Martin Fowler가 말하는 결정론의 끝과 소프트웨어 공학의 재편 ("How AI will change software engineering – with Martin Fowler")
📝 Document 요약 및 번역
Martin Fowler는 이 인터뷰에서 AI가 소프트웨어 엔지니어링에 미치는 영향을 단순한 “생산성 향상”이 아니라, 사고 방식 자체의 전환으로 규정한다.
그의 결론은 명확하다.
AI의 등장은 어셈블리 → 고급 언어 전환에 필적하며,
그 본질은 결정론(determinism) → 비결정론(non-determinism) 으로의 이동이다.
1. AI는 추상화의 도약이 아니라, 결정론의 붕괴다
많은 사람들은 AI를
코드 → 자연어라는 또 하나의 추상화 단계로 해석한다.
Martin Fowler의 관점은 다르다.
- 고급 언어의 핵심은 추상화 + 결정성
- AI의 핵심 변화는 비결정성 도입
즉,
| 기존 소프트웨어 | AI 기반 소프트웨어 |
|---|---|
| 동일 입력 → 동일 출력 | 동일 입력 → 다른 출력 가능 |
| 테스트로 완전 검증 가능 | 테스트로 “확률적 신뢰”만 가능 |
| 기계적 신뢰 | 통계적 신뢰 |
이 변화는 도구 사용법이 아니라 공학적 태도를 바꾼다.
2. 비결정적 시스템을 다루는 새로운 공학적 감각
Fowler는 이를 토목·구조 공학의 ‘허용 오차(tolerance)’ 개념에 비유한다.
- 재료는 항상 동일하지 않다
- 최악의 경우를 가정한다
- 여유 계수(safety margin)를 둔다
AI 시스템에서도 동일하다.
- “항상 맞다”는 가정은 파괴됨
- 보안·안정성 영역에서 사고 가능성 급증
- 엣지에 너무 가깝게 설계하면 붕괴
→ AI 시스템 설계의 핵심은
정확성 최적화가 아니라 실패 확률 관리
3. Vibe Coding에 대한 명확한 선 긋기
Fowler가 정의하는 vibe coding:
생성된 코드를 거의 보지 않고
“되는 것”만으로 만족하는 방식
그의 평가는 단호하다.
- ✅ 탐색·프로토타입·일회성 도구에는 유효
- ❌ 장기 유지·확장·운영 소프트웨어에는 치명적
가장 큰 문제: 학습 루프 붕괴
- 코드를 읽지 않으면
- 이해하지 않으면
- 수정·진화가 불가능
결국:
“vibe coding은 소프트웨어를 키우는 것이 아니라, 매번 폐기하는 방식이다.”
4. LLM이 실제로 잘하는 영역들
Fowler와 Thoughtworks의 실무 경험 기준, 이미 효과가 검증된 영역은 명확하다.
1️⃣ 프로토타이핑 & 탐색
- 수일 걸리던 시도를 수시간 내 반복
- 아이디어 검증 속도 급상승
2️⃣ 레거시 코드 이해
- 코드 → 의미 그래프
- 데이터 흐름·의존성 질의
- Thoughtworks Radar의 Adopt 항목으로 격상
3️⃣ 낯선 환경 학습
- 새로운 언어 / 프레임워크 / 도메인 진입
- “빈 프로젝트 스켈레톤 생성”에 매우 강력
👉 공통점: ‘이해를 돕는 도구’로 사용
5. LLM과 함께하는 새로운 워크플로우 감각
Fowler가 반복해서 강조하는 운영 원칙:
🔹 얇은 슬라이스(thin slice)
- 한 번에 조금만
- 항상 PR 단위로
- “의심스러운 협업자” 취급
🔹 인간 검증 필수
- LLM은 자주, 당당하게 거짓말함
- “테스트를 통과했다” → 실제로는 실패
🔹 테스트의 중요성 증폭
- 비결정성 환경에서 테스트는 생명선
- 테스트 없는 AI 코드는 관리 불가
6. Refactoring은 AI 시대에 더 중요해진다
Refactoring 저자인 Fowler의 판단:
- AI는 코드를 더 많이, 더 빠르게 만든다
- 즉, 품질이 낮은 코드의 양이 폭증
해결책은 예전과 같다.
아주 작고, 합성 가능한 리팩토링
- 의미 보존
- 작은 단계
- 자동화 가능한 변경
AI는 리팩토링을 “대신” 해주지 못한다.
하지만 리팩토링의 필요성은 훨씬 커진다.
7. 패턴과 아키텍처가 사라진 이유, 그리고 AI 이후
2000년대 초반:
- GoF 패턴
- 엔터프라이즈 아키텍처 패턴
- 공통 언어 형성
2010년대 이후:
- 클라우드 매니지드 서비스
- “이미 잘 설계된 블록” 사용
- 패턴 담론 약화
Fowler의 관점:
- 패턴은 “설계 강요”가 아니라 의사소통 도구
- AI 시대에는 정확한 언어·DSL·유비쿼터스 언어가 다시 중요해짐
→ LLM과 협업하려면
사람–사람, 사람–AI 간 공통 언어가 필수
8. 주니어 엔지니어에게 AI는 독인가, 약인가
Fowler의 조언은 일관된다.
- AI 사용 자체는 필수
- 하지만 판별 능력 없는 의존은 위험
핵심 전략
- 좋은 시니어 멘토를 찾아라
- AI에게 “왜?”를 계속 물어라
- 출력 결과를 항상 검증하라
AI는 조수이지, 교사가 아니다.
9. Agile과 AI: 여전히 답은 피드백 루프
AI로 더 많은 것을 “한 번에” 만들 수 있다.
하지만 Fowler의 답은 변하지 않는다.
- 더 큰 배치 ❌
- 더 빠른 사이클 ✅
- 더 잦은 피드백 ✅
AI의 가치는:
사이클 타임을 줄이는 것
10. 지금 이 산업을 어떻게 봐야 하는가
Fowler의 현실 인식은 냉정하다.
- 현재의 위기는 AI 때문이 아님
- 제로 금리 시대의 종료가 본질
- AI는 별도의 버블로 공존 중
그럼에도 불구하고:
- 소프트웨어 수요는 줄지 않는다
- 개발자는 사라지지 않는다
- 커뮤니케이션 능력 + 문제 정의 능력은 더 중요해진다
결론
AI는 소프트웨어 엔지니어를 대체하지 않는다.
하지만 소프트웨어 엔지니어링을 재정의한다.
- 결정론 → 확률
- 코드 작성 → 문제 이해
- 구현 속도 → 학습 속도
- 자동화 → 판단
그리고 이 변화는 이미 시작되었다.
