엔지니어 100명을 10명으로? 아니, 3,000명이 10만 명처럼 — Shopify가 그리는 AI 시대 엔지니어링
“코드를 손가락으로 한 땀 한 땀 타이핑하던 시대는 완전히 끝났다.”
Shopify의 엔지니어링 총괄 파한 타와르(Farhan Thawar)가 강연에서 던진 첫마디다. (듣는 순간 뼈를 세게 맞았다.) “이제 AI 쓰니까 개발자 100명 뽑을 거 10명만 뽑으면 되겠네?”라며 계산기 두드리는 경영진들에게, 그는 완전히 정반대의 충격적인 숫자를 들이밀었다. Shopify는 2021년 GitHub Copilot 초기 도입을 시작으로 Cursor, Claude Code, Codex, 그리고 사내 도구인 River에 이르기까지 AI 코딩 도구를 전면적으로 흡수한 조직이다. 창업자 토비 뤼트케(Tobi Lütke)의 사내 메모 하나가 조직 문화를 뒤흔든 후, Shopify의 소프트웨어 개발 생명주기(SDLC)는 구조적으로 바뀌었다.
그가 말하는 핵심 질문은 이것이다. 코딩을 AI가 대신한다면, 엔지니어는 무엇을 하는가?
SDLC의 무게중심이 옮겨가고 있다
과거 SDLC에서 코딩이 차지하던 비중은 압도적이었다. 설계는 짧고, 코딩은 길고, 테스트는 더 짧았다. 타와르는 이 비율이 뒤집히고 있다고 진단한다.
- 계획·분석 단계가 두꺼워진다. 무엇을 만들지, 왜 만들지, 어떤 트레이드오프가 있는지를 AI에게 정확히 전달해야 하므로, 기획의 정밀도가 올라간다.
- 코딩은 병렬 에이전트 작업이나 “시퀀셜 비판 루프” 방식으로 대체된다. AI가 초안을 만들고, 다른 AI가 비판하고, 또 다른 AI가 수정하는 식이다.
- 검증 단계가 본격적으로 확대된다. AI가 만든 코드가 정말 맞는지, 보안은 괜찮은지, 접근성 기준을 통과하는지를 확인하는 과정이 새로운 병목이자 가치 창출 영역이 된다.
한마디로: 타이핑은 줄고, 판단은 늘어난다.
병목은 코딩에서 리뷰로, 리뷰에서 기획으로
타와르가 쓴 비유가 정확하다. 공장 최적화 이론(Theory of Constraints)처럼, 하나의 병목을 풀면 다음 병목이 나타난다.
AI가 코딩 속도를 올리면 PR 수가 폭증한다. 그러면 코드 리뷰가 병목이 된다. 리뷰를 AI로 자동화하면, 이번엔 기획 단계가 병목이 된다. “무엇을 만들어야 하는지”를 결정하는 속도가 전체를 지배하기 시작한다.
관리자의 역할은 이 병목의 위치를 파악하고, 그것을 차례로 해소하는 것이다. 이건 한 번으로 끝나는 작업이 아니라 계속되는 과정이다.
“켄타우로스 시대는 끝났다” — 2025년 12월의 전환점
흥미로운 건 타와르가 인간+AI 협업 시대의 종료를 선언한 시점이다. 2025년 12월, Claude Opus 4.5와 GPT-5.2 같은 최상위 모델이 일반적인 코딩 태스크에서 인간 엔지니어보다 더 나은 결과를 낸다는 인식이 퍼졌다.
체스 세계에서 “인간+AI 조합이 순수 AI보다 강하던” 짧은 시기가 있었다. 켄타우로스 시대. 하지만 결국 순수 AI가 인간을 추월했고, 켄타우로스는 의미를 잃었다. 타와르는 코딩에서도 같은 전환이 일어났다고 본다.
인간의 역할은 “AI와 경쟁하는 코더”가 아니라 “AI를 조종하는 운용자”로 이동했다.
Shopify가 실행한 구체적 전략들
최고가 모델만 허용한다
엔지니어에게 Opus 4.5, GPT-5.5, Gemini 3.5급 모델만 허용한다. 작고 싼 모델로 비용을 아끼는 선택지는 없다. 이유는 단순하다. 인간의 시간이 모델 비용보다 비싸다.
많은 회사가 AI 도입 비용을 논할 때 토큰 단가만 본다. Shopify는 엔지니어의 시간을 기준으로 계산한다. 엔지니어가 더 좋은 모델로 1시간을 절약하는 것의 가치가, 토큰 비용 수십 배를 상회한다는 판단이다.
인턴 1,000명 — 자선이 아니라 문화 교란
2024년 75명이던 인턴 채용을 2025-26년에 1,000명으로 확대했다. 이게 자선이나 채용 파이프라인이 아니라고 타와르는 말한다. AI와 함께 자란 세대를 조직에 주입해서 기존 업무 방식을 의심하게 만드는 문화 변화 전략이다.
경험이 많은 시니어 엔지니어일수록 기존 방식에 익숙하다. “항상 이렇게 해왔는데”라고 하는 사람에게 가장 효과적인 약은, AI를 자연스럽게 쓰는 신입이 “그걸 왜 수동으로 하세요?”라고 묻는 것이다.
LLM 카운슬 기반 코드 리뷰
여러 LLM이 각각 다른 관점(보안, 접근성, 퍼포먼스, 아키텍처 등)에서 PR을 심사한다. 인간 리뷰어가 “LGTM”을 남발하던 관행의 빈틈을 메우는 구조다.
서킷 브레이커
토큰 한도는 두지 않는다. 대신 에이전트 비용이 비정상적으로 치솟으면 Slack으로 알림이 가서 작업이 중단된다. 자율성과 통제의 균형을 잡는 장치다.
책임 비양도 원칙
AI에게 작업은 맡기되 책임은 넘기지 않는다. 모든 PR에는 사람 이름이 올라간다. “AI가 만들었으니까”는 변명이 될 수 없다.
속도와 야망이 동시에 커진다
타와르가 공유한 내부 관찰에 따르면:
- PR 수가 늘었다
- PR 복잡도도 올라갔다
- 프로젝트 기간은 짧아졌다
- 시도하는 과제의 야망 수준은 높아졌다
재미있는 건 비엔지니어 직군의 반응이다. Cursor를 배포했더니 엔지니어보다 재무·HR·영업·마케팅 팀이 더 빠르게 흡수했다. 코드를 모르는 사람이 에이전트와 직접 대화하면서 자기 업무를 자동화하기 시작한 것이다.
여전히 풀리지 않는 문제들
솔직한 부분도 있다. 타와르는 세 가지 미해결 과제를 인정한다.
채용. AI를 잘 다루는 인재를 어떻게 선별할지 모른다. 수기 풀이, AI 선택 허용, AI 필수의 3단계 평가를 시도 중이지만, 정답이 없다.
프로토타입과 프로덕션의 간극. 바이브 코딩(Vibe Coding)으로 30분 만에 만든 시제품을 보고 경영진이 “이거 바로 배포하면 안 되나요?”라고 묻는 일이 잦다. 프로토타입 품질과 프로덕션 품질 사이의 거리는 줄었지만, 여전히 존재한다.
생산성 측정. 토큰 사용량, 코드 라인 수, PR 수로 엔지니어 생산성을 잴 수 없다. 인턴이 코드 여섯 줄을 지워서 연 60만 달러를 절약한 사례를 든다. “줄 수”로는 이걸 절대 잡을 수 없다.
변하지 않는 것들 — 이 강연의 진짜 하이라이트
이 모든 변화 속에서, 타와르가 “여전히 똑같다”고 말한 네 가지가 이 강연의 정수다.
파킨슨의 법칙은 살아있다. 마감을 짧게 주면 그 시간 안에 끝낸다. AI 시대에 오히려 로드맵을 더 공격적으로 당겨야 한다는 의미다.
학습이 진짜 산출물이다. 코드가 아니라 그 과정에서 배운 것이 조직의 자산이다. 50명이 18개월간 만든 프로젝트를 토비 뤼트케의 한마디로 폐기하고 3개월 만에 더 단순하게 재구축한 일화. 결과물은 사라졌지만, 그 18개월 동안 배운 것은 남았다.
페어 프로그래밍의 가치는 살아있다. LLM 혼자가 아니라, 사람 둘이 LLM과 함께 일할 때 학습 효과가 가장 크다.
취향과 판단은 더 중요해진다. 무엇을 만들지, 왜 만들지, 어떻게 만들지. 코딩을 AI에게 맡길수록 이 “맛있는 부분”은 인간에게 남는다.
결론: 비용을 줄이지 말고 야망을 키워라
타와르의 가장 도발적인 제안은 결론에 있다.
“엔지니어 100명을 10명으로 줄이자”는 발상을 “3,000명이 10만 명처럼 일하게 하자”는 발상으로 뒤집어라.
AI 시대 엔지니어링 리더십의 임무는 비용 절감이 아니다. 야망의 확장이다. 코딩이라는 손끝의 작업은 모델에게 넘어가더라도, 무엇을 만들지 정하고 결과를 검증하며 팀과 함께 배워나가는 일은 여전히 사람의 몫이다.
이건 실업 공포에 대한 처방이기도 하다. “AI가 내 자리를 빼앗을까?”라는 질문 대신, “AI가 내 자리에서 내가 할 수 있는 것을 얼마나 키워주는가?”로 질문을 바꾸는 것. Shopify의 사례는 그 질문의 답이 꽤 희망적일 수 있음을 보여준다.
| *원본 강연: YouTube | 정리: Jimmy Moon (@ragingwind) X Article* |