AI 코드보다 더 큰 문제: 아무도 시스템을 모른다
원제: The problem is not AI code, but not knowing about system architecture or intent
왜 중요한가
AI 도구 도입이 가속화되면서, 조직 내 지식 공동화와 설계 의사결정 능력 상실이 실질적인 엔지니어링 리스크로 부상하고 있다.
엔지니어 Simon Späti가 2026년 9월 26일 자신의 블로그에 기고한 글에서, AI가 코드를 생성하는 시대에 진짜 문제는 코드 품질이 아니라 팀 전체가 시스템 아키텍처와 설계 의도를 잃어버린 것이라고 주장했다. 대형 스타트업과 기업에서 Claude 등 LLM이 스펙, 코드, 테스트, PRD까지 전부 생성하는 현상이 목격되고 있다.
Späti는 AI가 생성하는 코드의 품질 자체는 '평균 수준'이라고 평가한다. 오히려 평균 이하였던 코드베이스라면 AI로 개선될 수 있다. 문제는 다른 곳에 있다. 팀원 누구도 왜 그런 설계 결정이 내려졌는지 알지 못하고, 모두가 Claude에게 묻기만 한다는 것이다.
X(구 X)에서 한 엔지니어가 올린 글을 그는 인용한다. 대기업에 새로 합류한 지 2주 만에 "아무도 아무것도 모른다"는 것을 깨달았다는 내용이다. L1부터 L7 엔지니어까지 모두가 Claude Code에 입력을 넣고 결과를 승인하는 방식으로 일하며, 하루 12~13시간을 일해도 실제로 버그를 해결하거나 코드를 이해하는 사람은 없다고 묘사한다. 경영진은 "코드 push가 병목이 아닌데 왜 느리냐"고 압박한다.
Matthew Mullins는 이 현상을 COBOL 개발자 은퇴 문제에 비유한다. 에이전트 코딩이 모든 언어에서 같은 문제를 불러올 것이라는 경고다.
반면 Sean Behan은 코딩을 못하는 PM도 이제 원하는 제품을 만들 수 있다고 주장한다. 그러나 Späti는 이에 반론을 제기한다. 코드 기초를 모르면 잘못된 언어 선택이나 잘못된 멘탈 모델로 시작하게 되고, 결국 유지보수가 불가능한 제품 기반을 만들게 된다는 것이다. 아키텍처와 시스템 설계에 대한 기본 이해는 여전히 필수라고 그는 강조한다.
데이터 엔지니어링 분야는 다르다는 시각도 있다. Hoyt Emerson은 데이터 엔지니어들은 처음부터 비즈니스 전체를 이해해야 했기 때문에, AI는 마찰을 줄여줄 뿐 본질적인 이해를 대체하지 않는다고 말한다.