기본 콘텐츠로 건너뛰기

왜 AI '전문가'는 계속 나타나고 사라지는가? (프롬프트 엔지니어, 바이브 코더, MCP 에이전트)

 



생성형 AI의 등장은 기술 시장에 '전문가 하이프 사이클'이라는 흥미로운 패턴을 만들어냈습니다. 한때 '미래의 직업'이라 불리던 역할이 순식간에 사라지고, 또 다른 전문가가 그 자리를 차지하는 현상이 반복되고 있죠. 이 글에서는 이러한 패턴을 분석하고, 변화의 물결 속에서 우리가 진짜 집중해야 할 것이 무엇인지 알아봅니다.

1. 사라진 억대 연봉의 꿈: '프롬프트 엔지니어'의 부상과 쇠퇴

2022년 말, ChatGPT가 등장하며 AI와 소통하는 능력, 즉 '프롬프트 엔지니어링'이 주목받기 시작했습니다. [1] 앤트로픽 같은 기업이 최대 37만 5천 달러의 연봉을 제시하며 전문가를 찾자, 시장은 '프롬프트 엔지니어' 열풍에 휩싸였습니다. [2] 관련 서적과 강의가 쏟아져 나왔죠.

하지만 이 유행은 오래가지 못했습니다. AI 모델이 "개떡같이 말해도 찰떡같이 알아듣는 수준"으로 발전하면서 [3], 정교한 프롬프트의 필요성이 줄었습니다. 결국 프롬프트 엔지니어링은 전문 직업이 아닌, 누구나 갖춰야 할 기본 소양(AI 리터러시)으로 자리 잡게 되었습니다. [4, 5] 이는 과거 검색엔진 초창기에 잠시 존재했던 '정보 검색사'라는 직업이 사라진 것과 같은 맥락입니다. [3]

핵심 요약: '프롬프트 엔지니어'의 쇠퇴는 기술의 실패가 아니라, 오히려 기술의 빠른 성공과 대중화가 만든 자연스러운 결과입니다.

2. 새로운 유행의 등장: '바이브 코딩'과 'MCP 에이전트'

프롬프트 엔지니어의 자리를 새로운 트렌드가 빠르게 채우고 있습니다. 바로 '바이브 코딩'과 'MCP 에이전트' 전문가입니다.

바이브 코딩(Vibe Coding): "영어가 최고의 프로그래밍 언어"

바이브 코딩은 개발자가 자연어로 AI에게 지시하면, AI가 코드를 생성하는 개발 스타일입니다. [6, 7, 8] "누구나 월 1.2억을 벌 수 있다" [9], "1인 스타트업이 100명의 몫을 한다" [10] 와 같은 자극적인 문구와 함께 관련 서적과 강의가 쏟아지며 프롬프트 엔지니어링의 과대광고를 재현하고 있습니다. [9, 11, 12] 하지만 보안 취약점, 유지보수의 어려움 등 명확한 한계도 존재합니다. [13, 14, 15]

MCP 에이전트(Model Context Protocol Agent): "자율 AI 시스템의 설계자"

MCP는 AI가 외부 도구나 서비스와 연결되어 실제 '행동'을 수행하게 만드는 표준 통신 규약입니다. [16, 17, 18] 'AI를 위한 디지털 여권' [19] 이라 불리며, 자율적인 '디지털 인력'을 만드는 핵심 기술로 기대를 모으고 있습니다. [20] 이에 "MCP로 멀티 에이전트 구축하기"와 같은 전문 강의들이 등장하며, 차세대 AI 전문가의 탄생을 예고하고 있습니다. [21, 22]

3. 역사는 반복된다: 진짜와 가짜를 구별하는 법

이러한 현상은 AI 시대에만 국한된 것이 아닙니다. 1990년대 '닷컴 버블' 당시 이름에 '.com'만 붙으면 주가가 폭등했던 현상이나 [23, 24], 2000년대 후반 '소셜 미디어 구루'의 등장은 모두 비슷한 패턴을 따릅니다. [25, 26]

반복되는 패턴: 신기술 등장 → 대중의 이해 부족 → 자칭 '전문가' 출현 → 기술의 대중화 및 성숙 → 특정 직함의 소멸

결국 중요한 것은 스쳐 지나가는 직함이 아니라, 그 밑에 깔린 지속 가능한 핵심 기술입니다.

4. AI 시대 생존 전략: 유행이 아닌 '기본'에 집중하라

변화무쌍한 AI 시대에 흔들리지 않는 경쟁력을 갖추기 위해 우리는 다음의 역량에 집중해야 합니다:

  • 시스템 사고(Systems Thinking): AI, 데이터, API 등 다양한 요소가 어떻게 상호작용하는지 전체적으로 이해하는 능력.
  • 비판적 사고 및 문제 해결 능력: 복잡한 문제를 AI가 해결할 수 있는 작은 단위로 나누고, AI의 결과물을 비판적으로 검증하는 능력. [13]
  • AI 윤리 및 거버넌스: AI의 편향성, 보안, 데이터 프라이버시 문제를 이해하고 관리하는 능력.
  • 지속적인 학습과 적응력: 특정 도구가 아닌, 끊임없이 발전하는 기술 자체를 배우고 적응하는 유연함. [5, 15]

결론적으로 '프롬프트 엔지니어', '바이브 코더'와 같은 명칭은 거대한 기술 혁신의 파도 위에서 잠시 나타났다 사라지는 물거품과 같습니다. 진정한 전문성은 유행어를 좇는 것이 아니라, 변화의 본질을 꿰뚫고 꾸준히 핵심 역량을 쌓아나가는 데서 나옵니다.


----------------

참고 도서: 

댓글

이 블로그의 인기 게시물

Uber의 Software Factory에서 배울 점: AI 에이전트는 ‘비용’이 아니라 ‘운영 설계’의 문제다

Uber의 Software Factory에서 배울 점: AI 에이전트는 ‘비용’이 아니라 ‘운영 설계’의 문제다 Uber Engineering이 공개한 “Running a Software Factory Efficiently at Uber Scale” 글은 단순한 AI 코딩 도구 소개가 아닙니다. 핵심은 AI 에이전트를 개발 현장에 많이 쓰면서도 비용을 통제하기 위한 운영 구조 입니다. 저는 이 글을 보면서 개인용 AI 오케스트레이션, 특히 제가 정리하고 있는 CPAO(Cost-aware Personal Agentic Orchestration) 와 매우 가까운 문제의식을 느꼈습니다. 규모는 Uber처럼 크지 않더라도, 개인·소규모 조직도 이제 AI를 “가끔 쓰는 도구”가 아니라 “반복 업무를 맡기는 업무팀”으로 운영해야 하는 단계에 들어섰기 때문입니다. 1. Uber가 말하는 AI Software Factory Uber는 AI 도구가 소프트웨어 개발 전 과정에 들어와 있다고 설명합니다. 코드 작성, 코드 리뷰, CI 실패 복구, 버그 분석, 온콜 알림 처리, 유지보수 PR 생성 등 여러 업무가 에이전트 기반으로 움직이고 있습니다. 인상적인 것은 사용량 증가입니다. Uber에 따르면 2026년 2월부터 8월까지 주간 활성 사용자는 7배, 주간 에이전트 요청은 9.4배 증가했습니다. 그런데 총 AI 비용은 4월 이후 비교적 안정화됐다고 합니다. 동일 모델 기준으로 보면 1,000개 요청당 비용은 피크 대비 약 34%, 세션당 비용은 6월 피크 대비 52% 낮아졌다고 합니다. 즉, Uber의 방향은 “AI를 덜 쓰자”가 아닙니다. 오히려 더 많이 쓰되, 낭비되는 턴·요청·토큰을 줄이는 방식 입니다. 2. 핵심은 비용 방정식이다 Uber는 AI 에이전트 비용을 다음과 같은 식으로 분해합니다. 총비용 = 사용자 수 × 세션/사용자 × 턴/세션 × 요청/턴 × 토큰/요청 × 토큰당 가격 이 식이 중요한 이유는 AI 비용을 막연한 “...

[알아두면 쓸모 있는 구글 문서 팁] 문서 공유시- 사용자 이름 대신에 익명의 동물이 표시 되는 이유와 동물 종류

구글 드라이브에는 다른 유사 서비스에서는 제공하지 않는 구글 만의 유니크한 기능들이 있다 구글 문서를  불특정 다수에게 전체 공개로 공유할 수 있습니다. 불특정인이 구글 문서에 접속한 경우 익명의 동물로 표시됩니다.  ' 웹에 공개' 또는 '링크가 있는 사용자' 공유 설정을 선택하면 인식할 수 없는 이름이나 익명의 동물이 표시될 수 있습니다. 파일에서 인식할 수 없는 이름을 볼 수 있는 몇 가지 이유는 다음과 같습니다. 메일링 리스트와 파일을 공유합니다. Google 계정이 없는 사용자와 파일을 공유하며, 그 사용자가 다른 사용자에게 공유 초대를 전달했습니다. 내 파일을 수정할 수 있는 누군가가 파일을 다른 사용자와 공유했습니다. 다른 사용자가 자신의 Google 계정 이름을 변경했습니다. 공유 설정 페이지에서 해당 사용자 이름 위로 마우스를 이동하여 이메일 주소를 확인하세요. 익명의 동물 다른 사용자에게 개별적으로 보기 또는 수정 권한을 부여하거나 메일링 리스트에 속해 있는 경우에만 사용자 이름이 표시됩니다. 파일 권한을 '링크가 있는 사용자'로 설정하면 파일을 보고 있는 사용자의 이름이 표시되지 않습니다. 대신 다른 사용자가 익명으로 라벨이 지정되어 표시되고 각 익명 사용자는 다양한 익명의 동물로 나열됩니다. 파일 권한을 '링크가 있는 사용자'로 설정했지만 특정 사용자와 파일을 공유하는 경우 파일을 공유한 사용자의 이름이 표시됩니다. 그 외 다른 사용자가 파일을 볼 때는 익명으로 나타납니다. 비공개 파일의 익명 동물 파일 권한을 '링크가 있는 사용자'로 설정한 다음 이를 '특정 사용자'로 변경하면 다음과 같은 경우 여러 익명의 동물이 표시될 수 있습니다. 누군가 파일을 여러 번 여는 경우에는 익명의 동물 목록에서 오래되고 연결이 끊긴 세션을 강제 종료하는 데 조금 시간이 걸릴 수 있습니다. 누군가 온...

GPT-6 Astra 공개 내용 쉽게 해설: AI가 “대답하는 도구”에서 “일을 수행하는 동료”로

※ 아래 내용은 OpenAI가 공개한 GPT-6 Astra 소개 페이지의 주장을 바탕으로 쉽게 풀어쓴 해설입니다. 벤치마크 수치는 제조사가 제시한 조건과 측정 방식에 따라 달라질 수 있습니다. 한 줄 요약 GPT-6 Astra는 단순히 글을 잘 쓰는 모델을 넘어, 웹 브라우저와 컴퓨터를 직접 사용하고 여러 단계의 업무를 끝까지 수행하는 것을 목표로 한 모델입니다. 1. GPT-6 Astra는 무엇이 달라졌나? OpenAI는 GPT-6 Astra를 새로운 세대의 지능 모델이라고 소개합니다. 핵심은 지식량만 늘리는 것이 아니라 컴퓨터 사용, 웹 탐색, 소프트웨어 개발, 과학 연구, 사이버보안, 전문 업무 를 실제 작업 흐름 속에서 수행하도록 설계했다는 점입니다. 기존 챗봇이 질문에 답하고 결과물을 만들어 주는 데 집중했다면, Astra는 사용자의 목표를 이해한 뒤 브라우저를 열고, 자료를 찾고, 문서를 작성하고, 결과를 점검하는 식의 다단계 업무 수행 을 강조합니다. 2. 가장 중요한 변화: AI가 컴퓨터를 사용한다 소개 페이지의 표현을 쉽게 바꾸면 다음과 같습니다. 온라인 자료를 찾아 요약하기 문서·스프레드시트·프레젠테이션 만들기 웹사이트를 만들고 실제 화면에서 품질 점검하기 과학 데이터를 분석하고 그래프 만들기 양식 입력, 예약 검색, 상품 비교 같은 반복 업무 수행하기 이 변화는 “AI에게 무엇을 물어볼까?”에서 “AI에게 어떤 업무를 맡길까?”로 사용 방식이 이동한다는 뜻입니다. 프롬프트 한 번의 답변보다 목표·권한·검토 지점·완료 조건 을 설계하는 일이 중요해집니다. 3. 업무 성능에 대한 OpenAI의 주장 영역 공개 페이지에 제시된 내용 실무적으로 읽는 법 컴퓨터 사용 화면을 이해하고 브라우저·업무 도구를 조작 사람이 하던 반복적인 클릭·입력 업무를 위임할 가능성 소프트웨어 개발 코드 작성뿐 아니라 테스트와 수정까지 수행 코딩 보조를 넘어 이슈 해결 사이클에 참여 전문 업무 문서·스프레드시트·발표자료를 템플릿에 맞춰 생성 회사 ...

Claude Fable 5.1 프롬프트 가이드: 쉽게 쓰는 AI 지시문 작성법

Claude Prompting Guide Claude Fable 5.1 프롬프트 가이드: 쉽게 쓰는 AI 지시문 작성법 Anthropic의 공식 문서는 Claude Fable 5.1을 더 잘 쓰기 위한 프롬프트 작성법을 설명합니다. 개발자용 문서라 조금 어렵지만, 핵심은 간단합니다. AI에게 “무엇을, 어느 정도로, 어떤 방식으로 끝낼지”를 더 분명히 알려주라는 것입니다. 출처: Anthropic Claude Platform Docs 한눈에 보는 핵심 작업 난이도에 맞게 AI의 “생각하는 정도”를 조절한다. 긴 작업에서는 중간 진행 상황을 사용자에게 알려달라고 요청한다. 독립적인 도구 호출은 한 번에 묶어서 처리하게 한다. 대화 기록은 중간에 고치지 말고 계속 뒤에 붙이는 방식이 안전하다. 글이 너무 길거나 딱딱하면 쉬운 문장과 구조를 요청한다. 작업을 시켰다면 끝까지 완료하고 검증하게 한다. 1. “생각하는 정도”를 작업에 맞게 정하라 Claude Fable 5.1에는 작업에 얼마나 많은 추론을 쓸지 정하는 effort 개념이 있습니다. 쉽게 말하면 AI에게 “빨리 대답할지, 더 깊게 생각할지”를 조절하는 장치입니다. 낮은 effort 간단한 요약, 분류, 짧은 답변처럼 빠른 처리가 중요한 작업 중간 effort 품질과 비용의 균형이 필요한 일반 업무 높은 effort 코딩, 분석, 복잡한 문서 작성처럼 실수가 비싼 작업 매우 높은 effort 긴 산출물이나 중요한 의사결정 보조 작업 문서의 조언은 명확합니다. 무조건 가장 높은 설정을 쓰지 말고, 실제 업무에서 품질·속도·비용을 비교해보라는 것입니다. AX 컨설팅 관점에서는 이 부분이 중요합니다. AI도 직원처럼 업무 난이도에 맞는 투입 시간이 필요합니다. 2. 오래 걸...

초파리 뇌가 게임하고 로봇을 조종한다? 커넥톰 AI의 원리와 현실

CONNECTOME × AI 초파리 뇌가 게임하고 로봇을 조종한다? 커넥톰 AI가 실제로 하는 일과 하지 못하는 일을, Doom과 드론 사례로 구분해 봤습니다. 결론부터 말하면 완전히 거짓은 아닙니다. 다만 "살아 있는 뇌를 컴퓨터에 업로드했다"는 설명은 틀립니다. 139,255 2024년 공개된 성체 암컷 초파리 뇌의 뉴런 수 5,450만 같은 커넥톰에 기록된 화학 시냅스 수 1억 2,500만 2026년 수컷 중추신경계 지도에 포함된 시냅스 연결 먼저, 무엇이 공개된 것인가 2024년 FlyWire 연구진은 성체 암컷 초파리 한 마리의 뇌에서 139,255개 뉴런과 약 5,450만 개 화학 시냅스를 재구성했습니다. 세포 유형과 뇌 영역, 신경전달물질 예측도 함께 공개했습니다. [1] 2026년에는 수컷 초파리의 뇌와 복측신경삭까지 연결한 지도가 나왔습니다. 16만6천 개가 넘는 뉴런과 1억2,500만 개 시냅스 연결을 담아, 감각이 움직임으로 이어지는 경로까지 연구할 수 있게 됐습니다. [2] 연구진은 전자현미경 사진에서 AI로 뉴런 경계를 분리하고 3차원으로 이어 붙입니다. AI가 잘못 합치거나 끊은 부분은 사람이 검수합니다. 커넥톰은 도로 지도에 가깝습니다. 도로가 어디로 이어지는지는 보여주지만, 지금 차가 어디를 달리는지, 신호등이 어떻게 바뀌는지, 운전자가 어디로 가려는지까지 알려주지는 않습니다. 커넥톰은 죽은 조직에서 얻은 정적 구조입니다. 순간의 막전위와 발화 패턴, 정확한 시냅스 강도, 호르몬 상태, 배고픔 같은 내부 상태는 온전히 담겨 있지 않습니다. 정적인 배선도에 어떻게 행동을 넣나 1. 그래프로 바꾼다 뉴런을 노드, 시냅스를 방향이 있는 연결로 표현합니다. 시냅스 수와 신경전달물질 예측은 가중치와 흥분·억제 부호의 출발점이 됩니다. 2. 시간 규칙을 넣는다 각 뉴런에 입력이 쌓이고 임계값을 넘으면 발화하는 수학 모델을 붙입니다. 대표적인 방...