 존엄
글쓴이는 ‘더 똑똑하다는 사람들’이 AI 코딩을 미래라며 굴복하라고 하는 걸 거부합니다. 그에게 AI 수용은 예술을 하는 친구들, 테스트와 리뷰에 애쓰는 사람들, 평범한 대사에도 에너지를 쏟는 작가들을 내치는 일이자, 보안과 코드를 진심으로 중시하는 엔지니어의 존엄을 버리는 일이거든요.
💡 실제 활용 시나리오 예시:
커뮤니티엔 반론도 있었어요. “산업혁명 때 기계로 만든 물건을 사는 것도 장인을 배신하는 거라 했지만, 결국 10배 싸고 빠른 기계를 택했다”고요. 냉정한 시장 논리죠. 다만 그 반대편엔 ‘품질과 존엄을 지키려는 사람’의 자리도 분명 필요하다는 게 이 글의 항변입니다.
2) Quality vs Speed — 품질 좋은 코드의 역설
여기서 무서운 통찰이 하나 더 나와요. 커뮤니티 토론에서 누군가 이렇게 말했죠. 형편없이 작성된 코드의 특징은 놀라울 만큼 오래 동작한다는 것이라고요. 즉 대부분의 기업은 소프트웨어가 ‘돌아가는 것처럼’ 보이는 한 코드 품질에 신경 쓰지 않고, AI로 고품질 코드를 천천히 내는 사람이 쓰레기를 빠르게 쏟아내는 사람에게 새 기준에서 밀릴 수 있다는 겁니다. 이게 2027년 보안 침해 사고 급증으로 이어질 거란 경고도 함께요.
| AI 채용/도입의 명분 | 현장에서 드러난 실제 결과 |
|---|---|
| 비용 절감 (엔지니어 → AI) | 반년 50만 달러, 연 100만 달러 토큰 비용 |
| 빠른 개발 속도 | “돌아가지만 이해 못 하는” 코드 양산 |
| 객관적 필터링 | 정직한 지원자만 불리, 부정행위는 못 막음 |
| 주니어 불필요 | 5년 뒤 시니어 인재 풀 고갈 위험 |
5. 데이터로 보는 반론: AI 대체의 청구서
그렇다면 ‘AI가 다 대체한다’는 공포는 얼마나 현실적일까요? 흥미롭게도 이 글과 커뮤니티엔 그 공포를 누그러뜨리는 구체적 데이터가 함께 담겨 있어요.
① 100만 달러 청구서 — 토큰 비용의 역습
엔지니어를 해고하고 AI로 대체한 일부 회사들이, 반년 만에 50만 달러(연 100만 달러)를 AI 토큰 비용으로 쓰게 됐다는 걸 알아차리기 시작했다는 대목이 인상적이에요. 인건비를 줄이려다 토큰비 폭탄을 맞은 거죠. ‘사람보다 AI가 싸다’는 등식이 모든 규모에서 성립하지는 않는다는 신호입니다.
② 게임·암묵 상태 — LLM이 약한 영역
실무자 토론에서 또렷이 드러난 건, LLM이 숨겨진 암묵 상태(implicit state)를 추론하지 못한다는 점이에요. 특히 게임 엔진처럼 리플렉션이 많고 코드가 보이는 것과 다르게 동작하는 환경에선 LLM이 곧 환각에 빠집니다. 10년 묵은 거대 switch 문 같은 코드베이스의 경계 사례 수백 개를, AI는 아직 감당하지 못한다는 거죠.
💡 실제 활용 시나리오 예시:
여기서 제 개인적인 의문도 겹쳐요. 제 직무 공고는 줄고 ‘AI Engineer’ 자리는 느는데, 이 추세가 얼마나 갈까요? 토큰 비용과 LLM의 한계가 드러나는 지금, 회사들이 ‘결국 사람이 필요하다’며 다시 돌아설 가능성도 적지 않다고 봅니다. 지금의 AI 채용 붐을 영구적 구조로 단정하긴 이르다는 거죠.
6. 그래서 우리는 무엇을 해야 할까: 대응 전략 4가지
한탄만 하고 끝낼 순 없으니, 글과 커뮤니티 토론에서 추릴 수 있는 현실적 대응을 정리해봤어요.
1) 운빨 게임임을 인정하기 — 자책 줄이기
지금 시장은 거의 전부가 무작위에 가깝습니다. 기술 퀴즈가 완벽해도 떨어질 수 있어요. 그러니 탈락마다 ‘내 잘못 찾기’에 매달리지 마세요. 이건 멘탈을 지키는 첫 번째 규칙입니다.
2) 연결(네트워크)에 투자하기 — 이력서 너머
커뮤니티의 통찰 중 하나는 구직은 일자리를 찾기 훨씬 전부터 시작된다는 거였어요. 역량만 보고 이력서를 파싱하는 게임이라면 모두가 불리하지만, 결국 기회를 여는 건 평소에 쌓아둔 ‘연결’이라는 거죠. 키워드 스크리닝을 우회하는 가장 확실한 길은 사람입니다.
3) AI가 자동화 못 하는 영역으로 — 차별화 지점
업계는 ‘LLM으로 코드 쓰게 하는 건 쉽지만, 프로덕션에 올릴 좋은 코드를 쓰게 하는 건 별도의 기술’임을 곧 깨닫게 될 거예요. 암묵 상태 추론, 라이브 사고 디버깅, 보안 설계 같은 영역이 미래의 차별화 요인이 됩니다. 같은 맥락의 분석은 AI 시대 개발자 역량: 코드가 싸진 시대의 살아남는 능력 글에서도 다뤘으니 함께 보시면 좋아요.
4) 플랜 B를 부끄러워하지 않기 — 출구의 다양성
커뮤니티엔 학위를 접고 디젤 정비공으로, 보험계리사로, 혹은 Rust 컨설팅 창업으로 방향을 튼 사람들의 이야기가 가득했어요. 공통점은 ‘꾸준한 진전이 주는 기쁨’을 다시 찾았다는 점이었습니다. 35세에 타버리는 반짝 스타보다, 느려도 계속 가치 있는 사람이 낫다는 거죠.
💡 실제 활용 시나리오 예시:
저도 ‘이 일이 내 천직인가’를 요즘 자주 되묻습니다. 전환을 결심한 사람들의 후회는 대부분 ‘더 빨리 옮기지 않은 것’이었어요. 지금 자리를 고집하는 게 정답이 아닐 수도 있다는 것, 그 가능성을 열어두는 것만으로도 마음이 한결 가벼워집니다.
7. 이런 분들께 적극 추천합니다
- 6개월 넘게 구직 중이라 ‘내가 문제인가’ 자책하고 있는 경력 개발자
- 코딩 테스트·AI 감독 시험에 회의를 느끼는 모든 엔지니어
- 신입·주니어로 업계 진입을 시도하다 ‘사다리’에 막힌 분
- AI 도입이 정말 인건비를 줄이는지 의심스러운 팀 리드·관리자
- 게임·창작 등 AI에 민감한 산업에서 일하는 분
- 커리어 전환(다른 직군·창업)을 진지하게 저울질하는 분
8. 자주 묻는 질문 (FAQ)
Q. 코딩 테스트에서 AI를 안 쓰면 정말 손해인가요?
A. 단기적으론 화면을 잠그는 시험에서 휴대폰 AI를 쓰는 사람에게 밀릴 수 있는 게 사실입니다. 다만 부정행위로 통과한 자리는 결국 실무에서 실력이 드러나요. 정직함이 손해처럼 보여도, 장기적으론 ‘암묵 상태 추론·보안 설계’ 같은 진짜 역량이 차별화 지점이 됩니다. 규칙을 지키되, 평가받는 영역을 AI가 못 건드리는 쪽으로 옮겨가세요.
Q. AI 때문에 개발자는 정말 사라지나요?
A. 전부 사라진다는 공포는 과장에 가깝습니다. 엔지니어를 AI로 대체한 회사가 연 100만 달러 토큰 비용을 맞닥뜨리고, LLM이 복잡한 레거시의 경계 사례에서 환각을 일으키는 사례가 이미 보고되고 있어요. 다수의 임금이 정체될 수는 있어도, ‘프로덕션 품질을 책임지는 사람’의 수요는 남습니다.
Q. 지금 커리어 전환을 결심해도 늦지 않을까요?
A. 늦지 않았습니다. 오히려 시장 혼란기는 새로운 길을 시험하기 좋은 때예요. 정비공·보험계리사·물리적 제품 제작·전문 컨설팅 창업 등 실제 전환 사례들의 공통 후회는 ‘더 빨리 옮기지 않은 것’이었어요. 다만 현재 수입을 유지하면서 작은 실험부터 시작하는 게 안전합니다.
✍️ 글을 마치며
이 에세이가 울림을 주는 건, 비관 일변도가 아니라 ‘AI는 문제를 증폭시켰을 뿐’이라는 냉정한 진단 위에 서 있기 때문이에요. 채용 시장은 운빨 게임이 됐고, 정직한 사람이 손해 보는 구조가 됐지만, 동시에 AI의 한계와 비용도 또렷이 드러나고 있습니다.
저는 우선 ‘연결(네트워크)에 투자하기’부터 다시 해볼 생각이에요. 제 직무 공고가 줄고 AI Engineer 자리가 느는 흐름이 언제까지 갈지는 아무도 모르지만, 그 변화 속에서도 사람을 통해 열리는 기회는 늘 남아 있더라고요. 키워드 필터가 못 거르는 건 결국 신뢰니까요.
여러분은 어떤 부분이 가장 인상적이셨나요? 댓글로 자유롭게 의견 남겨주세요! 😊