'도메인 전문성이 늘 진짜 해자였다' — Brethorst 가 짚은 코드의 무가치화와 검증의 새 단가
‘도메인 전문성이 늘 진짜 해자였다’ — Brethorst 가 짚은 코드의 무가치화와 검증의 새 단가
2026 년 5 월 31 일, Brett Brethorst 의 짧은 블로그 글이 HN 의 상단에 올라 810 점과 508 코멘트를 모았다. 제목은 단정적이다 — “Domain expertise has always been the real moat”. 주장의 골격은 한 줄로 정리된다. 소프트웨어 작성에서 어려웠던 것은 코드 자체가 아니라 머릿속에 도메인의 작동 모델을 짓는 일이었고, AI 에이전트가 후자 없이 전자만 자동화하면서 도메인 전문성이 시스템 전체의 검증 가능성의 유일한 원천이 됐다. 코드는 흘러나오지만 그것이 옳은지 누가 아는가.
도입 — ‘AI 가 가져간 능력’ 과 ‘가져갈 수 없었던 능력’
지난 2 년 동안 AI 코딩 도구의 영향에 대한 산업의 진단은 두 극단을 오갔다. 한쪽 끝에는 ‘주니어 개발자의 종말’ — 코드 작성이 자동화되면 입문 단계의 개발자가 더 이상 필요 없다는 — 의 비관, 다른 끝에는 ‘시니어 개발자의 황금기’ — 같은 시니어가 5 배 더 많은 작업을 한다는 — 의 낙관이 있었다. Brethorst 의 글은 이 두 극단을 모두 부분적으로 받아들이면서, 더 정확한 진단을 제시한다.
글의 핵심 문장은 한 줄이다 — “The hard part of writing software has never been the writing. It was building a working model of the domain in your head first” (소프트웨어 작성의 어려운 부분은 작성 자체가 아니었다. 머릿속에 도메인의 작동 모델을 짓는 일이 먼저였다). 이 한 줄이 AI 의 영향을 정확히 분해한다. AI 에이전트는 작성 (writing) 의 단가를 거의 0 으로 만들었다. 그러나 작동 모델을 짓는 일 — 도메인 전문성 — 의 단가는 그대로 두었다. 두 능력이 한 사람의 머리에 같이 있을 때만 소프트웨어 가치가 만들어진다는 점은 변하지 않았다.
이 진단의 무게는 단순한 학술적 관찰이 아니다. Brethorst 의 글이 HN 의 810 점을 모은 진짜 이유는, 이 진단이 엔지니어의 경력 경로를 다시 정의하는 신호이기 때문이다. 코드를 작성하는 사람의 단가가 떨어진 자리에, ‘코드가 도메인에서 옳은지 검증할 수 있는 사람’ 의 단가가 올라간다. 그러나 그 사람이 되려면 어디로 가야 하는가, 그리고 그 길은 종전의 ‘엔지니어’ 경로와 같은가, 다른가.
본문 1 — ‘두 사람의 비교’ 가 가리키는 검증의 비대칭
글의 가장 인상적인 부분은 Brethorst 가 던지는 두 사람의 가상 비교다.
첫째 사람은 ‘코딩 배경 없는 도메인 전문가’ 다. 물류 디스패처 또는 보험 통계사 (actuary) 가 그 예다. 이 사람이 AI 에이전트로 어떤 시스템을 만들 때, 에이전트가 제시한 솔루션이 실제 비즈니스 제약을 위반하는지를 즉시 알아본다. 글의 표현은 “they know the correct outputs for a given set of inputs because they’ve spent ten years living in those inputs and outputs” (그들은 주어진 입력 집합에 대한 올바른 출력을 안다. 10 년을 그 입력과 출력 안에서 살아 봤기 때문이다).
둘째 사람은 ‘도메인 경험 없는 강력한 제너럴리스트 엔지니어’ 다. 이 사람은 신뢰성 있는 시스템을 만들 수 있지만, 그 시스템의 출력이 비즈니스에서 정말 옳은지 판단할 수 없다. 글의 가장 차가운 한 줄이 이 비대칭을 짚는다 — “The agent will happily generate a billing rule that compiles, passes the tests the engineer thought to write, and is subtly, expensively incorrect” (에이전트는 컴파일되고, 엔지니어가 작성한 테스트를 통과하지만, 미묘하게 비싸게 틀린 결제 규칙을 기꺼이 생성한다).
이 두 사람의 비교가 가리키는 것은, AI 가 ‘검증의 비대칭’ 을 극단화했다는 사실이다. 코드의 작성 (production) 은 누구나 할 수 있게 됐지만, 코드가 도메인에서 정말 옳은지의 검증 (verification) 은 여전히 도메인 전문성에 묶여 있다. 그리고 두 단가가 완전히 분리됐다. 종전에 둘이 한 묶음으로 가격이 책정됐을 때는 이 분리가 보이지 않았다. AI 가 코드 작성의 단가를 0 으로 떨어뜨려, 도메인 전문성의 단가만 남기게 했다.
Brethorst 가 짚는 구체 도메인은 다섯이다. 결제 시스템 (압류 / 공제), 교통 애플리케이션 (GTFS 피드), 임상 코딩 / 의료 청구, 물류 / 디스패치, 보험 통계. 이 도메인들의 공통점은 모두 수십 년 누적된 규제 / 관행 / 예외 처리 가 있는 영역이라는 점이다. 결제의 압류 규정은 50 개 주마다 다르고, 의료 코딩은 ICD-10 의 7만 개 코드와 그 사이의 미묘한 구분 규칙이 있고, 보험 통계는 한 세기의 사망률 표가 누적됐다. 이런 도메인에서 ‘컴파일되고 테스트를 통과하지만 미묘하게 비싸게 틀린’ 코드를 알아보는 능력은 코드를 잘 쓰는 능력과 완전히 분리된 능력이다.
이 도메인들이 AI 의 약점을 가장 선명히 보여 주는 이유는, 그것들의 정답이 데이터로 외부화되지 않은 암묵적 규칙 에 묶여 있기 때문이다. 결제 압류의 50 개 주 차이는 법전에 있지만, 그 법전을 정확히 코드로 옮긴 코퍼스는 작거나 없다. 의료 코딩의 미묘한 구분은 ICD-10 매뉴얼에 있지만, 그 매뉴얼의 행간에 있는 ‘실무 관행’ 은 종이에 없다. AI 모델의 학습 분포 안에 이 암묵 규칙이 충분히 들어가 있지 않은 한, 그 분포에서 추론된 코드는 ‘겉으로 옳아 보이지만 실무로는 틀린’ 결과로 수렴한다.
본문 2 — ‘경력 경로의 붕괴’ 와 새 가치의 위치
Brethorst 의 글이 가장 강렬한 부분은 다음 한 단락이다 — 종전 경력 경로의 붕괴 진단. 종전의 엔지니어는 도메인 전문성을 천천히, 고통스럽게 — 전문가의 어깨너머로 보고 명세를 읽고 코드를 손으로 짚으면서 — 얻었다. 도메인 전문가는 같은 방식으로 프로그래밍을 배울 길이 없었다. 두 길의 비대칭이 엔지니어에게 유리했다. 이제는 두 길 모두 변했다.
엔지니어 측의 변화는 분명하다. AI 가 코드 작성의 단가를 0 으로 떨어뜨렸기 때문에, ‘코드를 잘 쓰는 능력’ 으로 사다리를 오르던 입구가 좁아졌다. 글의 표현은 — 정서 요약 — “엔지니어가 종전 우위 (코드 작성 능력) 를 잃지만, 도메인 지식에 접근하는 길이 더 빨라지지는 않는다 (engineers lose their traditional advantage without gaining access to domain knowledge any faster)”. 두 길이 모두 막힌 것이 아니라, 한 길이 무너졌고 다른 길의 단축이 일어나지 않은 것이다.
도메인 전문가 측의 변화는 더 미묘하다. AI 가 코드 작성을 자동화한 만큼, 도메인 전문가가 ‘엔지니어 없이 자기 시스템을 만들 수 있는’ 가능성이 열렸다. 한 명의 보험 통계사가 한 명의 백엔드 엔지니어 없이 AI 에이전트를 도구로 자기 부문의 분석 도구를 만들 수 있다. 이것이 ‘시민 개발자 (citizen developer)’ 의 새 단계다. 그러나 이 단계의 한계는 다른 곳에서 드러난다 — 시스템의 인프라 / 보안 / 운영 측면이다. 도메인 전문가가 만든 시스템이 프로덕션에 닿으려면 여전히 누군가가 그 시스템의 인프라적 옳음을 검증해야 한다.
이 두 측면이 만나는 자리에 Brethorst 가 짚는 ‘새 가장 가치 있는 사람’ 이 있다. 글의 한 줄 — “code is sound … the answers it produces are true” (코드가 정상이고 … 그것이 생성하는 답이 참인 사람). 이 사람은 두 능력을 같이 가진다 — 코드의 정상성 (인프라, 보안, 성능, 테스트) 과 답의 진실성 (도메인에서 옳음). 그리고 두 능력의 결합이 의미 있는 테스트를 짤 수 있게 한다. 종전에 의미 있는 테스트는 코드 작성 능력의 부산물이었다 (테스트도 코드니까). AI 시대에는 의미 있는 테스트가 도메인 능력의 부산물이 된다 (테스트의 입력 / 출력의 의미를 도메인이 정하니까).
이 결합의 단가가 새 황금기를 만든다. 그러나 그 황금기는 시니어 엔지니어 전체에게 도착하는 것이 아니다. 시니어 엔지니어 가운데 도메인 전문성을 함께 가진 사람 — 결제 시스템을 10 년 만든 백엔드 시니어, 의료 IT 를 8 년 만든 풀스택 시니어, 물류 시스템을 12 년 만든 데이터 엔지니어 — 에게 도착한다. 도메인 없이 코드만 잘 짜는 시니어는 단가가 떨어지는 코드 작성에 사다리가 묶인다. 같은 ‘시니어’ 라는 직책 안에서, 두 종류의 사람의 단가가 분기한다.
HN 의 가장 공감을 받은 코멘트가 정확히 이 분기를 짚는다 — 정서 요약 — “지난 20 년 동안 ‘풀스택’ 이 한 줄에 묶이는 시대가 끝났다. 다음 시대는 ‘풀스택 + 도메인’ 의 한 줄이 새 단가의 기준이고, 그 한 줄에 들지 못하는 사람들은 더 이상 시니어로 평가받지 않는다 (the era of ‘full-stack’ alone is ending; ‘full-stack + domain’ is the new baseline)”. 직책의 이름은 같아도, 그것이 의미하는 단가의 기준이 바뀐다.
본문 3 — ‘도메인 하나를 골라라’ 라는 처방의 실제
Brethorst 의 글이 가장 실용적인 부분은 결론의 한 줄이다 — “Go get one. Pick an industry, an instrument, a regulatory regime, a physical process, and learn it the way you once learned a programming language or framework” (하나 골라라. 산업, 도구, 규제 체제, 물리 프로세스 가운데 하나를 골라, 한때 프로그래밍 언어나 프레임워크를 배우던 방식으로 배워라).
이 처방의 의미를 풀어 보면 세 가지 행동이 나온다.
첫째 행동은 ‘도메인 하나의 깊이’ 의 선택 이다. 일반적인 도메인이 아니라 특정 도메인 — 의료 청구 가운데에서도 ‘암 치료 청구 코드 (oncology billing codes)’, 결제 가운데에서도 ‘국제 송금의 SWIFT 메시지 형식’, 보험 가운데에서도 ‘재보험 (reinsurance) 의 가격 모델’ — 의 깊이를 고른다. 폭넓은 도메인 (예: ‘핀테크’) 이 아니라 정밀한 하위 영역이다. 정밀함이 검증 능력의 진짜 단가를 만든다.
둘째 행동은 ‘학습의 시간 단위’ 의 인식 이다. 프로그래밍 언어 / 프레임워크를 새로 배우는 시간 단위는 보통 3 ~ 6 개월이다. 도메인 하나를 의미 있는 깊이로 배우는 단위는 1 ~ 3 년이다. 이 시간 단위의 차이를 받아들이는 것이 처방의 진짜 비용이다. 짧은 단위의 학습에 익숙한 엔지니어가 도메인 학습에 그 단위의 시간을 쓸 때, 흔히 좌절하고 다른 도메인으로 옮긴다. 그 옮김 자체가 도메인 학습의 실패다.
셋째 행동은 ‘도메인 학습의 인공물 (artifact) 의 축적’ 이다. 프로그래밍 언어를 배우면 GitHub 의 리포가 산출물로 남는다. 도메인을 배우는 데는 그 등가물이 없다. 그러나 Brethorst 의 글이 정확히 짚지 못한 부분이 여기 있다 — AI 시대에는 도메인 학습의 인공물도 만들기 쉬워졌다. 도메인의 케이스 스터디 / 의사결정 트리 / 예외 규칙을 마크다운으로 정리하고, 그것을 AI 에이전트의 컨텍스트로 사용하는 패턴 자체가 ‘도메인 학습의 인공물’ 이다. 5/27 에 분석한 Claude Skills 폭발의 한 갈래 (Anthropic-Cybersecurity-Skills, academic-research-skills) 는 정확히 이 패턴이다 — 한 사람의 도메인 학습이 다른 사람이 쓸 수 있는 마크다운 묶음으로 외부화된다. 도메인 학습의 인공물화가 다음 6 ~ 12 개월의 새 자기 표현 / 채용 신호가 된다.
세 행동을 같이 하는 사람과, 하나도 하지 않는 사람의 단가 분기가 2027 ~ 2028 년 사이에 가시화될 것이다. Brethorst 의 글의 808 점은 이 분기를 미리 감지한 엔지니어들의 공명이다.
결론 — ‘코드의 무가치화’ 라는 진짜 진단
Brethorst 의 글이 HN 의 810 점을 모은 진짜 이유는, 그것이 ‘AI 의 영향’ 에 대한 가장 정확한 진단을 한 줄로 압축했기 때문이다. AI 는 코딩을 자동화하지 않았다. AI 는 코드 작성 (writing) 을 자동화했고, 그 작성에 묶여 있던 도메인 전문성 (modeling) 을 분리해 따로 가격이 책정되게 만들었다. 그 분리가 일어난 뒤, 코드 작성의 단가는 0 으로 향하고 도메인 전문성의 단가는 올라간다. ‘코딩’ 이라는 하나의 단어로 묶여 있던 두 능력의 단가가 갈라진다.
이 진단이 실무자에게 던지는 메시지는 두 갈래다. 첫째, 자기 경력의 다음 단계를 ‘더 좋은 코드를 더 빨리 쓰는 방향’ 으로 잡지 말고, ‘내가 검증할 수 있는 도메인이 무엇인가’ 의 방향으로 잡는다. 자기가 일하는 회사의 도메인이 정밀하다면 (의료 / 결제 / 물류 / 규제), 그 도메인의 깊이를 의식적으로 쌓는 것이 가장 빠른 단가 상승의 길이다. 자기 회사의 도메인이 평이하다면 (일반 소비자 앱, 사내 도구), 외부의 정밀한 도메인 (사이드 프로젝트, 자원봉사, 컨설팅) 으로 깊이를 쌓는 길을 만든다.
둘째, 도메인 학습의 인공물을 만들어 두는 습관을 시작한다. 자기가 일하면서 알게 된 도메인의 예외 규칙 / 의사결정 트리 / 비공식 관행을 마크다운으로 정리해 둔다. 이것이 다음 직장의 면접에서 ‘코드 샘플’ 을 대체하는 새 자기 신호가 된다. 5/27 의 Claude Skills 폭발이 보여 줬듯, 마크다운 한 묶음이 새 종류의 자산이 된 시대다.
마지막으로 한 가지 질문을 던지면서 닫는다. 우리가 지금까지 자기 경력의 단가의 어느 비율이 ‘코드 작성 능력’ 에 묶여 있었고, 어느 비율이 ‘도메인 전문성’ 에 묶여 있었는가. 그 비율을 정직하게 추정해 보면, 다음 2 년 동안 자기 단가가 어디로 향하는지가 보인다. Brethorst 의 글의 진짜 가치는 우리에게 그 추정을 강제로 하게 만든 것이다.
출처: