AI는 인프라 엔지니어를 대체하는가, 한 층 위로 올려보내는가

회사 전체가 AI를 전면 도입하려는 흐름이 있다. 스택에 관한 모든 맥락을 모델에 밀어 넣고, 저장소마다 AGENTS.md나 INSTRUCTIONS.md를 두어 사람뿐 아니라 에이전트도 프로젝트를 탐색하고 기여할 수 있게 만들자는 것이다. 원문 저자가 짚는 아이러니가 흥미롭다. 인간 동료에게 README를 읽게 하는 데는 한 번도 성공한 적이 없는데, 이제는 로봇을 위해 그 어느 때보다 잘 정리된 문서를 쓰고 있다는 것이다. 여기서 자연스럽게 따라오는 질문이 있다. 스택과 인프라에 관한 모든 맥락이 에이전트가 읽을 수 있는 형태로 적히고 나면, 엔지니어링은 불필요해지는가.

저자는 이 질문 자체가 정확하지 않다고 본다. 우리는 이미 비슷한 국면을 한 번 겪었기 때문이다. 그가 드는 비유는 쿠버네티스와 앤서블이다. 쿠버네티스가 앤서블을 죽였는가. 어느 정도는 그렇다. 저자는 몇 년째 앤서블 플레이북을 쓰지 않았고, 지금 누가 하나 건네주면 모듈 문법을 처음 보는 것처럼 들여다볼 것이라고 고백한다. 구성 관리가 중요하지 않아져서가 아니라, 쿠버네티스가 서버 관리를 충분히 쉽게 만들어 노드 이미지를 직접 빌드하는 일을 그만두게 했기 때문이다. 이제는 클라우드 사업자가 만들어 주는 AMI를 아무 질문 없이 그냥 쓴다. 노드가 말썽이면 SSH로 들어가 디버깅하기보다 그냥 죽여 버리고 교체본이 같은 문제를 겪지 않기를 바란다.

사라진 것은 층이 아니라 손이 닿는 빈도

그 위층도 같은 방식으로 흘러갔다. ECS Fargate, Lambda, Cloudflare Containers에서 컨테이너를 돌릴 때 저자는 그것이 어느 노드에 떨어졌는지 알지도, 신경 쓰지도 않는다. 그렇다고 아무도 오케스트레이션을 하지 않는다는 뜻은 아니다. 그 워크로드를 애초에 컨테이너로 만들기로 결정하고, 어떤 이미지를 돌릴지, 무엇과 통신하도록 허용할지, 어떻게 확장하고 실패 시 무슨 일이 일어날지를 결정한 사람은 여전히 엔지니어다. 쿠버네티스와 서버리스 컨테이너는 이 결정의 층을 없앤 것이 아니라, 작업 단위를 '머신'에서 '워크로드'로 끌어올렸을 뿐이다. 그 아래의 모든 것이 조용히 자동화되었다. 누구도 쿠버네티스나 Fargate가 인프라 엔지니어를 대체했다고 말하지 않는 이유가 여기 있다. 각각은 특정한 수작업 층을 없앴고, 엔지니어는 매번 그 위층으로 올라갔다.

AI가 지금 먹어치우는 층

저자는 AI가 한 층 더 위에서 같은 일을 반복하고 있다고 본다. 그는 Claude를 매일 써서 Helm 차트를 생성하고 Terraform 모듈을 작성한다. AI가 실제로 하루에서 걷어낸 부분은 '사고'가 아니라 '조회 작업'이다. AWS 프로바이더 v5와 v6 사이에 무엇이 바뀌었는지 체인지로그를 뒤지는 대신, 원하는 결과물의 형태를 서술하면 Claude가 초안을 내놓는다. 실제로 배포할 형태로 다듬으려면 반복이 필요하지만, 일단 완성되면 그것이 다음번의 예시가 된다. AGENTS.md가 그 예시를 가리키고 있으면 특히 그렇다. 한 층 아래에서 이미 벌어진 일이기도 하다. 앤서블 모듈을 손으로 안 쓰듯 쿠버네티스 YAML도 손으로 안 쓰고, 그래서 Helm 차트를 쓴다. 그런데 이제는 그 Helm 차트조차 직접 쓰지 않고 방향만 지시한다.

다만 저자는 자신이 여전히 좋은 Terraform 모듈과 잘 구조화된 Helm 차트가 어떤 모습인지 알아야 한다는 점을 강조한다. 파드를 죽이는 것으로 해결되지 않는 진짜 문제가 터지면 여전히 노드에 SSH로 들어갈 수 있어야 한다. 위층이 아래층을 없애는 게 아니라, 그것을 얼마나 자주 만져야 하는지를 바꿀 뿐이다. 무엇이 최종 형태이고 1년 뒤에도 유지보수 가능한지, 차트를 어떻게 배포하고 버전을 매길지를 결정하는 사람도 여전히 그다. AI는 시간이 걸리는 부분을 하고, 방향은 사람이 준다.

속도의 대가로 무뎌지는 기본기

솔직한 맞교환도 언급된다. 저자는 2년 전보다 빌드와 디버깅이 빨라졌지만, 그 속도 아래에 깔린 기본기는 눈에 띄게 녹슬었다. HCL 문법을 예전만큼 떠올리지 못한다. 4년 전에는 다른 AWS 계정에서 리전과 가용영역에 걸쳐 서브넷에 태그를 다는 4단계 중첩 for 루프를 손으로 짜느라 문법을 맞추는 데만 한 시간쯤 걸렸다. 맵 안의 맵 안의 맵으로 된 서브넷을 평탄화하려고 merge 호출 네 개를 쌓아 올린 코드였다. 지금 Claude는 같은 것을 몇 초 만에 써낸다. 만약 오늘 맨손으로 그걸 만들라고 하면 한참 앉아서 생각해야 할 것이라고 그는 인정한다. 이는 가정이 아니라 실시간으로 느껴지는 비용이다. 쿠버네티스 이후에 커리어를 시작한 많은 엔지니어가 서버 이미지를 손으로 말아본 적 없이도 괜찮았던 것과 같은 방식이다. 필요가 없었기 때문이다.

저자가 확신하지 못하는 지점은 '방향은 여전히 내가 준다'가 얼마나 오래 유지되느냐다. 지금 그가 스택의 장기적 형태를 결정할 수 있는 이유는 맥락을 가졌기 때문이고, 에이전트는 저장소의 AGENTS.md에 적힌 것 이상으로는 그 맥락을 갖지 못한다. 그러나 회사 전체 차원의 AI 도입 움직임이 메우려는 것이 바로 그 간극이다. 한 저장소가 아니라 인프라 전체의 맥락을 에이전트에게 준다면, 여러 해에 걸쳐 모든 저장소에서 내려진 결정을 아는 에이전트가 사람보다 더 나은 계획을 세울 수도 있다. 저자가 모든 프로바이더의 체인지로그를 다 읽은 도구를 디버깅 속도로 이길 수 없는 것과 같은 이치다. 결국 그의 결론은 유보적이다. AI는 아직 '방향 제시' 바로 아래 층을 먹어치우는 중이며, 그것이 마지막 층일지는 그 자신도 완전히 확신하지 못한다.