FRONTEND COMPASS 프론트엔드 나침반

AI 시대 프론트엔드 · 2026.09.16 기준 조사

모두가 같은 도구를 쓰는데,
같은 고민을 하고 있지는 않다.

전 세계 프론트엔드 개발자가 지금 무엇을 고민하는지, 그 고민이 어떤 근거 위에 서 있는지, 그리고 사람들이 실제로 무엇을 하고 있는지를 모았습니다. 설문·연구·통계와 열 개 언어권의 현장 기록 253건을 열어 확인했고, 하나의 결론으로 좁히는 대신 서로 어긋나는 근거를 그대로 옆에 두었습니다.

AI 도구를 쓰거나 쓸 계획
84% 전년 76%. 개발자 전체 대상 Stack Overflow
AI 출력 정확성 불신
45.7% 신뢰 32.7%. 같은 설문의 신뢰 문항 Stack Overflow
내 코드 중 AI가 쓴 비율
54% 웹 개발 대상 설문 평균. 8%는 전부라고 답함 Devographics 2026.05 (1)
AI가 쓴 CSS 비율(중앙값)
13% 응답자 26%는 0%라고 답함 Devographics (State of CSS)
가장 많이 꼽힌 AI 위험
일자리 6,257명 중 3,003명이 선택(복수 응답) Devographics 2026.05 (2)
AI를 자기 일자리 위협으로 보지 않음
64% 전년 68%. 개발자 전체 대상 Stack Overflow Blog
22~25세 AI 노출 직군 고용 격차
-19% 미국 급여 데이터 2026년 6월 기준 추정치 Stanford Digital Economy Lab
접근성 오류(홈 상위 100만)
56.1개 전년 51개. 6년 연속 개선이 꺾인 첫 해 WebAIM

2022–2026 자료 설문·연구·통계 69건 영어 외 53건 한국어 23건

숫자들은 한 방향을 가리키지 않는다

THE PROBLEM

프론트엔드 개발자의 고민은 “AI가 코드를 대신 쓰는가”에서 이미 한참 지나왔다. 2026년 State of Web Dev AI 설문에서 응답자들이 꼽은 AI 최대 위험 1위는 일자리 대체였고Devographics 2026.05 (1), 같은 설문에서 코드의 평균 54%가 AI 생성이라고 답했다Devographics 2026.05 (2). 그런데 같은 설문에서 AI가 만든 코드의 평균 47%는 쓰기 전에 손봐야 한다고 답했고Devographics 2026.05 (2), 개발자 전체를 묻는 다른 설문에서는 AI 출력의 정확성을 신뢰하기보다 불신한다는 응답이 더 많았다Stack Overflow. CSS 만 따로 물은 설문에서는 AI가 쓴 비율의 중앙값이 13%였다Devographics (State of CSS). 숫자들은 한 방향을 가리키지 않는다. 이 페이지는 그 엇갈림을 지우지 않고 그대로 두되, 각 고민이 무엇에 근거하는지와 그 근거의 품질이 어느 정도인지를 함께 적었다.

열 가지 고민

TEN CONCERNS

커뮤니티와 설문에서 반복해서 나타난 고민을 개발자 본인의 질문으로 적었습니다. 각 고민에는 그것을 지지하는 근거와, 그 고민의 범위를 좁히거나 반대하는 근거를 함께 두었습니다. 임의로 심각도 점수를 매기는 대신 어떤 종류의 근거가 얼마나 있는지를 표시합니다.

내 고민 고르기

고른 고민에 해당하는 실천만 아래 “세 가지 물음”에 남습니다. 선택은 이 브라우저에만 기억됩니다.

  1. 내 자리는 남아 있을까?

    일자리 JOB SECURITY

    웹 개발자를 대상으로 한 2026년 설문에서 가장 많이 선택된 AI 위험이 일자리 대체였다Devographics 2026.05 (1). 그런데 같은 설문에서 “AI가 내 고용을 위협한다”는 진술의 평균 동의는 5점 만점에 2.2로 낮은 편이었다Devographics 2026.05 (2). 남의 일자리는 위험해 보이고 내 일자리는 아직 괜찮아 보이는, 흔한 구도다.

    이 고민을 뒷받침하는 것

    미국 소프트웨어 개발 채용 공고는 2020년 2월을 100으로 놓았을 때 2026년 9월에도 76 수준이다세인트루이스 연방준비은행. 공고가 늘어난 구간도 있지만 순증의 71%가 시니어 직무였다Indeed Hiring Lab. 기업 발표 기준 기술 부문 감원은 2026년 1~7월에 전년 대비 67% 늘었고 AI가 다섯 달 연속 가장 많이 언급된 사유였다Challenger, Gray & Christmas. 국내에서도 프론트엔드 채용이 절벽 구간에 들어갔다는 보도가 나왔다스타트업엔. 회사에 소속되지 않은 쪽이 더 먼저 흔들린다 — 프리랜스 플랫폼의 활성 고객과 거래액이 줄었고UpworkFiverr, 한 웹 에이전시 대표는 마이그레이션 최저 견적이 절반이 됐다고 말한다WP Tavern. 개발자가 아닌 사람이 직접 사이트를 만드는 흐름의 규모도 작지 않다Lovable.

    반대편에 있는 것

    개발자 전체를 보면 64%가 여전히 AI를 자기 일자리의 위협으로 보지 않는다Stack Overflow Blog. 프론트엔드만 대상으로 한 국제 설문에서 AI가 프론트엔드 개발자를 대체할 것이라고 본 응답은 3.2%였다The Software House. 덴마크 행정 데이터로는 2%보다 큰 임금·노동시간 효과가 배제됐고NBER (Humlum, Vestergaard), 미국 기업 조사에서 AI로 고용을 줄였다고 답한 기업은 2%였다NBER / 미국 인구조사국 연구진. 미국 노동통계국은 2025~2035년 웹 개발자 고용이 5% 늘 것으로 본다미국 노동통계국. 같은 기간 감원의 상당 부분은 금리 인상 시점과 겹친다는 반론도 있다Economic Innovation Group. 개발자 인구 자체는 줄지 않았고GitHub, 개발자의 삶을 묻는 설문에서도 대량 해고의 흔적은 보이지 않는다Devographics. 에이전시·프리랜스 쪽도 한 방향이 아니다 — 사이트 빌더 업체의 파트너 부문 매출은 여전히 17% 늘었고Wix.com, AI를 긍정적으로 본 에이전시가 그렇지 않은 쪽보다 두 배 자주 성장했으며The Admin Bar, 플랫폼 의존도가 0이 된 프리랜서의 수입은 유지됐다WP Tavern. 국내 외주 가격표에는 아직 AI로 인한 조정이 나타나지 않는다위시켓.

    근거 23건 설문·연구·통계 13 현장 기록·문서 8 개인 글·커뮤니티 2

  2. 지금 시작하는 사람은 어디로 들어가나?

    주니어 사다리 THE LADDER

    이 고민은 여러 나라의 서로 다른 데이터가 같은 방향을 가리키는 드문 경우다. 다만 원인이 AI인지는 아직 논쟁 중이고, 조정이 해고가 아니라 채용을 통해 일어난다는 점은 여러 자료에서 일치한다Stanford Digital Economy Lab.

    이 고민을 뒷받침하는 것

    미국 급여 데이터에서 AI 노출이 큰 직군의 22~25세 고용은 노출이 적은 직군을 따라갔을 경우보다 약 19% 낮다Stanford Digital Economy Lab. 주니어·일반 직함 기술직 공고는 2020년 2월 대비 34% 줄어 시니어의 19%보다 낙폭이 컸다Indeed Hiring Lab. 신입 채용은 대형 기술기업에서 2019년 대비 약 65% 줄었다SignalFire. 영국에서는 컴퓨터 프로그래밍 분야 16~24세가 1년 만에 44% 줄었고영국 과학혁신기술부, 스페인의 주니어 프로그래머 공고는 33% 줄었다El Confidencial. 한국에서는 주니어 개발자의 73.3%가 2년 전보다 시장이 훨씬 어려워졌다고 답했다잡코리아. 채용 관리자의 70%는 AI가 인턴 수준의 일을 할 수 있다고 본다Stack Overflow Blog. 이력서 데이터로는 생성 AI를 도입한 기업의 주니어 고용이 미도입 기업 대비 여섯 분기 뒤 약 9% 낮았다Hosseini & Lichtinger.

    반대편에 있는 것

    Microsoft·Accenture 등에서 진행된 세 건의 무작위 현장 실험에서 AI의 이득은 오히려 주니어와 신규 입사자에게 크게 돌아갔다 — 주니어 27~39%, 시니어 8~13%다MIT Sloan. 인도에서는 2026년 8월 신입 채용이 전년 대비 15% 늘었다Naukri.com. 신입 채용 붕괴의 원인이 AI가 아니라 이력서 기반 서류 전형의 붕괴라는 주장도 있고CoderPad, 신입 공고 지원자의 30%가 10년차 이상이라는 사실은 문제의 성격이 다르다는 것을 보여 준다Indeed Hiring Lab. 일본에서는 2026년부터 신입 엔지니어 채용을 오히려 늘리는 기업도 있다Findy.

    근거 18건 설문·연구·통계 5 현장 기록·문서 10 개인 글·커뮤니티 3

  3. 내 실력이 녹슬고 있는 건 아닐까?

    역량 침식 SKILL EROSION

    2026년 웹 개발 설문에서 응답자들이 일자리 걱정보다 더 높게 동의한 진술이 “AI 의존이 덜 숙련된 개발자를 만든다”였다Devographics. 밥벌이보다 자기 실력을 먼저 걱정한다는 뜻이고, 이 고민은 측정된 근거가 비교적 탄탄한 편이다.

    이 고민을 뒷받침하는 것

    낯선 라이브러리를 익히는 실험에서 AI를 쓴 집단의 이해도 퀴즈 점수가 손으로 짠 집단보다 크게 낮았다Anthropic. React 초심자 78명 실험에서는 무제한 AI 집단이 거의 완벽한 기능을 냈지만 나중에 심어 둔 버그를 고친 비율은 23.1%로, 손코딩 집단 69.2%의 3분의 1 수준이었다arXiv (Sreecharan Sankaranarayanan). Stack Overflow 설문에서는 5명 중 1명이 AI 때문에 자기 문제 해결력에 자신이 줄었다고 답했다Stack Overflow. 실험실 연구는 AI가 초보자 사이의 격차를 넓힌다는 것도 보여 준다arXiv (Prather 외, ICER 2024). 브라질 주니어 인터뷰에서는 얕은 학습이 검증 능력을 깎고, 시장은 바로 그 검증 능력을 요구하는 덫이 확인됐다arXiv (Andriotte, Ribeiro). 그런데 AI를 가장 과감하게 쓰는 쪽은 초보가 아니라 숙련자다 — 10년차 이상의 32%가 배포 코드의 절반 이상이 AI 생성이라고 답했다Fastly.

    반대편에 있는 것

    같은 실험의 세 번째 조건, 즉 스캐폴딩된 AI 집단은 손코딩에 가까운 61.5%를 기록했다arXiv (Sreecharan Sankaranarayanan). 고등학생 약 1,000명 실험에서도 튜터 형태로 설계된 AI는 학습 손상을 만들지 않았다PNAS. 입문 프로그래밍 과목을 LLM 전제로 다시 설계했더니 시험 결과가 과거와 비슷했다ACM. 누가 이득을 보는지를 가른 것도 AI 친숙도가 아니라 기존 기술 경험이었다arXiv (Carnegie Mellon University). 즉 손상은 AI를 쓰느냐가 아니라 어떻게 쓰느냐에서 온다 — Anthropic 연구도 차이를 만든 것이 사용 방식이었다고 적는다Anthropic.

    근거 14건 설문·연구·통계 9 현장 기록·문서 2 개인 글·커뮤니티 3

  4. 나는 이제 쓰기보다 읽는다.

    리뷰 부담 REVIEW LOAD

    “AI가 일을 없애지 않고 옮긴다”는 말이 가장 구체적으로 확인되는 자리가 코드 리뷰다. 시니어가 자기가 쓰지 않은 코드의 리뷰·통합·정리를 떠안는다는 불만이 커뮤니티에서 반복된다Hacker News.

    이 고민을 뒷받침하는 것

    GitHub은 자사 플랫폼의 코드 리뷰 다섯 건 중 한 건 이상에 에이전트가 관여한다고 밝혔다The GitHub Blog. Spotify는 PR 빈도가 76% 늘었다는 수치를 “리뷰해야 할 PR이 76% 늘었다”로 다시 적는다Spotify Engineering. 한 회사에서는 반년 사이 병합된 PR이 94% 늘었고, 사람이 리뷰한 PR은 병합까지 중앙값 26시간이 걸린 반면 사람 리뷰가 없는 PR은 1시간이었다 — 지금 줄을 세우는 것은 기계가 아니라 사람이다The Pragmatic Engineer. 개발자의 38%는 AI 코드 리뷰가 사람 코드 리뷰보다 더 힘들다고 답했고 96%는 AI 코드를 완전히 신뢰하지 않는다Sonar. 더 나쁜 쪽으로는, AI가 만든 PR 대부분이 아무 사람 리뷰도 받지 않는다는 분석이 있다arXiv. 도입률은 90%인데 AI가 쓴 코드를 상당히 신뢰한다는 응답은 4분의 1뿐이라는 “신뢰의 역설”이 이 부담의 배경이다Google.

    반대편에 있는 것

    조직은 이미 대응을 시작했다. 한 일본 팀은 필수 사람 리뷰어를 두 명에서 한 명으로 줄이고 AI 리뷰 관문을 넣었고LY Corporation Tech Blog, Zalando는 PR의 33%를 저위험으로 분류해 자동 승인한다Zalando Engineering. GitHub은 10분 단위의 리뷰 프레임워크와 “무관한 파일 다섯 개를 넘으면 쪼개 달라고 요청하라”는 구체적 기준을 제시한다The GitHub Blog. 리뷰 역량이 에이전트와 일하는 데 그대로 전이된다는 점에서, 이 부담을 새 핵심 역량으로 보는 시각도 있다Sean Goedecke.

    근거 12건 설문·연구·통계 2 현장 기록·문서 8 개인 글·커뮤니티 2

  5. 빨리 나온 화면이 정말 괜찮은 화면인가?

    품질과 접근성 QUALITY

    프론트엔드에서 품질은 추상적인 말이 아니라 스크린리더로 읽히는지, 다른 브라우저에서 깨지지 않는지, 명암비가 나오는지 같은 확인 가능한 것들이다. 그리고 그 항목들의 지표가 2026년에 처음으로 나빠졌다WebAIM.

    이 고민을 뒷받침하는 것

    홈페이지 상위 100만 개 조사에서 페이지당 접근성 오류가 51개에서 56.1개로 늘어 6년 만에 처음으로 악화됐다WebAIM. AI 도구가 만든 웹페이지의 68%가 최소 하나의 브라우저·기기 조합에서 깨진다는 연구도 있다arXiv (Guo, Xiao, Sun, Huo). 보안 쪽에서는 모델의 문법 통과율이 95%까지 오르는 동안 보안 통과율은 55%에 머물렀고, 프론트엔드가 직접 마주치는 XSS의 통과율은 15%다Veracode. 에이전트가 처음부터 끝까지 만든 프로젝트 10개는 기능적으로 91% 맞았지만 설계 문제 1,305건을 남겼고 가장 큰 항목이 중복이었다arXiv (Kashif 외). 페이지 무게는 계속 늘어 데스크톱 홈의 JavaScript 중앙값만 697KB이고HTTP Archive Web Almanac, 코드가 훨씬 많이 만들어지면서 보안 지적도 함께 늘었다는 집계가 있다Cloud Security Alliance AI Safety Initiative. 존재하지 않는 패키지를 지어내는 비율은 크게 줄었지만 사라지지 않았다arXiv (Aleksandr Churilov).

    반대편에 있는 것

    중요한 단서가 있다. WebAIM은 AI를 원인으로 단정하지 않고 페이지 복잡도와 ARIA 사용 증가를 먼저 지목하며, 같은 조사의 프레임워크별 표에서는 최선과 최악의 격차가 훨씬 크고 요즘 React 계열 스택이 오히려 평균보다 좋다WebAIM. 실사용자 성능은 2025년에 오히려 좋아져 모바일 Core Web Vitals 통과율이 44%에서 48%로 올랐다HTTP Archive Web Almanac. 실제 저장소를 훑은 연구에서는 AI 생성 파일의 87.9%에서 취약점이 발견되지 않았고 TypeScript가 가장 깨끗했다arXiv 2025.10. 접근성에서도 명암비나 대체 텍스트처럼 기계적인 항목은 LLM이 사람보다 나았고 무너진 것은 복잡한 ARIA였다arXiv 2025.03. 접근성 전문가 중에는 작업 회전이 짧아지면서 예전에는 승인받지 못하던 접근성 작업의 조직적 저항이 오히려 낮아졌다고 적은 사람도 있다Eric Bailey.

    근거 17건 설문·연구·통계 6 현장 기록·문서 7 개인 글·커뮤니티 4

  6. 왜 전부 같은 화면이 되는가?

    획일화 SAMENESS

    모호한 프롬프트의 빈칸을 모델이 학습 데이터의 중앙값으로 채우기 때문이며, 그 중앙값이 하필 지금 웹에서 가장 흔한 모습이다prg.sh. 만드는 쪽에서도 이 현상을 분포의 수렴이라는 이름으로 인정하고 대응 지침을 내놓았다Anthropic.

    이 고민을 뒷받침하는 것

    디자인 시스템 실무자들이 더 걱정하는 것도 AI가 코드를 만드는 것(35%)보다 디자인을 만드는 것(61%)이었다zeroheight. 프론트엔드의 취약 지점을 정리한 글들은 공통적으로 맞춤 인터랙션, 레이아웃과 간격, 픽셀 단위 UI를 먼저 든다velog. 작은 팀에서는 UX·기획 역할이 아예 없어 프론트엔드 개발자가 그 결정을 떠안는데, AI가 그 빈자리를 서로 구분되지 않는 디자인으로 채운다는 관찰도 있다TabNews.

    반대편에 있는 것

    이 지점은 오히려 사람 쪽의 가치가 남는 곳으로 읽히기도 한다. 디자이너 조사에서 80%는 완성도·품질·창작 방향을 AI보다 자기 판단에 맡긴다고 답했다State of AI in Design. CSS는 개발자가 키보드를 내주지 않은 영역으로 남아 있어 AI가 쓴 비율의 중앙값이 13%이고 가장 큰 집단은 0%다Devographics. 대부분을 프롬프트 하나로 복제할 수 있게 될수록 “만들었다”는 사실이 아니라 무엇을 만들었는가가 차별점이 된다는 주장이 이 진영의 핵심이다Jakub Krehel.

    근거 9건 설문·연구·통계 3 현장 기록·문서 1 개인 글·커뮤니티 5

  7. 프론트엔드가 제일 먼저 밀리는 자리인가?

    프론트엔드 평가절하 DEVALUATION

    이 주장의 가장 널리 읽힌 판본은 프론트엔드 코드가 팀이 에이전트에게 감독 없이 맡겨도 된다고 가장 쉽게 느끼는 층위라는 것이다Nolan Lawson (Read the Tea Leaves). 흥미롭게도 같은 필자가 자기 코드의 90%를 에이전트에게 맡긴다고 밝힌 사람이다Nolan Lawson.

    이 고민을 뒷받침하는 것

    보수에서 프론트엔드는 백엔드·AI/ML보다 낮다Stack Overflow. 국내 공공 대가 산정표에서도 UI/UX 기획·개발자는 응용SW개발자의 약 89% 수준으로, 2023년 적용 판의 약 93.4%에서 격차가 벌어졌다한국인공지능·소프트웨어산업협회한국소프트웨어산업협회. 인도의 한 집계에서도 프론트엔드가 추적 직무 중 평균 연봉 최저였다HireDoor. 러시아에서 시니어 React 공고 2건에 미들·시니어 이력서 1,040건이 몰렸다는 개인 관찰이 있고Habr, 국내 플랫폼에서도 프론트엔드는 공고의 11.1%인데 지원의 15.5%를 차지한다사람인HR. 프론트엔드만 하는 엔지니어가 사라지고 풀스택이 기본이 되고 있다는 진단도 나온다The Pragmatic Engineer.

    반대편에 있는 것

    같은 보수 자료를 2024년과 나란히 놓으면 미국 기준 프론트엔드와 백엔드의 격차는 오히려 좁혀졌다Stack Overflow 2024Stack Overflow 2025. 러시아 임금 조사에서는 전체가 정체된 기간에 프론트엔드만 5% 올랐다Habr Career. 모델이 프론트엔드에서 특히 약한 이유가 구조적이라는 반대 논증도 있다 — 결과를 볼 수 없고, 렌더링 환경을 통제하지 못한다Adam Argyle. 그 글에 달린 반박은 또 다르다: 자기가 돈 받고 하는 프론트엔드 작업은 AI가 잘 처리하며 실패는 맞춤 디자인에 한정된다는 것이다Hacker News. “프론트엔드가 죽는다”는 예언의 목록은 길고 매번 복잡성이 사라진 게 아니라 옮겨갔다Den Odell. “개발자 이후 시대”라는 서술 자체를 근거를 들어 반박한 글도 있고Josh W. Comeau, 10억 건 이상의 공고를 분석한 보고서는 AI가 전문화하는 직무가 상품화하는 직무보다 두 배 빠르게 는다고 본다PwC. 에이전트가 무엇을 잘 아는지에 따라 기술 선택이 좁아지는 현상을 생태계 최대의 메아리방이라 부르며 반대하는 목소리도 있다Ryan Carniato. 물론 반대 극단도 같은 무게로 존재한다 — 사람이 쓰고 사람이 리뷰하는 방식 자체가 끝난다는 주장이다Paul Dix.

    근거 23건 설문·연구·통계 5 현장 기록·문서 4 개인 글·커뮤니티 14

  8. 아무도 이해한 적 없는 코드가 쌓인다.

    이해하지 못한 코드 COMPREHENSION DEBT

    커뮤니티에서 이 두려움에 붙은 이름은 “버스 팩터 0”이다 — 담당자가 버스에 치이면 곤란한 것이 아니라, 애초에 그 코드를 이해한 사람이 아무도 없다는 뜻이다Hacker News. 시스템에 담긴 코드의 양과 사람이 실제로 이해하는 양 사이의 격차를 이해 부채라고 부르기도 한다Addy Osmani.

    이 고민을 뒷받침하는 것

    AI가 작성한 것으로 확인된 커밋 302,600건 중 9.1%가 문제를 들여왔고 그중 5분의 1은 최신 상태에서도 살아 있었다. 대부분이 당장 터지는 결함이 아니라 코드 스멜이라는 점이 오히려 요점이다arXiv (Liu 외). 에이전트가 만든 파일은 첫 달 수정이 적었지만 그 유지보수의 83%는 사람이 했다arXiv (Sawada 외). 브라질 개발자가 자기 팀을 계측한 기록에서는 AI 보조 PR이 건드린 파일의 90일 내 재수정률이 33.9%로 비AI 파일 20.8%보다 높았다TabNews. 2년간 에이전트를 깊게 쓴 뒤 쌓인 코드를 통째로 읽고 대부분을 손으로 다시 쓰기로 했다는 기록도 있다Mo Bitar. 국내에서도 이 시대의 중심 위험을 기술 부채가 아니라 인지 부채로 지목하는 정리가 나왔다yceffort. 수십 년 살아남아야 하는 프로젝트의 유지보수성을 이유로 이 도구들을 “마술”이라 부르며 경계하는 오랜 목소리도 있다Jeremy Keith.

    반대편에 있는 것

    위 재작업 측정을 한 사람 본인이 편향 요인을 나열해 격차가 7%p 수준으로 줄어든다는 것까지 함께 공개했다TabNews. 이것이 AI 고유의 문제인지에 대한 반론도 같은 스레드 안에 있다 — 떠난 동료가 만든 기능을 아무도 설명하지 못하는 일은 전부터 있었다는 것이다Hacker News. 그리고 이 문제의 대응은 이미 존재한다 — 팀의 규칙을 세션 시작이 아니라 루프 안에 주입하거나토스 테크, 에이전트가 파일을 하나씩 고치는 대신 검증 가능한 변환 스크립트를 쓰게 하는 방식이다Codemod.

    근거 12건 설문·연구·통계 2 현장 기록·문서 2 개인 글·커뮤니티 8

  9. 빨라진 느낌이 정말 빨라진 것인가?

    속도의 착시 THE ILLUSION

    이 고민은 다른 고민들의 전제를 흔든다. 속도가 실제로 올랐는지조차 확실하지 않다면, 그 속도를 근거로 한 조직의 결정도 근거를 잃기 때문이다.

    이 고민을 뒷받침하는 것

    숙련 오픈소스 개발자를 대상으로 한 무작위 대조 실험에서 AI를 쓸 수 있는 조건이 오히려 19% 더 오래 걸렸는데, 본인들은 20% 빨라졌다고 느꼈다METR. 영국 정부의 도입 시험에서는 참가자가 하루 56분을 아꼈다고 보고했지만 도구에 찍힌 제안 수락률은 15.8%였다영국 과학혁신기술부. 이 활동 자체가 생산적으로 느껴지도록 설계돼 있어 자기 보고와 측정이 갈린다는 해석도 있다Rachel Thomas. 시간을 아꼈다는 응답이 99%인 조사에서 절반은 코드를 쓰지 않는 일에 주 10시간 이상을 잃는다고 답했다Atlassian.

    반대편에 있는 것

    METR 자신이 그 19%를 현재 생산성에 대한 매우 약한 근거라고 정정하고 선택 편향을 인정했다METR. 반대 방향의 측정도 여럿이다 — Google 엔지니어 96명 실험에서 약 21% 단축arXiv (Paradis 외, Google), Microsoft 엔지니어 16,223명 관찰에서 완료 PR 40.5% 증가arXiv (Heilman, Kyllo, Murphy-Hill / Microsoft), 사전 등록된 실험에서 초기 완료 시간 중앙값 30.7% 단축arXiv (Borg 외, ICSME 2025, 사전 등록)이다. 다만 마지막 연구는 그 코드를 다른 사람이 고쳐야 하는 2단계에서는 차이가 사라졌다고 덧붙인다. 개발자 50만 명 분석에서도 커밋 활동의 큰 증가가 릴리스 단계에서는 30% 증가로 줄어든다NBER. 그리고 이득이 어디에 몰리는지도 중요하다 — 단순한 신규 개발에서 35~40%, 복잡한 레거시에서 10% 이하다InfoQ.

    근거 13건 설문·연구·통계 7 현장 기록·문서 4 개인 글·커뮤니티 2

  10. 쓰라고 해서 쓰는데, 즐겁지가 않다.

    강요와 피로 PRESSURE

    이 고민은 도구에 대한 판단이 아니라 노동 조건으로 경험된다. 고용주가 도입을 강제하고, 더 이상 코드를 쓰지 않게 된 시니어가 생기고, 잘하고 있다는 감각이 사라진다Salma Alam-Naylor.

    이 고민을 뒷받침하는 것

    개발자의 68%는 곧 고용주가 AI 도구 숙련도를 요구할 것이라고 본다JetBrains. 일본 조사에서는 66.2%가 AI에 일을 빼앗길까 걱정한다고 답했다MONOist. 한국의 주니어 개발자 84.4%는 자기 실력을 의심한다고 답했고잡코리아, 국내 프리랜서 조사에서는 86.5%가 AI가 개발자를 대체할 것이라고 보면서 동시에 74.7%가 AI를 공부하고 있었다요즘IT. 오래 이 일을 해 온 사람들이 공개적으로 애도하거나Nolan Lawson, 업계를 떠나거나Salma Alam-Naylor, 힘든 한 해를 기록하고 있다Andy Bell. 일본에서는 모두가 같은 방식으로 빨라지면 우위는 생기지 않고 가격 경쟁만 남는다는 “효율화의 함정” 논의가 나왔다Zenn.

    반대편에 있는 것

    이 감정 서술조차 합의가 아니다. “AI가 프로그래밍의 즐거움을 파괴했는가”라는 물음에 브라질의 경력 개발자들은 대체로 전제 자체를 거부했다TabNews. 일에 만족한다는 응답은 전년보다 오히려 올랐고Stack Overflow Blog, 대기업의 개인 단위 도입도 열광과 거부로 갈리기보다 검증을 기다리는 관망이 가장 많다는 관찰이 있다developer-dreamer. 2026년 9월 일본의 프론트엔드 콘퍼런스에서 18개 세션 중 AI를 다룬 것은 2개였다 — 온라인 담론의 온도와 실무 커뮤니티의 관심사는 같지 않다Zenn.

    근거 14건 설문·연구·통계 5 현장 기록·문서 0 개인 글·커뮤니티 9

세 가지 물음

USE · GROW · ROLE

AI를 어떻게 쓰는지, 역량을 어떻게 키우는지, 역할이 무엇이 되는지. 세 물음 모두에 대해 효과가 측정되었거나 실무 기록이 남은 것만 담았고, 각 항목에는 그 방법의 한계를 반드시 함께 적었습니다.

AI를 어떻게 쓰나

USE

도구 이름을 나열하는 대신, 실제로 효과가 측정되었거나 실무 기록이 남은 방식만 모았다. 공통점은 하나다 — 모델에게 결과를 보여 주고, 팀의 규칙을 루프 안에 넣는다.

  • 모델에게 화면을 보여 준다

    에이전트가 자기가 만든 페이지를 직접 검사하게 붙인다. Chrome은 DevTools를 MCP 서버로 열었고, 이미 로그인된 브라우저 세션에 에이전트가 붙을 수도 있다Chrome for Developers 2025.09Chrome for Developers 2025.12.

    무엇이 뒷받침하나
    모델이 결과를 실제로 볼 수 없다는 점은 프론트엔드 실패의 구조적 원인으로 지목돼 왔다Adam Argyle. AI 도구가 만든 페이지의 68%가 최소 하나의 브라우저·기기 조합에서 깨진다는 측정이 그 비용을 보여 준다arXiv.
    한계
    보는 것과 판단하는 것은 다르다. 웹 앱 100개를 대상으로 한 벤치마크에서 에이전트의 끝에서 끝까지 테스트 성능은 F1 26.4%에 그쳤고, 병목은 브라우저 조작이 아니라 무엇을 테스트할지 정하는 판단이었다arXiv.

    다루는 고민 품질과 접근성이해하지 못한 코드

  • 눈대중 대신 숫자를 돌려준다

    디자인과의 차이를 말로 지적하는 대신 Playwright로 실제 렌더된 DOM을 측정해 숫자 차이를 모델에게 돌려준다Vadim. 사람이 이미지 위에 남긴 지적을 좌표로 저장해 에이전트가 다시 읽게 하는 도구도 나왔다Argos.

    무엇이 뒷받침하나
    Figma의 구조화된 디자인 데이터를 직접 넘겨도 결과는 “대체로 디자인처럼” 보이는 수준이었고 픽셀이 맞지 않고 버튼이 동작하지 않았다FigmaBuilder.io. 모델은 간격을 눈으로 판단하지 못하므로 측정이 필요하다.
    한계
    측정으로 바꿀 수 있는 것은 위치와 크기뿐이다. 무엇이 좋은 간격인지, 이 화면이 이 제품에 맞는지는 여전히 측정 대상이 아니다.

    다루는 고민 품질과 접근성획일화

  • 팀의 컴포넌트를 쓰게 한다

    에이전트가 이미 있는 컴포넌트를 다시 만들지 않도록 디자인 시스템을 기계가 읽을 수 있게 연다. Storybook을 MCP 서버로 게시하거나StorybookChromatic, 저장소에 재사용 여부를 확인하는 읽기 전용 리뷰 에이전트를 둔다GitHub.

    무엇이 뒷받침하나
    에이전트가 만든 프로젝트에서 가장 큰 설계 문제가 중복이었고arXiv, 업계 전체로도 코드 블록 중복이 늘고 리팩터링 흔적이 줄었다The New Stack. Meta는 사람과 에이전트가 같은 API·문서·CLI를 쓰도록 디자인 시스템을 다시 만들고 평가 장치까지 붙였다Meta.
    한계
    컴포넌트를 읽게 하는 것만으로는 규칙이 지켜지지 않는다. 같은 규칙을 사람에게는 경고로, 에이전트와 CI에는 빌드를 깨는 오류로 돌리는 식의 강제가 함께 필요했다Meta.

    다루는 고민 품질과 접근성이해하지 못한 코드획일화

  • 규칙을 세션 시작이 아니라 루프 안에 넣는다

    컨벤션을 시작 시점에 한 번 주는 대신, 파일을 쓸 때마다 관련 규칙을 소수로 주입하고 작업 완료 선언 전에 전체 diff에 대해 다시 확인시킨다토스 테크.

    무엇이 뒷받침하나
    시작 시점에만 준 규칙이 무시된다는 관찰에서 출발한 국내 사례이며, 문서 구조를 바꾸는 것만으로 에이전트의 디자인 시스템 사용 성공률이 크게 달라진다는 평가와 방향이 같다Sanity.
    한계
    지시 파일의 효과 자체가 논쟁 중이다. 학술 평가에서는 저장소 컨텍스트 파일이 성공률을 일반적으로 높이지 못하면서 추론 비용만 20% 이상 늘렸다arXiv. 벤더 자체 평가와 결론이 어긋나므로 자기 저장소에서 직접 재 보는 수밖에 없다Vercel.

    다루는 고민 이해하지 못한 코드품질과 접근성

  • 지금의 플랫폼을 알려 준다

    에이전트가 학습 데이터의 낡은 패턴 대신 현재의 웹 플랫폼 지침을 참조하게 한다. Chrome 팀이 이 목적으로 만든 지침 세트를 공개했다Chrome for Developers.

    무엇이 뒷받침하나
    현재 지침을 참조하게 했을 때 모범 사례 준수도가 37%p 올랐다는 자체 측정이 있고Chrome for Developers, 실제 React 앱에 적용해 본 독립 기록에서는 틀린 코드가 아니라 10년치 플랫폼 발전을 무시한 코드가 문제였다는 것이 구체적으로 드러난다Ahmad Alfy.
    한계
    플랫폼은 매년 바뀐다. 브라우저들이 올해 맞추기로 한 영역만 18개이고web.dev, 응답자들이 가장 좋아하는 새 기능과 브라우저 지원 때문에 못 쓰는 기능이 같은 경우도 있다Devographics.

    다루는 고민 품질과 접근성역량 침식

  • 대규모 변경은 파일 수정이 아니라 변환 스크립트로

    에이전트에게 수천 개 파일을 하나씩 고치게 하는 대신, 검증 가능한 코드모드를 쓰게 한다Codemod. 실제 마이그레이션 기록들도 기계적 변환에 에이전트 스킬을 쓰고 배포 속도를 스스로 제한했다Shopify Engineering.

    무엇이 뒷받침하나
    변환 스크립트는 사람이 읽고 테스트할 수 있어 결과가 재현된다. 병렬 세션으로 화면 21개를 옮긴 기록에서도 정작 중요한 것은 산출량이 아니라 검증 단계였다 — 3개 화면에서 숨은 의존성 파손이 나왔다Mercari Engineering.
    한계
    기계적 변환이 가능한 작업에만 해당한다. 한 번에 한 개씩 배포하고 롤백을 각오하는 운영 규율이 함께 있어야 한다Shopify Engineering.

    다루는 고민 이해하지 못한 코드리뷰 부담품질과 접근성

  • 시각 회귀 테스트를 관문으로 둔다

    에이전트가 가장 자주 만드는 UI 버그는 기능 테스트로 구조적으로 잡히지 않는 종류다 — 공유 CSS 수정, DOM 구조 변경, 토큰·테마 변경, “아무것도 안 바뀔 것” 리팩터링Argos.

    무엇이 뒷받침하나
    Playwright는 테스트 계획·생성·수리를 담당하는 에이전트 정의를 공식 제공한다Playwright. 반대로 Adobe는 에이전트에게 시각 회귀 스위트를 돌리지 말라고 명시하고 그 관문을 사람에게 남겨 두었다Adobe.
    한계
    무엇을 자동화하지 않을지도 문서에 적어야 한다. 관문을 전부 에이전트에게 넘기면 검증 자체가 같은 모델의 편향을 공유하게 된다.

    다루는 고민 품질과 접근성리뷰 부담

  • 리뷰 관문을 다시 설계한다

    사람 리뷰어 수를 줄이는 대신 AI 리뷰를 필수 관문으로 넣거나LY Corporation Tech Blog (야마모토 리쿠), 저위험 PR을 분류해 자동 승인하거나Zalando Engineering, 단계별 사람 승인 지점을 문서로 정한다LY Corporation Tech Blog (한창구).

    무엇이 뒷받침하나
    PR 수와 리뷰 시간이 함께 늘어난 것은 여러 조직에서 확인된다Spotify EngineeringThe Pragmatic Engineer. GitHub은 10분 단위 리뷰 프레임워크와 “무관한 파일 다섯 개를 넘으면 분할 요청”이라는 실행 가능한 기준을 제시한다The GitHub Blog.
    한계
    AI가 만든 PR 대부분이 사람 리뷰를 받지 않고, 있는 리뷰도 다른 에이전트가 단 것이 많다는 분석이 있다arXiv. 관문을 줄이는 결정과 검토를 없애는 결정은 다르다.

    다루는 고민 리뷰 부담이해하지 못한 코드

  • 기본값에서 벗어나게 지시한다

    모호한 프롬프트는 학습 데이터의 중앙값으로 채워진다. 타이포그래피·색·모션·배경 같은 축을 명시적으로 지정해 기본값에서 밀어낸다Anthropicprg.sh.

    무엇이 뒷받침하나
    만드는 쪽에서도 이 현상을 분포의 수렴이라고 이름 붙이고 400토큰 남짓의 지침으로 대응한다Anthropic. 모델이 결과를 보지 못한 채 평범한 패턴으로 되돌아간다는 지적도 같은 방향이고Adam Argyle, 한국어권에서도 맞춤 인터랙션과 픽셀 단위 UI가 취약점으로 꼽힌다velog.
    한계
    무엇으로 밀어낼지는 사람이 정해야 한다. 디자이너 조사에서 80%가 창작 방향을 자기 판단에 맡긴다고 답한 것은 이 작업이 아직 위임되지 않았다는 뜻이다State of AI in Design.

    다루는 고민 획일화품질과 접근성

역량을 어떻게 키우나

GROW

“기본기를 다져라”는 조언은 많지만 근거가 붙은 것은 적다. 학습 효과를 측정한 연구와, 실제 채용 과정이 무엇을 보는지를 함께 놓았다.

  • 배울 때는 답이 아니라 힌트를 받는다

    학습 중에는 완성된 코드를 받지 않는다. 힌트 하나만 받고 직접 쓰기, 고치지 말고 무엇이 틀렸는지만 묻기, 자기 코드를 한 줄씩 설명하기 같은 규칙을 정해 둔다Scrimba.

    무엇이 뒷받침하나
    이것은 취향이 아니라 실험 결과다. 제약 없는 접근은 연습 성적을 48% 올렸지만 접근을 없앤 뒤 시험 성적은 17% 낮았고, 튜터 형태로 설계한 조건에서는 그 손상이 없었다PNAS. React 실험에서도 스캐폴딩 조건의 버그 수정률이 손코딩에 가까웠다arXiv.
    한계
    조직이 도와주지 않으면 개인 규율만으로는 유지되기 어렵다. 사내 교육에서 언제 손으로 짜야 하는지를 명시적으로 알려 주는 회사도 있다Zalando Engineering. 반대로 아예 학습 단계에서 AI를 쓰지 말라고 하는 커리큘럼도 있다The Odin Project.

    다루는 고민 역량 침식주니어 사다리

  • 이해했는지 확인하는 절차를 만든다

    프롬프트 전에 가설을 세우고, 코드보다 설명을 먼저 요구하고, AI가 쓴 코드를 백지에서 다시 만들어 실제로 남은 것을 확인한다Addy Osmani 2026.05. 정해 둔 수동 코딩 시간과 학습 일지 같은 습관도 제안된다Addy Osmani 2025.04.

    무엇이 뒷받침하나
    자기 보고를 믿을 수 없다는 것이 이 절차의 근거다. 개발자들은 19% 느려진 조건에서 20% 빨라졌다고 느꼈고METR, 학습에서도 스스로 잘하고 있다는 착각이 관찰됐다arXiv. 교육 기관들은 이해도 확인 문제와 최종 시험으로 같은 문제에 대응한다freeCodeCamp.
    한계
    이 실천들의 효과를 측정한 자료는 아직 없다. 제안하는 글들 스스로 수치를 붙이지 않는다Addy Osmani.

    다루는 고민 역량 침식이해하지 못한 코드

  • 쓰는 것보다 훨씬 많이 읽는다

    판단력은 원래 반복 작업에서 길러졌는데 자동화가 그 반복을 없앴으므로, 읽기를 의도적으로 늘려 그 자리를 메운다Addy Osmani.

    무엇이 뒷받침하나
    리뷰 역량은 에이전트와 일하는 데 그대로 전이되는 몇 안 되는 역량으로 지목된다Sean Goedecke. 채용 쪽 신호와도 맞는다 — 면접에서 AI를 허용할 때 가장 높게 평가되는 것이 AI의 실수를 잡아내고 고치는 능력이었다CoderPad.
    한계
    읽어야 할 양이 이미 사람의 처리 능력을 넘어서고 있다는 것이 이 시대의 문제이기도 하다The Pragmatic Engineer. 읽기를 늘리라는 조언은 리뷰 부담을 개인의 책임으로 돌릴 위험이 있다.

    다루는 고민 역량 침식리뷰 부담이해하지 못한 코드

  • 접근성은 어려운 절반을 배운다

    체크리스트로 확인되는 항목이 아니라 자동화가 닿지 않는 부분을 배운다. 자동 검사로 확인 가능한 WCAG 항목은 대략 30% 수준이다Adrian Roselli.

    무엇이 뒷받침하나
    비교 연구에서 명암비나 대체 텍스트 같은 기계적 항목은 LLM이 사람보다 나았고 무너진 것은 복잡한 ARIA였다arXiv 2025.03. LLM 자동 수정 실험에서도 80%의 페이지가 나아졌지만 완전히 해결된 것은 4분의 1뿐이었다arXiv 2026.05. 어려운 부분은 문제를 찾는 것이 아니라 의도를 파악하는 것이라는 지적도 같은 방향이다HTML Accessibility.
    한계
    접근성 지표가 나빠진 원인을 AI로 단정할 수는 없다. 조사 기관 스스로 페이지 복잡도와 ARIA 사용 증가를 먼저 지목한다WebAIM. 자동화 약속을 광고했다가 제재를 받은 사례도 있다미국 연방거래위원회.

    다루는 고민 품질과 접근성역량 침식

  • 이름을 알아야 방향을 지시할 수 있다

    플랫폼 기본기를 배우는 이유가 손으로 짜기 위해서가 아니라, 모델을 원하는 방향으로 데려가기 위해서라는 관점이다Josh W. Comeau.

    무엇이 뒷받침하나
    두 열짜리 가격표 카드 사례에서, 필요한 CSS 기법의 이름을 모르는 동안에는 모델이 계속 접근성이 나쁜 방식으로 돌아갔다Josh W. Comeau. 에이전트가 낡은 패턴을 기본값으로 쓴다는 것은 Chrome 팀도 전제로 삼는다Chrome for Developers. CSS는 AI 생성 비율의 중앙값이 13%로 남아 있는 영역이기도 하다Devographics.
    한계
    무엇이 기본기인지에 대한 합의는 없다. 사라진 프론트엔드 전문성의 상당 부분이 브라우저 버그 대응 지식, 즉 우연한 복잡성이었다는 반론이 있다Hacker News.

    다루는 고민 역량 침식프론트엔드 평가절하품질과 접근성

  • 면접이 실제로 무엇을 보는지 확인하고 준비한다

    “AI 역량”을 일반적으로 준비하는 대신 지원할 회사의 정책을 확인한다. 전면 금지가 여전히 가장 흔하지만CoderPad, AI 사용을 기대한다고 공개한 회사도 있고Canva Engineering, 서류는 허용하되 과제와 실시간 면접은 금지하는 회사도 있다Anthropic.

    무엇이 뒷받침하나
    엔지니어링 리더 400명 조사에서 62%가 기술 면접에서 AI를 금지하며 미국과 중국의 차이가 크다Karat. 대형 기술기업 면접관 중 알고리즘 문제에서 벗어났다고 답한 곳은 없었고 81%는 부정행위를 의심한다interviewing.io (Aline Lerner). 동시에 Meta는 AI 내장 환경의 코딩 면접을 시범 운영하고 있고interviewing.io, 일본에서는 스킬 테스트를 72시간 과제로 바꾸며 생성 AI 사용을 명시적으로 허용한 사례도 나왔다Finatext. 한편 면접이 무너졌다는 주장에 대한 커뮤니티의 반응은 “원래 신호가 나빴다”였다Hacker News.
    한계
    프론트엔드 공고 중 생성 AI 역량을 명시적으로 요구한 것은 12.7%였고 신입 공고에서는 0.7%였다InterviewStack.io. 담론의 크기와 실제 요건의 크기가 다르므로, 여기에 준비 시간을 다 쓰는 것은 합리적이지 않을 수 있다.

    다루는 고민 주니어 사다리일자리역량 침식

  • 합의하는 능력을 기른다

    구현이 싸질수록 남는 어려움은 무엇을 만들지 팀이 합의하는 일이다Maggie Appleton. 일본의 한 신입 연수에서 신입들이 가장 어려워한 것도 코드가 아니라 팀이 무엇을 하려는지 합의하는 일이었다Cybozu Inside Out.

    무엇이 뒷받침하나
    병목이 엔지니어링에서 제품·디자인 결정으로 옮겨가면서 PM과 엔지니어의 비율 자체가 달라지고 있다Atlassian. 프론트엔드의 다음 역량으로 흩어진 입력을 모으는 컨텍스트 엔지니어링을 드는 발표도 있다LINEヤフー.
    한계
    이것을 명세 문서로 해결하려는 시도는 양날이다. 명세 주도 개발에는 폭포수를 다시 들여오고 개발자를 읽기에 파묻는다는 비판이 있고Marmelab, 도구들이 실제로 구현하는 층위도 생각보다 얕다martinfowler.com.

    다루는 고민 이해하지 못한 코드강요와 피로

  • 산출량이 아니라 협업의 질을 본다

    개인과 조직 모두 지표를 바꾼다. 1차 수용률, 반복 횟수, 병합 후 재작업, 실패한 빌드, 리뷰 부담 같은 것을 본다Thoughtworks Technology Radar 2026.04 (1). 온보딩 문서는 에이전트가 실행할 수 있게 써서 낡으면 실행 실패로 드러나게 한다Thoughtworks Technology Radar 2026.04 (2).

    무엇이 뒷받침하나
    커밋 활동이 240% 늘어도 릴리스는 30% 느는 데 그친다는 분석은 산출량 지표의 한계를 보여 준다NBER. 자기 팀을 직접 계측해 AI 보조 PR의 재작업률을 잰 개인 기록도 같은 방향이다TabNews.
    한계
    Thoughtworks 자신도 이 기법들을 아직 “평가” 단계에 둔다Thoughtworks Technology Radar. 검증된 실천이 아니라 시도되고 있는 방법이다.

    다루는 고민 속도의 착시리뷰 부담

역할은 무엇이 되나

ROLE

역할 이야기는 예측이 아니라 이미 존재하는 직무 기술서와 팀 구조의 변화로 확인할 수 있다. 서로 반대되는 주장을 같이 싣는다.

  • 판단은 사라지지 않고 자리를 옮긴다

    위로는 무엇을 만들지 정하는 쪽으로, 아래로는 만들어진 것이 맞는지 확인하고 책임지는 쪽으로 판단이 이동한다는 정리Addy Osmani 2026.08. 차별화되는 역량으로는 문제 선택, 명세 작성, 검증이 지목된다Addy Osmani 2026.07.

    무엇이 뒷받침하나
    현업 관찰 연구에서 숙련자는 설계 권한을 넘기지 않고 어떤 과제가 에이전트에 맞는지 고른 뒤 품질 판단을 자기가 쥐었다arXiv. AI를 규율 있게 쓰는 데 필요한 역량이 시니어가 이미 가진 것들이라는 정리도 같은 방향이다Simon Willison.
    한계
    이 서술은 이미 판단을 맡은 사람에게 유리하다. 그 판단력이 어디서 오는지 물으면 다시 주니어 사다리 문제로 돌아온다Addy Osmani.

    다루는 고민 일자리프론트엔드 평가절하역량 침식

  • 이미 존재하는 새 직무를 본다

    역할 논의를 예측이 아니라 실제 채용으로 확인한다. 에이전트를 돌리는 시스템을 설계하는 “루프 엔지니어링”The Pragmatic Engineer, 디자이너처럼 생각하고 엔지니어처럼 코드를 쓰는 디자인 테크놀로지스트Atlassian 같은 직무가 이미 채용되고 있다.

    무엇이 뒷받침하나
    상위 기업의 AI 엔지니어링 공고가 1년 새 60% 늘고 같은 기업의 소프트웨어 엔지니어링 공고는 7% 느는 데 그쳤다The Pragmatic Engineer. 코딩이 제약이 아니게 되면 팀이 2~3명으로 줄고 전문가가 품질의 문지기가 된다는 관찰도 있다Jampa Uchoa.
    한계
    새 직함이 곧 많은 자리를 뜻하지는 않는다. 프론트엔드 공고 중 생성 AI 역량을 명시적으로 요구한 것은 12.7%에 그쳤고InterviewStack.io, 러시아 조사에서는 GPT 역량을 요구하는 공고의 임금이 오히려 시장 중앙값보다 낮았다Habr.

    다루는 고민 일자리프론트엔드 평가절하

  • 취향과 오너십을 무게중심으로 옮긴다

    대부분을 프롬프트 하나로 복제할 수 있게 될수록 “만들었다”는 사실이 아니라 무엇을 만들었는지가 차별점이 된다는 주장Jakub Krehel. 프론트엔드의 무게중심을 복잡도·오너십·에이전트형 UI·풀스택 확장·취향으로 옮기라는 정리도 있다Formation.

    무엇이 뒷받침하나
    디자이너 조사에서 80%가 완성도와 창작 방향을 자기 판단에 맡긴다고 답했고State of AI in Design, 디자인 시스템 실무자들은 AI가 코드를 만드는 것보다 디자인을 만드는 것을 더 걱정한다zeroheight. AI는 평준화 장치가 아니라 기존 실력에 곱해지는 배수라는 주장도 같은 진영이다Josh W. Comeau.
    한계
    “취향”은 측정되지 않고 채용 공고에도 잘 적히지 않는다. 그리고 이 조언은 이미 취향을 인정받은 사람에게 유리하다. 리뷰어 역할을 받아들이는 것 자체를 경계하는 반대 의견도 있다Jampa Uchoa.

    다루는 고민 프론트엔드 평가절하획일화일자리

  • 무엇을 넘기지 않을지 정해 둔다

    자동화하지 않을 관문을 명시적으로 문서에 적는다. Adobe는 에이전트에게 시각 회귀 스위트를 돌리지 말라고 적었고Adobe, 저장소에 검토 없는 기여를 걸러 내는 장치를 심어 둔 곳도 있다Vercel.

    무엇이 뒷받침하나
    AI가 만든 PR 대부분이 사람 리뷰를 받지 않는다는 분석arXiv과, 외부 기여 PR을 자동으로 닫기 시작한 프로젝트의 공지tldraw가 이 경계의 필요를 보여 준다. 전면 금지 대신 라벨링으로 구분하자는 제안도 있다Sam Saffron.
    한계
    경계를 긋는 일은 개인이 아니라 조직의 권한인 경우가 많다. 고용주가 도입을 강제하는 상황에 대한 기록이 이미 여럿이다Salma Alam-Naylor.

    다루는 고민 리뷰 부담품질과 접근성강요와 피로

  • 속도를 목적으로 삼지 않는다

    더 많은 코드를 더 빨리가 아니라, 더 나은 코드를 더 천천히 쓰는 데 모델을 쓸 수 있다는 관점Nolan Lawson. 계획과 검토에 대부분의 시간을 쓰고 모델은 작고 검증 가능한 단계에서만 쓰는 작업 흐름도 같은 방향이다Addy Osmani.

    무엇이 뒷받침하나
    코딩 속도는 원래 병목이 아니었으므로 속도가 올라갔다고 소프트웨어가 그만큼 좋아지지는 않았다는 관찰Chris Coyier, 그리고 시간을 아꼈다는 응답이 99%인 조사에서 절반이 비코딩 업무로 주 10시간 이상을 잃는다는 수치Atlassian가 이를 뒷받침한다.
    한계
    조직이 속도로 평가한다면 개인이 이 선택을 하기 어렵다. 그래서 이 실천은 지표를 바꾸는 일과 함께 가야 한다Thoughtworks Technology Radar.

    다루는 고민 속도의 착시강요와 피로품질과 접근성

엇갈리는 주장

DISAGREEMENTS

같은 질문에 대해 신뢰할 만한 출처들이 서로 반대되는 답을 내놓는 지점입니다. 어느 쪽이 맞는지 정리하는 대신 양쪽의 가장 강한 형태를 싣고, 지금 시점에 확실히 말할 수 있는 것만 따로 적었습니다.

  1. 프론트엔드가 다른 분야보다 먼저, 더 크게 밀려나는가?

    그렇다

    프론트엔드 코드는 팀이 에이전트에게 감독 없이 맡겨도 된다고 가장 쉽게 느끼는 층위다. 프레임워크 선택까지 에이전트가 무엇을 잘 아는지에 따라 바뀌고 있다. AI 이전에도 프레임워크가 한 번 탈숙련화를 진행했고 그 비용은 교섭력이었다.

    Nolan LawsonMauro BiegThe Pragmatic Engineer

    오히려 반대다

    모델이 프론트엔드에서 약한 이유는 구조적이다 — 결과를 볼 수 없고, 왜 그렇게 정했는지 모르고, 렌더링 환경을 통제하지 못한다. 잃었다는 전문성의 상당 부분은 브라우저 버그 대응 지식, 즉 우연한 복잡성이었다. 보수 격차는 최근 좁혀졌고 러시아 임금 조사에서는 전체 정체기에 프론트엔드만 올랐다.

    Adam ArgyleHacker NewsStack OverflowHabr CareerDen Odell

    지금 말할 수 있는 것 양쪽 다 “프론트엔드”라는 한 단어로 서로 다른 일을 가리킨다. 같은 글에 달린 반박이 “내가 돈 받고 하는 프론트엔드는 AI가 잘한다”였다는 점이 이를 보여 준다Hacker News. 정형화된 화면 조립과 맞춤 인터랙션·접근성·성능 작업을 나누지 않으면 이 논쟁은 계속 헛돈다.

  2. AI가 주니어 자리를 없애고 있는가?

    데이터가 그렇게 보인다

    미국의 연령별 고용 격차, 영국의 16~24세 감소, 스페인의 주니어 공고 감소, 한국의 체감 조사가 같은 방향이다. 이력서 데이터로 본 기업 단위 비교에서도 도입 기업의 주니어 고용이 상대적으로 줄었고 시니어는 그대로였다. 금리 반론에 대해서는, AI 노출이 큰 직군이 평균적으로 금리에 덜 민감하다는 자료로 응답이 나와 있다Stanford Digital Economy Lab.

    Stanford Digital Economy Lab 2026.08Stanford Digital Economy Lab 2026.02영국 과학혁신기술부El Confidencial잡코리아Hosseini & Lichtinger

    원인이 AI가 아닐 수 있다

    AI 노출 직군의 공고는 2022년 3~4월에 정점을 찍었는데 이는 ChatGPT보다 반년 이상 앞서고 금리 인상 시작과 겹친다. 무작위 실험에서는 AI의 이득이 오히려 주니어에게 컸다. 인도에서는 신입 채용이 늘었고, 원인을 이력서 기반 서류 전형의 붕괴로 보는 시각도 있다.

    Economic Innovation GroupMIT SloanNaukri.comCoderPadThe Budget Lab at Yale

    지금 말할 수 있는 것 조정이 해고가 아니라 채용을 통해 일어난다는 점은 여러 자료가 일치한다. 그리고 원인 논쟁과 무관하게, 지금 시작하는 사람이 지나갈 길이 좁아졌다는 사실 자체는 양쪽 모두 부정하지 않는다.

  3. AI는 정말로 개발을 빠르게 만드는가?

    측정하면 그렇지 않을 수 있다

    숙련 개발자 대상 무작위 대조 실험에서 오히려 19% 더 걸렸고 본인들은 20% 빨라졌다고 느꼈다. 정부 도입 시험은 자기 보고 절약 시간(하루 56분)과 도구 텔레메트리(제안 수락률 15.8%)를 같은 보고서에 나란히 실었다. 커밋 활동이 240% 늘어도 릴리스는 30% 증가에 그친다.

    METR영국 과학혁신기술부NBERRachel Thomas

    여러 측정에서 빨라진다

    Google 엔지니어 96명 실험에서 약 21% 단축, Microsoft 엔지니어 16,223명 관찰에서 완료 PR 40.5% 증가, 사전 등록 실험에서 초기 완료 시간 중앙값 30.7% 단축이 나왔다. 앞의 두 건은 도구를 만든 회사가 자사 엔지니어를 대상으로 잰 것이라는 점은 감안해야 한다. METR 자신도 그 19%가 현재 생산성에 대한 매우 약한 근거라고 정정했다.

    arXiv (Paradis 외, Google)arXiv (Heilman, Kyllo, Murphy-Hill / Microsoft)arXiv (Borg 외, ICSME 2025, 사전 등록)METR

    지금 말할 수 있는 것 어디서 빨라지는지가 갈린다. 단순한 신규 개발에서 35~40%, 복잡한 레거시에서 10% 이하라는 모델링이 있고InfoQ, 사전 등록 실험은 처음 만드는 속도가 빨라져도 다른 사람이 그 코드를 고치는 단계에서는 차이가 사라진다고 보고한다arXiv. 39편을 모은 문헌 고찰의 결론도 아직 미해결이다arXiv → ACM TOSEM.

  4. 저장소에 지시 파일을 두면 에이전트가 실제로 나아지는가?

    자체 평가로는 크게 나아진다

    학습 데이터에 없는 새 API를 대상으로 압축한 문서 색인을 넣었더니 통과율이 53%에서 100%가 됐다. 디자인 시스템 문서를 다시 구조화했더니 모델별 성공률이 크게 오르고 반복당 비용은 오히려 줄었다. Meta는 지시 파일의 효과를 재는 평가 장치를 저장소에 함께 넣었다.

    VercelSanityMeta

    독립 평가로는 그렇지 않다

    학술 평가에서 저장소 컨텍스트 파일은 과제 성공률을 일반적으로 높이지 못하면서 추론 비용만 평균 20% 이상 늘렸다.

    arXiv

    지금 말할 수 있는 것 긍정 결과는 모두 해당 제품을 만드는 쪽의 자체 평가이고, 부정 결과는 일반 과제 벤치마크다. 두 결과가 같은 것을 재고 있지 않을 가능성이 크다. 지금 할 수 있는 정직한 대응은 자기 저장소에서 직접 재 보는 것이고, 그 방법 자체는 이미 공개돼 있다MetaSanity.

  5. 웹 접근성이 나빠진 것은 AI 때문인가?

    AI가 한몫했다

    2026년에 6년 만에 처음으로 지표가 나빠졌고, 조사 기관이 원인 후보 중 하나로 AI 보조 코딩을 언급했다. 모델은 학습 말뭉치의 흔한 코드를 예측하는데 그 코드 대부분이 이미 접근성이 없다. AI 사이트 빌더로 만든 스토어 감사에서는 프롬프트를 자세히 써도 같은 치명적 실패가 반복됐다.

    WebAIMHTTP Archive Web AlmanacaccessiBe

    단정할 수 없다

    조사 기관은 AI를 단정하지 않고 페이지 복잡도 증가와 ARIA 사용 증가를 먼저 지목한다. 같은 조사의 프레임워크별 표에서 최선과 최악의 격차는 훨씬 크고 요즘 React 계열 스택이 오히려 평균보다 좋다. 비교 연구에서는 기계적 항목에서 LLM이 사람보다 나은 코드를 냈다.

    WebAIMarXivWebAIM (유타 주립대)

    지금 말할 수 있는 것 자동 검사로 확인 가능한 WCAG 항목이 대략 30% 수준이라는 점은 양쪽 논의의 공통 전제다Adrian Roselli. 원인 논쟁과 무관하게, 자동화가 닿지 않는 나머지를 아는 사람이 계속 필요하다는 결론은 바뀌지 않는다.

  6. 면접에서 AI 사용을 허용해야 하는가?

    허용하고 그 능력을 평가해야 한다

    금지는 아무도 실무에서 쓰지 않는 조건의 능력을 재는 일이다. AI 사용을 기대한다고 공개하고 CS 기초 전형을 AI 활용 역량 평가로 대체한 회사가 있고, 대형 기업도 모델이 내장된 환경의 코딩 면접을 시범 운영했다. 허용할 때 가장 높게 평가되는 신호는 AI의 실수를 잡아내고 고치는 능력이다.

    Canva Engineeringinterviewing.ioHackerRankCoderPad

    아직 금지가 다수다

    엔지니어링 리더 조사에서 62%가 기술 면접에서 AI를 금지한다. 대형 기술기업 면접관 중 알고리즘 문제에서 벗어났다고 답한 곳은 없었고 81%는 부정행위를 의심한다. 자동 코딩 테스트와 과제 전형은 결과물이 지원자의 실력을 드러내지 못해 신호가 약해졌다는 진단도 있다.

    Karat 2026.01interviewing.ioKarat 2026.08

    지금 말할 수 있는 것 지역차가 크다 — 같은 조사에서 AI 허용이 미국 38%, 중국 68%였다Karat. 준비하는 쪽에서 할 수 있는 일은 일반론이 아니라 지원할 회사의 공개 정책을 확인하는 것이다. 정책을 문서로 공개한 회사들이 이미 있다AnthropicCanva Engineering.

  7. 명세를 산출물로 삼는 방식이 답인가?

    맥락을 남기는 유일한 방법이다

    흩어진 입력을 모으는 비용이 이제 가장 큰 병목이고, 다음 역량은 컨텍스트 엔지니어링이라는 진단이 나온다. 팀이 무엇을 하려는지 합의하는 일이 구현보다 어려워졌다면 그것을 적어 두는 것이 자연스럽다.

    LINEヤフーMaggie Appletonmartinfowler.com

    폭포수의 귀환이다

    명세를 산출물로 삼으면 개발자가 생각하는 대신 읽는 데 시간을 쓰게 된다. 날짜 표시 기능 하나에 파일 8개와 1,300줄이 나온 사례가 있다. 게다가 명세 주도 도구들이 실제로 구현하는 층위는 생각보다 얕다.

    Marmelabmartinfowler.com

    지금 말할 수 있는 것 한 팀이 프롬프트 대신 명세 기반으로 작업 흐름을 다시 짜고 교육·인프라 비용까지 반영해 측정한 결과는 순생산성 10~15% 향상이었다Habr. 혁명도 사기도 아닌 크기의 숫자라는 점이 이 논쟁에서 가장 쓸모 있는 정보다.

지역별 온도차

BY REGION

같은 기술을 두고도 고민의 모양은 시장마다 다릅니다. 각 지역의 자료를 그 지역 언어로 열어 확인했고, 자료 수가 적은 지역은 적은 대로 두었습니다.

  • 한국

    KOREA 출처 16건

    고민의 강도가 세계에서 가장 높은 축에 든다. 주니어의 73.3%가 2년 전보다 훨씬 어려워졌다고 답했고 84.4%가 자기 실력을 의심한다잡코리아 2026.07.28. 3~8년차는 “공고는 있는데 뽑지 않는다”는 응답이 48.4%로 가장 높다잡코리아 2026.07.30. 특이한 점은 도입 속도도 빠르다는 것이다 — 국내 설문 응답자들은 코드의 중앙값 70%를 AI에 맡긴다고 답했다Dev Korea. 공공 대가 산정표에 적힌 UI/UX 직군의 임금 위계도 이 고민의 배경에 있다한국인공지능·소프트웨어산업협회. 교육 쪽은 방향이 갈린다. 부스트캠프는 2026년 정규 과정을 열지 않았고네이버 커넥트재단, 카카오는 프론트엔드·백엔드 트랙을 에이전틱 AI 단일 과정으로 합쳤으며ZDNet Korea, 우아한테크코스는 반대로 의도적인 불편함을 더 밀어붙였다우아한형제들 기술블로그.

  • 일본

    JAPAN 출처 14건

    담론의 온도와 실무의 온도가 가장 크게 벌어지는 시장이다. 2026년 9월 프론트엔드 콘퍼런스의 18개 세션 중 AI를 다룬 것은 2개였다Zenn (h_yoshikawa0724). 그러면서도 조직 차원의 전환은 오히려 앞서 있다 — 리뷰 정책을 바꾸고LY Corporation Tech Blog (야마모토 리쿠), 에이전트 주도 개발 로드맵을 단계와 목표 수치까지 공개하며LY Corporation Tech Blog (한창구), 신입 연수 자료에 “AI가 썼기 때문에 모르겠습니다는 안 된다”를 명시한다サイボウズ. 고민의 형태도 조금 다르다. 대체보다 “효율화의 함정”, 즉 모두가 같은 방식으로 빨라지면 가격 경쟁만 남는다는 논의가 나온다Zenn (ymnkx).

  • 중국

    CHINA 출처 6건

    가장 널리 퍼진 “프론트엔드 공고 최대 감소” 수치가 중화권 보도를 통해 확산됐다腾讯新闻. 커뮤니티의 결론은 의외로 온건하다 — 프론트엔드가 죽는 것이 아니라 재정의되고 있으며, AI가 죽이는 것은 “코드만 쓰는 프론트엔드 엔지니어”라는 쪽이다稀土掘金 (保加利亚的风)稀土掘金 (1024号员工). 신규 졸업자의 91.1%가 AI 때문에 구직 계획을 바꿨다는 조사는 개인의 진로 선택이 이미 움직이고 있음을 보여 준다央视网. 면접에서 AI를 허용하는 비율도 미국보다 훨씬 높다Karat.

  • 미국

    UNITED STATES 출처 12건

    데이터가 가장 많고 그래서 해석이 가장 많이 갈리는 시장이다. 같은 시기를 두고 스탠퍼드는 22~25세 고용 격차 19%를 보고하고Stanford Digital Economy Lab, 예일은 뚜렷한 교란의 증거가 없다고 보고하며The Budget Lab at Yale, 구글 소속 경제학자들은 타이밍상 금리 쪽이라고 반박한다Economic Innovation Group. 공고 지수는 팬데믹 이전의 4분의 3 수준이지만 저점에서는 올라왔다세인트루이스 연방준비은행. 채용의 무게는 확실히 시니어로 기울었다Indeed Hiring Lab.

  • 유럽

    EUROPE 출처 13건

    고용 지표는 엇갈린다. 덴마크 행정 데이터로는 2년간 유의한 효과가 없었지만NBER, 영국에서는 컴퓨터 프로그래밍 16~24세가 1년 만에 44% 줄었고영국 과학혁신기술부 스페인의 주니어 프로그래머 공고는 33% 줄었다El Confidencial. 조직 차원의 기록이 특히 풍부하다 — Zalando는 저위험 PR 자동 승인 비율과 교육 정책을 함께 공개했고Zalando Engineering 2026.08 (1)Zalando Engineering 2026.08 (2), Spotify는 PR이 76% 늘었다는 수치를 리뷰 부담으로 다시 적었다Spotify Engineering. 프론트엔드만 대상으로 한 국제 설문도 폴란드에서 운영된다The Software House.

  • 러시아어권

    RUSSOPHONE 출처 5건

    개인이 직접 세고 직접 재는 기록이 많은 것이 이 언어권 자료의 특징이다. 시니어 React 공고 2건에 미들·시니어 이력서 1,040건이 몰린다는 관찰이 있는가 하면Habr (Timofei Goncharov), 임금 조사에서는 전체 정체기에 프론트엔드만 5% 올랐다Habr Career. GPT 역량을 요구하는 공고의 임금이 오히려 시장 중앙값보다 낮다는 분석은 다른 언어권에서 보기 드문 반례다Habr (MrSotnik). 명세 기반 전환의 순생산성을 교육·인프라 비용까지 넣어 10~15%로 측정한 기록도 여기서 나왔다Habr (СВОЙ Тех).

  • 중남미

    LATIN AMERICA 출처 6건

    가장 실증적인 개인 기록이 이 지역에서 나왔다. 브라질 개발자가 자기 팀 저장소를 계측해 AI 보조 PR의 90일 재작업률을 재고, 스스로 편향 요인까지 공개했다TabNews (revinsoftware). 배포 시각을 찍어 두고 다섯 달 동안 그 코드가 몇 번 돌아왔는지 기록한 글도 있다dev.to. 감정 서술은 오히려 덤덤하다 — “AI가 프로그래밍의 즐거움을 파괴했는가”라는 물음에 경력 개발자들은 대체로 전제를 거부했다TabNews (felipemoreira). 대신 작은 팀에서 UX·기획 역할까지 떠안는 문제가 자주 나온다TabNews (GBruno).

  • 인도

    INDIA 출처 4건

    신입 채용이 늘고 있다는 드문 신호가 나온다 — 2026년 8월 화이트칼라 채용 14% 증가, 신입 15% 증가다Naukri.com. 동시에 한 집계에서 프론트엔드는 추적 직무 중 평균 연봉이 가장 낮았다HireDoor. 200명 규모 웹 에이전시 대표는 마이그레이션 최저 견적이 절반으로 내려갔고 신입 엔지니어 공고가 회사 채용 페이지에서 사라졌다고 말한다WP Tavern.

  • 동남아시아

    SOUTHEAST ASIA 출처 3건

    아웃소싱 거점 국가들이 위협이 아니라 상향 이동으로 대응하고 있다. 필리핀 IT-BPM 협회는 2028년 목표를 인원수가 아니라 1인당 부가가치 중심으로 다시 잡았다Newsbytes.PH. 베트남에서는 기본 코딩 인력은 넘치는데 잘하는 사람이 부족하다는 진단이 나온다VnExpress. 플랫폼이 JavaScript를 흡수하는 대표 사례도 이 지역 서비스에서 나왔다Chrome for Developers.

  • 아프리카

    AFRICA 출처 1건

    가장 취약한 지점에 변화가 먼저 닿는다. 초급 아웃소싱 업무의 자동화와 이민 제한이 겹치면서, 디지털 인력 300만 명을 길러 아웃소싱 거점이 되려던 나이지리아의 계획이 흔들린다는 보도가 나왔다Rest of World. 이 변화가 부유한 시장만의 일이 아니라는 것을 보여 주는 몇 안 되는 기록이다.

근거를 읽는 법

READING THE EVIDENCE

이 주제에서 가장 많이 인용되는 숫자 몇 개는 생각보다 약합니다. 이 페이지가 그 숫자들을 어떻게 다뤘는지 적어 둡니다.

  • “2025년 프론트엔드 공고가 9.89% 줄어 모든 개발 직군 중 최대 낙폭이었다”

    이 숫자는 중화권 보도를 통해 널리 퍼졌지만腾讯新闻, 출처로 지목된 회사가 직접 공개한 분석에는 프론트엔드 구분이 아예 없고 소프트웨어 엔지니어링 공고는 오히려 13.5% 늘었다고 적혀 있다. 게다가 그 회사는 자기 데이터의 신호 대 잡음비를 낮게 평가하고 감소 검정 일곱 개 중 둘만 성립했다고 스스로 밝힌다Revealera. 헤지펀드에 신호를 파는 대체 데이터 업체이고 데이터셋은 영업 문의를 거쳐야 한다Revealera. 이 페이지는 이 수치를 고민의 근거로 쓰지 않았다.

  • “AI 때문에 코드 블록 중복이 81% 늘고 리팩터링 흔적이 사라졌다”

    보도된 수치 자체는 확인된다 — 블록 중복 +81%, 옮겨진 코드 21%→3.8%다The New Stack. 다만 원 보고서의 공개 페이지는 요약이고 본문은 업무용 이메일과 직함을 입력해야 받을 수 있으며 페이지에 발행일도 없다GitClear 2026.06. 더 중요한 것은 귀속 방법이다 — 코드 자체를 분석해 AI 작성 여부를 판별하는 것이 아니라 커밋 작성자·API 통계 같은 정황과 커밋별 지문으로 귀속시키며, 평가한 전체 줄 수 대비 AI로 귀속된 줄 수는 1%에 크게 못 미친다GitClear 2026.05. 공개 토론에서는 수정이 싸지면 변경량이 품질 지표로 나빠진다는 점과 상관을 인과로 읽을 수 없다는 점이 반론으로 제기됐다Hacker News.

  • “AI 프로젝트의 95%가 실패했다”

    원문의 문장은 조직의 95%가 수익을 내지 못하고 있다는 것이고, 문서 스스로 예비 결과라고 밝힌다MIT NANDA. 그 95%가 문서 어디에서도 뒷받침되지 않는다며 데이터 공개나 철회를 요구한 비평이 있고Futuriom, 문서의 실제 발견이 직원들의 비공식 AI 사용은 활발한데 공식 도입이 정체돼 있다는 쪽에 가깝다는 지적도 있다Sify. 이 페이지는 이 수치를 쓰지 않았다.

  • “AI가 만든 사이트는 접근성이 나쁘다”는 감사 결과

    자주 인용되는 감사는 표본이 스토어 두 개뿐이다accessiBe. 그리고 그 감사를 낸 회사는 AI 오버레이가 사이트를 WCAG 준수 상태로 만들 수 있다고 광고하고 대가를 지불한 리뷰를 독립 의견처럼 제시한 혐의로 미국 FTC로부터 100만 달러 제재를 받았다미국 연방거래위원회. 접근성과 AI에 대해서는 이해관계가 없는 조사를 먼저 봐야 한다WebAIMHTTP Archive Web Almanac.

  • “AI를 쓰면 19% 느려진다”

    가장 자주 인용되는 반론 수치인데, 연구를 수행한 기관 스스로 그 값이 현재 생산성에 대한 매우 약한 근거일 뿐이며 참가자들이 AI에 적합한 과제를 실험에서 빼는 선택 편향이 있었다고 인정하고 실험을 다시 설계했다METR 2026.02. 원 연구의 표본도 숙련 오픈소스 개발자 16명이다METR 2025.07. 이 페이지는 이 수치를 “속도의 착시” 고민에 쓰되 정정 내용을 함께 적었다.

  • 도구를 파는 회사가 자사 데이터로 낸 수치들

    이 자료에는 업체 자체 데이터가 여럿 들어 있다 — 코드 품질 도구 업체의 설문Sonar, 자사 채용 게시판 집계InterviewStack.io, 자사 평가 장치로 낸 성능 향상StorybookVercelSanity, 자사 플랫폼 발주 통계株式会社クラウドワークス가 그렇다. 모두 문제를 크게 보거나 효과를 크게 볼 유인이 있는 자리다. 이 페이지는 이런 항목을 “업체 자체 데이터”로 따로 표시했고, 같은 주장에 독립적인 근거가 있을 때만 고민의 근거로 썼다.

  • “개발자 설문에서 이렇게 나왔다”

    이 페이지가 인용한 설문은 대부분 자발적 참여 방식이다. AI에 관심이 있는 사람이 더 많이 응답했을 가능성이 있고, 특정 뉴스레터나 커뮤니티의 독자층에 치우친 표본도 있다The Pragmatic EngineerDev Korea. 그래서 같은 질문에 대한 답이 설문마다 다르다 — 코드 중 AI 비율만 해도 JavaScript 개발자 대상에서는 평균 29%Devographics (State of JS), 웹 개발 AI 설문에서는 평균 54%Devographics (State of Web Dev AI), 국내 설문에서는 중앙값 70%Dev Korea다. 대상이 누구인지를 빼고 숫자만 옮기면 틀린 이야기가 된다.

이 자료의 한계

이 자료는 2026년 9월 15~16일에 검색으로 찾아 원문을 열어 확인한 자료만 담았으므로 검색 편향이 있다. 영어권 자료의 비중이 가장 높고, 한국어·일본어·중국어·러시아어권·중남미 자료를 의도적으로 포함했지만 각 언어권을 대표하지는 않는다. 설문은 대부분 자발적 참여라 AI에 관심이 있는 사람이 더 많이 응답했을 가능성이 있고, 업체가 자사 제품·플랫폼 데이터로 낸 수치는 독립 검증된 것이 아니다. 무엇보다 “프론트엔드 개발자”만 따로 떼어 측정한 자료는 드물다. 많은 통계가 소프트웨어 개발자 전체를 대상으로 하며, 그 수치를 프론트엔드에 그대로 옮기는 것은 이 페이지가 하지 않으려는 일이다. 출처마다 대상이 누구인지 적어 두었으니 그 범위를 보고 읽어야 한다.

읽고 나서 남는 것은 결론이 아니라 질문의 목록이다. 이 자료에서 여러 출처가 함께 가리키는 방향이 있다면 이 정도다. 코드가 만들어지는 양은 여러 측정에서 늘었고, 그것이 더 나은 소프트웨어나 더 짧은 시간으로 이어지는지는 아직 갈린다. 대신 무엇을 만들지 정하고 만들어진 것이 맞는지 판단하는 일의 비중은 분명히 올라갔다. 그 판단을 할 수 있는 사람은 여전히 코드를 읽을 줄 아는 사람이고, 읽는 능력은 쓰면서 길러졌다. 이 두 문장 사이의 긴장이 지금 프론트엔드 개발자가 겪는 고민의 대부분이다.

출처 253건

SOURCES

최근 발행 순입니다. 종류별로는 설문 26 · 논문·실험 33 · 공공 통계 10 · 보고서·기사 60 · 업체 자체 데이터 29 · 개인 글 54 · 커뮤니티 11 · 발표·인터뷰 9 · 공식 문서 21건이고, 언어별로는 영어 200 · 한국어 23 · 일본어 14 · 중국어 5 · 러시아어 5 · 포르투갈어 4 · 스페인어 1 · 베트남어 1건입니다. 모든 요약은 이 사이트의 정리이며 원문을 옮긴 것이 아닙니다.

  1. AI 시대의 코드 리뷰 정책 변경 (새 창)

    LY Corporation Tech Blog (야마모토 리쿠) 보고서·기사 일본 일본어

    Yahoo! 검색의 프론트엔드 엔지니어가 쓴 기록. 한 사람의 AI 보조 PR 산출량이 팀 전체를 멈춰 세우자 리뷰 정책을 바꿨다 — 필수 사람 리뷰어를 두 명에서 한 명으로 줄이고 AI 리뷰 관문을 필수로 넣었다.

    사람 리뷰어 2명 → 1명 + AI 리뷰 필수

  2. 스페인 주니어 프로그래머 공고 33% 감소 (새 창)

    El Confidencial (자료: Fundación CYD, DigitalES, InfoJobs) 보고서·기사 유럽 스페인어

    스페인의 주니어 프로그래머 공고가 2026년 1분기에 전년 동기 대비 33% 줄고 시니어 기술직 공고는 13% 늘었다는 조사. 미국·영국·한국과 같은 방향의 신호가 남유럽에서도 확인된다.

    주니어 프로그래머 -33% · 주니어 IT 전체 -5% · 시니어 기술직 +13% · AI 개발·통합 공고 +64%

  3. AI Coding: Duplication Rose, Refactoring Fell (새 창)

    The New Stack (Steve Fenton, GitClear 보고서 보도) 보고서·기사 전 세계 영어

    GitClear의 유지보수성 보고서를 정리한 기사. 코드 블록 중복이 2023년 대비 81% 늘고, 리팩터링의 흔적인 “옮겨진 코드”가 2022년 변경 줄의 21%에서 2026년 3.8%로 떨어졌다. 재사용의 정반대 방향이다. 원 보고서의 한계는 근거 검증 절에 적었다.

    변경 6억 2,300만 건(2023~2026) · 블록 중복 +81%(100만 변경줄당 40.3→73.0) · 옮겨진 코드 21%→3.8%

  4. AI 코치 양성 프로그램 6개월 (새 창)

    우아한형제들 기술블로그 보고서·기사 한국

    사내 교육 프로그램이 코치를 길러 내는 사다리 구조로 확장된 기록. 누적 코치는 65명이고, 자기효능감이 2.58에서 4.17로 올랐다는 자체 측정은 코치가 아니라 피코치 12명의 평균이다. 조직이 학습 손실 문제에 대응한 국내 사례다.

    5주 과정 · 누적 코치 65명 · 피코치 12명 자기효능감 평균 2.58 → 4.17(5점 척도)

  5. Frontend Conference Fukuoka 2026 참관기 (새 창)

    Zenn (h_yoshikawa0724) 발표·인터뷰 일본 일본어

    유용한 대조 자료. 2026년 9월 일본의 프론트엔드 콘퍼런스 18개 세션 중 AI를 다룬 것은 2개였고 나머지는 브라우저 엔진, JavaScript 성능, 웹 플랫폼 보안, 웹 컴포넌트, 디자인 시스템이었다. 실무 커뮤니티의 관심사와 온라인 담론의 온도가 다르다.

    3개 트랙 18개 세션 중 AI 세션 2개(2026-09-12)

  6. How to learn to code with ChatGPT (새 창)

    Scrimba (Per Harald Borgen) 공식 문서 유럽 영어

    반대 방향의 대응. 금지 대신 네 단계 규칙을 제시한다 — 힌트 하나만 받고 기다리기, 직접 쓰기, 고치지 말고 무엇이 틀렸는지만 묻기, 자기 코드를 한 줄씩 설명하기. 위 PNAS 실험을 근거로 든다.

    4단계 규칙

  7. Astryx AGENTS.md (새 창)

    Meta (facebook/astryx) 공식 문서 전 세계 영어

    Meta가 공개한 내부 디자인 시스템. 사람과 에이전트가 같은 API·문서·CLI를 쓰도록 다시 설계했고, 저장소의 AGENTS.md가 실제로 모델의 컴포넌트 코드 정확도를 얼마나 올리는지 재는 평가 장치까지 함께 넣었다. 지시 파일을 문서가 아니라 측정 대상으로 다루는 예다.

    사내 13,000개 이상 앱 · 컴포넌트 150개 이상 · 평가 프롬프트 21개

  8. Korean FE Article — “AI가 프론트엔드를 못 한다”는 글에 대한 반응 (새 창)

    Korean FE Article (오현아) 커뮤니티 한국

    국내 프론트엔드 뉴스레터의 기고자들이 “AI가 프론트엔드를 못 한다”는 취지의 글에 공개적으로 반박한 회차. 문제가 프론트엔드의 본질적 한계가 아니라 쓰는 방식에서 온다는 쪽이다. 국내 담론도 한 방향이 아니라는 증거다.

  9. What is happening with code reviews? (새 창)

    The Pragmatic Engineer 보고서·기사 전 세계 영어

    리뷰 부담의 구체적 수치. 인용된 데이터에서 PR은 3년 새 다섯 배가 됐고 2025년 말 이후 다시 거의 두 배가 됐다. 5명 팀에 열린 PR이 60개가 되면 순수 리뷰만 이틀치라는 사례가 나온다.

    PR 3년간 약 5배 · 2025년 말 이후 거의 2배 · 한 회사 사례: 병합 PR 353→684건(주 80→154건, +94%), 1시간 안에 병합 28%→45% · 사람이 리뷰한 PR 병합까지 중앙값 26시간 vs 사람 리뷰 없는 PR 1시간 · 5명 팀에 열린 PR 60개

  10. 에이전트에게 컨벤션을 지키게 하는 방법 (새 창)

    토스 테크 (토스뱅크 김경윤) 보고서·기사 한국

    세션 시작 시점에만 준 규칙이 무시된다는 문제에서 출발한 국내 사례. 파일을 쓸 때마다 관련 규칙을 최대 두 개씩 루프 안으로 주입하고, 작업을 끝냈다고 선언하기 전에 전체 diff에 대해 최대 네 개를 더 확인시킨다.

    파일 쓰기당 규칙 최대 2개 · 완료 전 diff 점검 최대 4개

  11. Naukri JobSpeak 2026년 8월 (새 창)

    Naukri.com / Info Edge (India) 보고서·기사 인도 영어

    인도의 채용 지수. 2026년 8월 화이트칼라 채용이 전년 대비 14% 늘었고 신입 채용도 15% 늘었다. 신입 채용이 모든 시장에서 줄고 있다는 서술의 반례다. 명절 일정 이동 효과가 섞여 있다는 단서도 기사에 함께 있다.

    지수 3028(전년 2664, +14%) · 신입 +15% · IT·소프트웨어 서비스 +11% · AI/ML +31%

  12. Turborepo AGENTS.md (새 창)

    Vercel (vercel/turborepo) 공식 문서 전 세계 영어

    외부 기여자를 위해 일하는 에이전트에게, 기여자가 코드를 확인하지 않았음을 선언하는 파일을 저장소 루트에 만들라고 지시하는 덫을 심어 두었다. 검토 없는 기여를 걸러 내려는 장치다.

  13. AI가 프로그래밍의 즐거움을 파괴했는가 (새 창)

    TabNews (felipemoreira) 커뮤니티 중남미 포르투갈어

    제목이 던진 전제를 브라질의 경력 개발자들이 대체로 거부한 스레드. AI를 계산기에 비유하거나, 잃어버렸다는 그 즐거움이 정말 있었는지를 되묻는 응답이 많았다. 감정에 대한 서술도 지역과 세대에 따라 갈린다.

  14. Job Postings on Indeed: Software Development, United States (새 창)

    세인트루이스 연방준비은행 (FRED, 자료: Indeed Hiring Lab) 공공 통계 미국 영어

    미국 소프트웨어 개발 채용 공고 지수. 2020년 2월을 100으로 놓았을 때 2026년 9월 4일 값이 76.1이다. 6년이 지나도 팬데믹 이전 수준을 회복하지 못했다는 뜻이며, 동시에 2025년 5월 저점 61.1에서는 올라온 상태다. 한 방향으로만 읽히지 않는 시계열이다.

    2026-09-04 기준 76.12 (2020-02-01 = 100) · 2025-05-17 저점 61.12 · 2022-02-28 고점 233.84

  15. 위 글에 대한 Hacker News 토론 (새 창)

    Hacker News 커뮤니티 전 세계 영어

    286개 댓글이 갈렸다. 한쪽은 프론트엔드가 이미 아무도 읽지 않는 층이 되었다고 받아들이고, 다른 쪽은 프론트엔드의 정확성이 과소평가되고 있다고 반박한다. 이 고민이 합의가 아니라 논쟁이라는 증거로 읽는 편이 낫다.

    234 포인트 · 댓글 286개

  16. AI 보조 PR 96건의 90일 재작업률 (새 창)

    TabNews (revinsoftware) 커뮤니티 중남미 포르투갈어

    브라질 개발자가 자기 팀 저장소를 직접 계측한 기록. AI 보조 PR이 건드린 파일은 90일 안에 33.9%가 다시 수정됐고 비AI 파일은 20.8%였다. 스스로 편향 요인을 나열해 격차가 7%p 수준으로 줄어든다는 것까지 함께 공개했다는 점이 이 기록의 가치다.

    TypeScript 약 13만 줄, 개발자 5명, 9개월 · 병합 PR 214건 중 96건이 AI 보조 · 90일 재작업 33.9% vs 20.8%

  17. Astryx ESLint 플러그인 (새 창)

    Meta (facebook/astryx) 공식 문서 전 세계 영어

    같은 규칙을 대상에 따라 다른 심각도로 돌린다 — 로컬에서 사람에게는 경고, 에이전트와 CI에는 빌드를 깨는 오류. 문서화된 관례를 어길 핑계가 에이전트에게는 없다는 것이 명시된 근거다.

  18. Software Developers, Quality Assurance Analysts, and Testers (새 창)

    미국 노동통계국 (BLS) 공공 통계 미국 영어

    같은 예측 회차의 소프트웨어 개발자 항목. 성장률 10%, 중위 임금 $134,040으로 웹 개발자보다 성장률은 두 배, 임금은 3만 달러 이상 높다. 같은 기관이 같은 방법으로 낸 두 숫자의 차이라는 점에서 직군 간 위계를 보기에 적절하다.

    2025~2035년 +10% · 2025년 종사자 1,905,400명 · 중위 임금 $134,040

  19. Web Developers and Digital Designers (새 창)

    미국 노동통계국 (BLS) 공공 통계 미국 영어

    미국 공식 직업 전망. 웹 개발자·디지털 디자이너 고용이 2025~2035년 5% 늘어 전 직종 평균보다 빠를 것으로 본다. 예측이지 관측이 아니고, 이 분류는 프론트엔드 개발자와 정확히 겹치지도 않는다는 점을 감안해야 한다.

    2025~2035년 +5% · 2025년 종사자 220,100명 · 중위 임금 $99,520(2025년 5월) · 연평균 구인 약 13,600건

  20. 배송 속도와 AI 이후의 유지보수 비용 (새 창)

    dev.to / He4rt Developers (Elves Santos) 개인 글 중남미 포르투갈어

    하루 오전의 AI 보조 배포에 시간을 찍어 두고 그 코드가 다섯 달 동안 몇 번 돌아왔는지 기록한 글. AI가 싸게 만든 것은 코드가 태어나는 순간뿐이라는 결론이다.

    프론트 PR 11:17 · 백엔드 11:32 · 14일 뒤 회귀 · 27일 뒤 오류 처리 수정

  21. Design system evals (새 창)

    Sanity (PJ Onori) 업체 자체 데이터 전 세계 영어

    모델보다 문서 구조가 더 큰 변수였다는 측정. 같은 디자인 시스템 문서를 다시 구조화했더니 성공률이 모델별로 크게 올랐다. 반복당 비용은 큰 모델에서 줄었고 작은 모델에서는 그대로였다. 자체 측정이지만 평가 장치를 공개했다.

    모델별 n=30 · Haiku 3%→47% · Sonnet 20%→90% · Opus 40%→100% · 반복당 비용: Haiku $0.21 유지, Sonnet $0.76→$0.56, Opus $0.76→$0.69

  22. The end of programming as we know it (새 창)

    Paul Dix (InfluxData) 개인 글 전 세계 영어

    가장 멀리 간 주장 쪽. 사람이 손으로 쓰고 사람이 리뷰하는 방식은 사라지고, 일은 AI를 지휘하고 검증 시스템을 만드는 것이 된다고 본다. 근거로 드는 큰 수치는 자기 작업이 아니라 다른 개발자가 이끈 Bun 의 Rust 재작성 사례다. 자기 사례로는 14시간·28시간짜리 작업 두 건을 드는데 둘 다 프로덕션에 나가지 않은 시제품이다.

    인용한 Bun Rust 재작성(다른 개발자 주도): 11일간 커밋 6,778건, API 가격 환산 약 $165,000 · 필자 본인 사례: 약 14시간, 약 28시간

  23. 품질 인플레이션 (새 창)

    Habr (Sergey Balashov) 개인 글 러시아어권 러시아어

    AI가 일자리를 없애는 것이 아니라 기대 품질의 기준선을 올린다는 주장. 네 개의 연구를 들어 “주니어가 사라진다”는 예측에 반박한다.

  24. The asteroid currently hitting frontend web development (새 창)

    Nolan Lawson (Read the Tea Leaves) 개인 글 전 세계 영어

    “프론트엔드가 특별히 더 위험하다”는 주장의 가장 널리 읽힌 판본. 논거는 프론트엔드 코드가 팀이 에이전트에게 감독 없이 맡겨도 된다고 가장 쉽게 느끼는 층위라는 것이다. 에이전트가 React를 잘 안다는 이유로 프레임워크 선택까지 바뀌고 있다는 관찰도 함께 적었다. 필자는 널리 알려진 프론트엔드 성능 엔지니어다.

  25. Human judgment doesn’t leave the software (새 창)

    Addy Osmani 개인 글 전 세계 영어

    역할 불안에 대한 답으로 제시된 구도. 판단은 사라지지 않고 위치를 옮긴다 — 위로는 의도를 정하는 쪽으로, 아래로는 증거를 확인하고 책임을 지는 쪽으로. 무엇을 해야 하는가에 대한 이 페이지의 정리와 가장 가까운 글이다.

  26. 프리랜서 시장의 변화 (새 창)

    WP Tavern (Jukebox 팟캐스트) 발표·인터뷰 유럽 영어

    한 프리랜서의 플랫폼 의존도가 2015~2020년 약 95%에서 2026년 0%가 된 경로. 복잡한 작업이 그 플랫폼에 더 이상 올라오지 않기 때문인데, 정작 본인의 수입은 유지됐다. 시장이 사라지는 것과 채널이 바뀌는 것은 다르다.

    플랫폼 비중 약 95%(2015~2020) → 80%(2022) → 40%(2024) → 0%(2026)

  27. React Spectrum AGENTS.md (새 창)

    Adobe (adobe/react-spectrum) 공식 문서 전 세계 영어

    반대 방향의 드문 사례. 에이전트에게 시각 회귀 스위트를 돌리지 말라고 명시하고 그 관문을 사람 메인테이너에게 남겨 둔다. 무엇을 자동화하지 않을지 문서에 적은 예다.

  28. GPT 역량을 요구하는 공고의 임금 (새 창)

    Habr (MrSotnik) 보고서·기사 러시아어권 러시아어

    공고 106,581건 분석. GPT 관련 역량을 언급한 공고의 임금이 시장 중앙값보다 낮았다. AI 숙련이 자동으로 임금 프리미엄이 되지는 않는다는 반례다.

    공고 106,581건(2026년 4~7월) · 94개 직종

  29. Agentic engineering at Zalando: a snapshot (새 창)

    Zalando Engineering 보고서·기사 유럽 영어

    유럽 대형 이커머스의 현황 기록. PR의 33%를 저위험으로 분류해 자동 승인하고 그 구간의 리드타임을 줄였다. 동시에 PR 크기가 커지고 에이전트가 쓴 코드베이스에서 복잡도가 빠르게 쌓인다는 관찰도 함께 적었다.

    저위험 PR 자동 승인 33% · 해당 구간 리드타임 -20~40% · PR 크기 증가 · 월 약 2,000건

  30. Zalando의 AI 교육 운영 (새 창)

    Zalando Engineering 보고서·기사 유럽 영어

    같은 글의 교육 부분. 사내 교육에서 언제 손으로 짜야 하는지를 명시적으로 알려 준다 — 코딩 에이전트를 지름길로 쓰면 학습이 저해된다는 것을 관찰했기 때문이다. 조직이 학습 손실을 정책으로 다룬 사례다.

    주 1회 길드 · 해커톤 2~3일 · 세션당 약 20명 · 월 2회 정기 교육

  31. 2026년 신입 연수: AI 코딩 활용 (새 창)

    サイボウズ (Cybozu) 발표·인터뷰 일본 일본어

    일본 기업이 공개한 신입 연수 자료. “AI가 썼기 때문에 모르겠습니다”는 안 된다는 원칙이 슬라이드에 명시돼 있다. 조직이 무엇을 기대하는지 신입에게 직접 말한 사례다.

    슬라이드 36장

  32. Building Agent Chip (새 창)

    Monzo 보고서·기사 유럽 영어

    사내 코딩 에이전트가 병합된 전체 PR의 약 10%를 작성하고 하루 1,800건 이상의 작업을 돌린다는 기록. 거의 모든 엔지니어가 최소한 하나의 코딩 에이전트를 정기적으로 쓴다고 밝혔다.

    병합 PR의 약 10% · 하루 1,800건 이상 작업

  33. Technical assessments in the age of AI (새 창)

    Karat 보고서·기사 미국 영어

    같은 회사의 후속 분석. 자동 코딩 테스트와 과제 전형은 결과물이 더 이상 지원자의 실력을 드러내지 못해 신호가 약해졌고, 사람이 진행하는 면접은 여전히 유효하지만 AI와 함께 일할 수 있는지는 보여 주지 못한다는 진단이다.

    미국 리더의 평가 신뢰도 2024년 67% → 2025년 47%

  34. Canaries in the Coal Mine (2026년 8월 갱신) (새 창)

    Stanford Digital Economy Lab 논문·실험 미국 영어

    미국 급여 데이터로 본 연령별 고용. AI 노출이 큰 직군의 22~25세 고용이 노출이 적은 직군을 따라갔을 경우보다 약 19% 낮다는 추정이며, 1년 전 추정치 15%에서 벌어졌다. 저자들은 동시에 경제 전반의 대체 증거는 없다고 명시한다. 조정이 해고가 아니라 채용을 통해 일어난다는 점도 함께 적혀 있다.

    22~25세 AI 노출 직군 고용 격차 19%(2026년 6월 데이터, 2025년 7월 시점 15%) · ADP 급여 데이터 2022년 11월~2026년 6월

  35. Does It Render Everywhere? A Study of Cross-Environment Compatibility in MLLM-Generated Webpages (새 창)

    arXiv (Guo, Xiao, Sun, Huo) 논문·실험 전 세계 영어

    프론트엔드에만 해당하는 실패 모드를 잰 연구. AI 도구가 만든 웹페이지의 68%가 최소한 하나의 브라우저·기기 조합에서 깨졌고, 가장 흔한 형태는 레이아웃 붕괴였다. 화면을 실제로 보지 않고 코드를 쓰는 데서 오는 비용이다.

    페이지 인스턴스 2,032개 · 도구 8종 · 브라우저·기기 조합 9개 · 최소 1건 문제 68% · 레이아웃 붕괴 88.3%

  36. Lovable Series C 발표 (새 창)

    Lovable 업체 자체 데이터 유럽 영어

    개발자가 아닌 사람들이 직접 사이트를 만드는 흐름의 규모를 업체 스스로 밝힌 수치. 출시 이후 프로젝트가 6,000만 개를 넘었다고 한다. 업체 발표라 검증되지 않았지만, 프론트엔드가 마주한 수요 구조 변화의 크기를 가늠하는 참고치는 된다.

    출시 이후 프로젝트 6,000만 개 이상 · 만든 앱 월 방문 9억 회 이상

  37. Agents show their work (새 창)

    Argos (Greg Bergé) 업체 자체 데이터 전 세계 영어

    에이전트가 PR에 스크린샷과 영상을 붙일 수 있게 한 도구. 사람이 이미지 위에 남긴 지적을 정규화된 좌표로 저장해 에이전트가 다시 읽을 수 있게 한 점이 특징이다.

  38. Upwork 2026년 2분기 실적 발표 (새 창)

    Upwork (미국 증권거래위원회 제출) 공공 통계 전 세계 영어

    규제 기관에 제출된 수치라 마케팅 자료보다 신뢰할 수 있다. 매출·거래액·활성 고객이 모두 줄었고 AI 관련 업무 거래액은 22% 늘었다. 회사는 낮은 복잡도의 업무가 자동화로 옮겨가고 있다고 설명하지만, 자사 실적 감소의 원인으로 그것을 명시하지는 않는다.

    매출 1억 9,170만 달러(-2%) · 거래액 9억 6,640만 달러(-4%) · 활성 고객 763,000(-4%) · AI 관련 거래액 +22%

  39. Layoffs Fall, Hiring Picks Up; AI Leads for Fifth Straight Month (새 창)

    Challenger, Gray & Christmas 보고서·기사 미국 영어

    기업 발표 기준 감원 집계. 2026년 1~7월 기술 부문 감원이 149,023건으로 전년 대비 67% 늘었고 AI가 다섯 달 연속 가장 많이 언급된 사유였다. 같은 보고서가 채용 계획도 25% 늘었다고 적는다는 점이 이 자료를 한쪽으로만 쓸 수 없게 만든다.

    기술 부문 누적 감원 149,023건(+67%) · 7월 AI 사유 10,970건(전체의 33%) · 채용 계획 +25%

  40. Wix 2026년 2분기 실적 발표 (새 창)

    Wix.com (미국 증권거래위원회 제출) 공공 통계 전 세계 영어

    에이전시와 프리랜서를 대상으로 하는 파트너 부문 매출이 여전히 전년 대비 17% 늘었다. AI 사이트 빌더가 제작 시장을 이미 무너뜨렸다는 서술에 대한 반증으로 쓸 수 있는 공시 수치다.

    총매출 5억 6,310만 달러(+15%) · 파트너 부문 2억 1,380만 달러(+17%)

  41. 2025년 크리에이티브 발주 동향 (새 창)

    株式会社クラウドワークス 업체 자체 데이터 일본 일본어

    일본 프리랜서 플랫폼의 자체 집계. AI가 자동화한다고 이야기되는 바로 그 창작 업무의 사람 대상 발주가 2025년 모든 측정 범주에서 늘었다. 플랫폼 데이터라는 한계는 있지만 방향이 담론과 반대다.

    YouTube 영상 제작·편집 43,156건(+19%) · 배너 제작 5,915건(+58%) · 이미지 가공 4,988건(+36%)

  42. 2026 경력 개발자 이직 인식 조사 (새 창)

    잡코리아 설문 한국

    같은 기관의 경력자 조사. 3~8년차가 가장 큰 압박을 받는다 — 공고는 있는데 실제로 뽑지 않는다는 응답이 48.4%로 모든 연차 구간에서 가장 높았다. 40.5%는 AI·LLM 교육을 받고 있다고 답했다.

    공고는 있으나 채용하지 않음 48.4% · 공고 감소 75.8% · 서류 탈락 56.3% · AI·LLM 교육 중 40.5%

  43. 프론트엔드 개발자가 디자이너가 되는 문제 (새 창)

    TabNews (GBruno) 커뮤니티 중남미 포르투갈어

    작은 팀에는 UX·UI·기획 역할이 아예 없어서 프론트엔드 개발자가 그 결정을 떠안게 된다는 글. 댓글에서 AI가 그 빈자리를 서로 구분되지 않는 디자인으로 채운다는 지적이 나온다.

  44. Fiverr 2026년 2분기 실적 발표 (새 창)

    Fiverr (미국 증권거래위원회 제출) 공공 통계 전 세계 영어

    연간 활성 구매자가 21.9% 줄었는데 구매자당 지출은 15.6% 늘었고 1,000달러 이상 프로젝트 고객은 13% 늘었다. 소액·정형 업무가 빠지고 큰 건이 남는 구조 변화로 읽히지만, 회사가 구매자 감소의 원인을 AI라고 명시하지는 않는다.

    매출 9,780만 달러(-10.0%) · 마켓플레이스 매출 -15.5% · 연간 활성 구매자 270만(-21.9%) · 구매자당 연 지출 $368(+15.6%)

  45. How to interview engineers who use AI coding assistants (새 창)

    HackerRank 업체 자체 데이터 전 세계 영어

    면접에서 AI 금지를 그만두라는 권고와 대체 과제 세 가지. 금지는 아무도 실무에서 쓰지 않는 조건의 능력을 재는 것이라는 논리다. 평가 도구를 파는 회사의 주장이라는 점을 감안해 읽어야 한다.

  46. 2026 하반기 주니어 개발자 취업 인식 조사 (새 창)

    잡코리아 설문 한국

    국내 주니어 개발자 1,000명 조사. 2년 전보다 시장이 훨씬 어려워졌다는 응답이 73.3%였고, 3분의 1은 회사가 AI 역량을 요구하기 시작했다고 답했다. 스스로의 실력을 의심한다는 응답이 84.4%로, 이 고민이 시장 지표보다 먼저 사람에게 닿는다는 것을 보여 준다.

    1,000명 · 훨씬 어려워짐 73.3% · 서류에서 탈락 67.5% · 공고 감소 체감 76.4% · AI 역량 요구 증가 32.2% · 자기 실력 의심 84.4%

  47. Primer React 에이전트 정의 (새 창)

    GitHub (primer/react) 공식 문서 전 세계 영어

    GitHub의 디자인 시스템 저장소에 붙은 에이전트 계층. 리뷰어는 읽기 전용이며, 새로 만들기 전에 기존 컴포넌트나 유틸리티를 재사용해야 하는지 명시적으로 확인한다. 중복 생성을 막는 장치를 리뷰 쪽에 둔 사례다.

    전용 에이전트 2개 · 스킬 15개 · 경로별 지시 파일 5개

  48. Verification-Conditioned Use: A Qualitative Study on How Generative AI Reshapes Learning, Autonomy, and Market Entry for Junior Software Developers (새 창)

    arXiv (Andriotte, Ribeiro) 논문·실험 중남미 영어

    브라질의 인턴·주니어 13명 인터뷰. 이들은 결과를 검증할 수 있는지로 AI 사용 여부를 정하는데, AI가 조장하는 얕은 학습이 바로 그 검증 능력을 깎는다. 시장이 지금 주니어에게 요구하는 것이 그 검증 능력이라는 점에서 덫이 된다.

    인턴·주니어 13명 인터뷰

  49. Testing Chrome’s Modern Web Guidance on a real React app (새 창)

    Ahmad Alfy 개인 글 전 세계 영어

    위 도구를 실제 앱에 적용해 본 독립 기록. 에이전트가 틀린 코드를 쓰는 것이 아니라 10년치 플랫폼 발전을 무시한 코드를 쓴다는 점이 구체적으로 드러난다. “동작하지만 낡은” 결과물의 사례집으로 읽을 수 있다.

    Vite + React 18 앱 소스 42개 파일

  50. 2026년 신입이 AI 주도 개발에서 가장 어려워한 것 (새 창)

    Cybozu Inside Out 보고서·기사 일본 일본어

    같은 회사 온보딩 팀의 관찰. 신입들이 가장 어려워한 것은 코드가 아니라 팀이 무엇을 하려는 것인지 합의하는 일이었다. 구현이 싸질 때 무엇이 남는지를 신입 교육 현장에서 확인한 기록이다.

  51. Entry-level jobs aren’t just for inexperienced workers (새 창)

    Indeed Hiring Lab 보고서·기사 미국 영어

    신입 공고 지원자의 30%가 10년차 이상이었다. 경력자가 신입 자리로 내려오면 실제로 신입인 사람의 경쟁 상대가 바뀐다. 주니어 채용이 줄었다는 수치와 별개로 작동하는 압력이다.

    2026년 5월 신입 공고 지원의 30%가 10년차 이상 · 10년차 이상 지원의 49%가 신입 공고로 향함

  52. The labor market is tilting toward seniority (새 창)

    Indeed Hiring Lab 보고서·기사 미국 영어

    Indeed가 추적하는 모든 직종 가운데 소프트웨어 개발의 시니어 공고 비중이 가장 높다. 2026년 1분기 기준 69.3%다. 이 직종이 유독 경력자 중심으로 기울었다는 것을 다른 직종과의 비교로 보여 준다.

    소프트웨어 개발 시니어 비중 69.3%(2026년 1분기, 전 직종 최고) · 신입 공고 전년 대비 -7.5% · 시니어 공고 +14.7%

  53. 프론트엔드는 죽는 것이 아니라 재정의되고 있다 (새 창)

    稀土掘金 (保加利亚的风) 보고서·기사 중국 중국어

    중국 개발자 커뮤니티의 긴 정리 글. 결론은 프론트엔드가 죽는 것이 아니라 재정의되고 있다는 쪽이고, 주니어 자리는 수요 대비 공급이 약 2:1(한 자리에 두 명)로 나빠지는 동안 시니어·아키텍처 보수는 일부 방향에서 최대 30%까지 올랐다는 대비를 든다.

    주니어 공급:수요 약 2:1(한 자리에 두 명) · 시니어·아키텍처 급여 상승 일부 방향 최대 30%

  54. 인도 기술 채용 현황 2026년 7월 (새 창)

    HireDoor 업체 자체 데이터 인도 영어

    인도 채용 서비스의 자체 집계. 추적한 직무 중 프론트엔드 개발자의 평균 연봉이 가장 낮았고 AI 엔지니어가 성장과 보수 모두에서 앞섰다. 표본이 특정 플랫폼이라는 한계가 있다.

    공고 18,400건 이상, 기업 2,950곳 이상 · 프론트엔드 ₹10.7 LPA(최저) · AI 엔지니어 ₹18.8 LPA · AI 엔지니어 공고 증가율 월 +21%(보수가 아니라 공고 수)

  55. Visual testing for AI coding agents (새 창)

    Argos (Greg Bergé) 업체 자체 데이터 전 세계 영어

    에이전트가 가장 자주 만드는 UI 버그의 종류가 기능 테스트로는 구조적으로 잡히지 않는 종류라는 주장. 공유 CSS 수정, DOM 구조 변경, 토큰·테마 변경, “아무것도 안 바뀔 것” 리팩터링 네 가지를 구체적으로 든다.

  56. 필리핀 IT-BPM 업계의 고부가가치 전환 (새 창)

    Newsbytes.PH 보고서·기사 동남아시아 영어

    아웃소싱 거점 국가의 대응. 업계 협회가 2028년 목표를 인원수가 아니라 1인당 부가가치 중심으로 다시 잡았다. AI를 위협이 아니라 상향 이동의 계기로 포지셔닝한 사례다.

    2028년 목표: 매출 433~505억 달러, 종사자 185~214만 명

  57. Evaluating the Impact of AI on the Labor Market: Tracker (새 창)

    The Budget Lab at Yale 보고서·기사 미국 영어

    2026년 7월까지의 인구조사 미시데이터로 본 추적 지표. 직종 이동률이나 실업자의 AI 노출도가 역사적 범위를 벗어나지 않아, AI로 인한 노동시장 교란의 뚜렷한 증거가 없다는 결론이다. 스탠퍼드의 연령별 결과와 같은 시기를 다르게 본다.

  58. Upgrading checkout blocks to Polaris web components (새 창)

    Shopify Engineering (Justin Henricks) 보고서·기사 전 세계 영어

    실제로 돌아가는 체크아웃 확장 다섯 개를 React에서 Preact와 웹 컴포넌트로 옮긴 기록. 기계적 변환에 사내 에이전트 스킬을 썼고 하루 한 개씩 배포했으며 번들 전송량이 크게 줄었다. 프로덕션 롤백도 한 번 있었다고 밝힌다.

    확장 5개 · 하루 최대 1개 배포 · 번들 -40.5~-84.4% · 로드 시간 P50 -8% · 롤백 1회

  59. Earning judgment (새 창)

    Addy Osmani 개인 글 전 세계 영어

    AI를 적극 옹호해 온 필자가 신입 일자리의 붕괴는 인정하면서 노동시장 데이터를 근거로 든 글. 전체 소프트웨어 고용이 늘어나는 것과 입구가 좁아지는 것이 동시에 일어난다는 구도를 분명히 한다.

    최근 졸업자 실업률 5.6% · 불완전 취업 41.5% · 컴퓨터공학 6.1% · 주니어 직함 -34% vs 시니어 -19%

  60. What is loop engineering? (새 창)

    The Pragmatic Engineer 보고서·기사 전 세계 영어

    새로 나타난 직무 설명을 기록한 글. 엔지니어가 에이전트에게 프롬프트를 넣는 것이 아니라 에이전트를 돌리는 시스템을 설계한다는 의미의 “루프 엔지니어링”이다. 역할 변화를 예측이 아니라 실제 직무로 보여 준다.

    개발자 약 210명 응답

  61. AI and job postings: from destruction to creation (새 창)

    Indeed Hiring Lab 보고서·기사 미국 영어

    2025년 2월 이후 소프트웨어 개발 공고는 15% 가까이 늘었고 전체 공고는 7% 줄었다. 그러나 늘어난 몫의 71%가 시니어 직무였고 37%는 제목에 AI가 들어간 자리였다. 시장이 커졌다는 말과 들어갈 문이 좁아졌다는 말이 동시에 참일 수 있다.

    소프트웨어 개발 공고 +15%(전체 -7%) · 순증의 71%가 시니어 · 37%가 AI 직함 · 팬데믹 이전 대비 여전히 -27.5%

  62. Tech jobs market in 2026, part 3: hiring (새 창)

    The Pragmatic Engineer 보고서·기사 전 세계 영어

    채용 담당자·엔지니어·엔지니어링 리더 50명 이상의 응답 모음. 디자인 감각과 판단을 갖춘 프로덕트 엔지니어는 구하기 어렵다고 말하는 반면 전문성 없는 엔지니어는 회신조차 받지 못한다고 말한다. 지원자 수 수치는 개별 일화이지 측정이 아니다.

  63. Career advice in the age of agents (새 창)

    Addy Osmani 개인 글 전 세계 영어

    차별화되는 역량으로 문제 선택, 명세 작성, 검증을 든다. 특히 쓰는 것보다 훨씬 많이 읽으라고 권하는데, 판단력이 원래 반복 작업에서 길러졌고 자동화가 그 반복을 없앴기 때문이라는 논리다.

  64. 레거시 프로젝트의 에이전트 주도 개발 로드맵 (새 창)

    LY Corporation Tech Blog (한창구) 보고서·기사 일본 일본어

    네 단계 로드맵을 공개했다. 3단계에는 사람 승인 관문이 세 개 있고 4단계에서는 그것을 AI 리뷰어와 게이트키퍼 단계로 대체한다. 목표 지표까지 함께 밝혀, 변화의 방향이 문장이 아니라 수치로 적혀 있다.

    4단계 · 3단계에 사람 관문 3개 · 목표: PR 사이클 평균 2~4시간, 테스트 커버리지 80% 이상 자동 유지

  65. 고용보험 가입자 통계로 본 20대 개발자 (새 창)

    디지털데일리 보고서·기사 한국

    2026년 5월 고용보험 데이터 보도. 20대 소프트웨어 개발자가 전년 대비 10.1%, 디자이너가 7.6% 줄었고 정보통신업의 30세 미만 가입자는 9.3% 줄었다. 기사 자체는 AI를 원인으로 단정하지 않고 질문으로 남겨 둔다.

    20대 개발자 -10.1% · 디자이너 -7.6% · 정보통신업 30세 미만 -9.3%

  66. Goodbye, forever (probably) (새 창)

    Salma Alam-Naylor 개인 글 유럽 영어

    디벨로퍼 릴레이션을 떠나 스태프 엔지니어로 옮기며 온라인 활동을 접는다는 글. 프론트엔드 교육 시장의 변화도 함께 전한다 — Josh W. Comeau의 최근 강의가 평소 판매량의 3분의 1 수준으로 예상된다는 이야기와 그가 지목한 두 가지 이유다.

  67. Modern Web Guidance for AI coding agents (새 창)

    Chrome for Developers (Google) 공식 문서 전 세계 영어

    Chrome 팀이 만든 도구인데, 전제 자체가 이 페이지의 주제와 맞닿는다 — AI 코딩 에이전트는 기본적으로 낡은 프론트엔드 패턴을 쓴다. 학습 데이터 대신 현재의 플랫폼 지침을 참조하게 했을 때 모범 사례 준수도가 37%p 올랐다고 밝힌다.

    웹 개발 사례 100개 이상 · 모범 사례 준수 +37%p

  68. AI 시대 개발자의 역할 (새 창)

    velog (teo.v) 개인 글 한국

    국내 프론트엔드 개발자가 몇 달간 매일 에이전트를 쓴 뒤 정리한 글. 결론은 AI가 품질의 천장을 올리지는 않았고 닿을 수 있는 범위를 넓혔다는 것, 그리고 진짜 비용은 코드를 직접 쓰며 흡수하던 암묵지의 상실이라는 것이다.

    최대 하루 100커밋 이상 · 테스트 700개 이상 · 5만 줄 이상

  69. AI didn’t kill entry-level hiring, bad screening did (새 창)

    CoderPad 업체 자체 데이터 전 세계 영어

    신입 채용 붕괴의 원인을 AI가 아니라 이력서 기반 서류 전형의 붕괴로 지목한 글. 지원서가 무한정 생성되는 상황에서 서류로 거르는 방식이 먼저 망가졌다는 설명이며, 해법으로 초기 단계의 구조화된 실기 평가를 제안한다.

  70. AI 잡 바로미터 2026 (새 창)

    PwC / 삼일PwC 보고서·기사 전 세계

    10억 건 이상의 채용 공고를 분석한 보고서의 한국어판. AI가 전문화하는 직무가 AI가 상품화하는 직무보다 두 배 빠르게 늘고 임금 상승률도 높다는 것이 결론이다. 신입 직무에 시니어 수준의 역량을 요구하는 경향도 함께 지적한다.

    공고 10억 건 이상 · 전문화 직무 증가 속도 2배 · 2021년 이후 임금 상승률 42% 더 높음 · 신입 직무의 시니어 역량 요구 7배

  71. Scaling myself: 22 Claude Code sessions for a design system migration (새 창)

    Mercari Engineering 보고서·기사 일본 영어

    한 사람이 세션 22개를 병렬로 돌려 화면 21개를 옮기고 PR 약 140개를 만든 기록. 흥미로운 대목은 성공 수치가 아니라 검증 단계다 — 21개 화면 중 3개에서 숨은 의존성 파손이 발견됐다.

    세션 22개 · PR 약 140개 · 화면 21개(7개 기능 영역) · 숨은 파손 3건

  72. State of Talent Report 2026 (새 창)

    SignalFire 보고서·기사 미국 영어

    신입 채용이 대형 기술 기업에서 2019년 대비 약 65%, 초기 스타트업에서 약 76% 줄었다. 다만 같은 보고서에서 엔지니어링 인원 자체는 디자인·프로덕트·마케팅보다 훨씬 잘 버텼고 스타트업 엔지니어링은 오히려 늘었다.

    신입 채용 대형 기술기업 약 -65%, 초기 스타트업 약 -76%(2019년 대비) · 엔지니어링 -11% vs 전체 기술직 -25% · 스타트업 엔지니어링 +7%

  73. rtCamp의 AI 활용과 주니어 채용 (새 창)

    WP Tavern (Jukebox 팟캐스트) 발표·인터뷰 인도 영어

    200명 규모 웹 에이전시 대표의 구체적 증언. 마이그레이션 최저 견적이 절반으로 내려갔고 제안서 작성 시간은 3분의 1이 됐다. 그리고 신입 엔지니어 공고가 회사 채용 페이지에서 사라졌다고 말한다 — 본인이 기억하는 한 처음이다.

    마이그레이션 최저가 약 10만 달러 → 5만 달러 · 인원 200명 → 250명

  74. AI 생성 이커머스 사이트 접근성 감사 (새 창)

    accessiBe 업체 자체 데이터 전 세계 영어

    AI 사이트 빌더로 만든 스토어를 전문가가 감사한 기록. 프롬프트를 아무리 자세히 써도 같은 네 가지 치명적 실패가 두 사이트 모두에서 나왔다는 것이 요지다. 단 표본은 두 개뿐이고, 발행사는 접근성 오버레이 광고 문구 때문에 미국 FTC 제재를 받은 회사다.

    감사 사이트 2개 · 문제 24건 · 치명 8건

  75. The case for an accessibility designer vibe coding (새 창)

    Eric Bailey 개인 글 전 세계 영어

    접근성 전문가가 자기 팀이 전부 LLM 중심으로 일하기 때문에 자신도 그렇게 일할 수밖에 없다고 적은 글. 흥미로운 부분은 반대다 — 작업 회전이 짧아지면서 예전에는 승인받지 못하던 접근성 작업의 조직적 저항이 낮아졌다고 말한다.

  76. The job market in 2026, part 2 (새 창)

    The Pragmatic Engineer 보고서·기사 전 세계 영어

    상위 기업의 AI 엔지니어링 공고가 1년 새 60% 늘고 같은 기업의 소프트웨어 엔지니어링 공고는 7% 느는 데 그쳤다는 채용 데이터를 인용한다. 별도로 프론트엔드만 하는 엔지니어가 사라지고 풀스택이 기본이 되고 있다고 주장한다.

    AI 엔지니어링 공고 +60% · 같은 기업 소프트웨어 엔지니어링 +7%

  77. How AI is changing frontend developer hiring in 2026 (새 창)

    InterviewStack.io 업체 자체 데이터 전 세계 영어

    면접 준비 서비스가 자사 채용 게시판의 프론트엔드 공고 6,235건을 집계했다. 생성 AI 역량을 명시적으로 요구한 공고는 12.7%였고 신입 공고에서는 0.7%였다. 개발자의 90% 가까이가 AI를 쓰는 것과 채용 요건이 그것을 명시하는 것은 다른 이야기라는 뜻이다. 자사 게시판이라는 표본 한계가 있다.

    프론트엔드 공고 6,235건(2026년 6월) · AI 역량 명시 12.7% · 신입 0.7% · 주니어 13.6% · 시니어 16.1% · 스태프 18%

  78. Coding is no longer the constraint (새 창)

    Spotify Engineering (Niklas Gustavsson) 보고서·기사 유럽 영어

    수석 아키텍트가 밝힌 수치와 그 뒤집기. 엔지니어의 99%가 주 단위로 AI 코딩 도구를 쓰고 PR 빈도가 76% 늘었는데, 같은 문장을 리뷰해야 할 PR이 76% 늘었다는 뜻으로 다시 적는다.

    주 단위 사용 99% · 생산성 향상 체감 94% · PR 빈도 +76%

  79. 우아한형제들 프론트엔드×AI 밋업 참관기 (새 창)

    developer-dreamer 발표·인터뷰 한국

    국내 대형 IT 기업이 처음 외부에 연 프론트엔드×AI 밋업의 참관 기록. 에이전트 인프라와 결정론적 도구 이야기가 나왔고, 대기업의 개인 단위 도입이 대략 파워 유저 20 / 미사용 20 / 검증을 기다리는 관망 60으로 갈린다는 발표자의 언급이 인용된다.

    세션 5개(2026-04-24) · 도입 분포 20/20/60(발표자 인용)

  80. The Maintainability Gap: AI Code Quality in 2026 (공개 페이지) (새 창)

    GitClear (웹 아카이브 사본) 업체 자체 데이터 전 세계 영어

    위 수치의 원 보고서. 공개 페이지는 요약이고 본문은 업무용 이메일·이름·직함을 입력해야 받을 수 있다. 페이지 자체에는 발행일이 없고 방법론 부록에 대한 언급도 없다. 널리 인용되는 숫자의 검증 가능성이 어디까지인지 보여 주는 사례다.

  81. GitHub Copilot and Developer Productivity: An Observational Dose-Response Analysis (새 창)

    arXiv (Heilman, Kyllo, Murphy-Hill / Microsoft) 논문·실험 미국 영어

    같은 엔지니어의 주별 변화를 비교한 대규모 관찰 연구. 사용량이 가장 많았던 주에 완료 풀 리퀘스트가 40.5% 많았다. 관찰 연구라 인과로 읽을 수는 없지만, METR의 실험 결과와 방향이 반대라는 점에서 함께 놓고 봐야 한다.

    엔지니어 16,223명 · 43주 · 최다 사용 주 대비 미사용 주 완료 PR +40.5%

  82. “마지막 기술 면접” 스레드 (새 창)

    Hacker News 커뮤니티 전 세계 영어

    면접이 무너졌다는 주장에 대한 댓글들의 반응은 “원래 신호가 나빴다”였다. 대안으로 제시된 시험 고용에 대한 주된 반론은, 재직 중인 지원자는 그만두고 시험을 볼 여유가 없다는 것이다.

    271 포인트 · 댓글 275개

  83. 위 글에 대한 Hacker News 토론 (새 창)

    Hacker News 커뮤니티 전 세계 영어

    가장 힘 있는 반론이 이 스레드에 있다 — 잃어버렸다고 애도하는 그 전문성의 상당 부분은 브라우저 버그 대응 지식이었고 그것은 우연한 복잡성이었다는 지적이다. 무엇이 사라지는지를 구체적으로 따져야 한다는 요구이기도 하다.

    407 포인트 · 댓글 334개

  84. LLM Based Web Accessibility Repair: An Empirical Study of Detection, Remediation, and Cost (새 창)

    arXiv 논문·실험 전 세계 영어

    LLM으로 접근성 위반을 고치게 한 실험. 80.2%의 페이지가 나아졌지만 완전히 해결된 것은 25.7%였고, 반복시키는 에이전트 루프는 비용을 52% 더 쓰고도 결과가 나아지지 않았다. 자동 수정이 마지막 20%를 넘지 못한다는 점이 요지다.

    개선된 페이지 80.2% · 완전 해결 25.7% · 수정 후 위반 파일당 3.98→1.68건 · 에이전트 루프 비용 +52%, 결과 향상 없음

  85. Using AI to write better code more slowly (새 창)

    Nolan Lawson 개인 글 전 세계 영어

    속도를 목적으로 삼지 않는 사용법을 제안한 글. 더 많은 코드를 더 빨리가 아니라, 더 나은 코드를 더 천천히 쓰는 데 모델을 쓸 수 있다는 주장이다. AI 사용을 생산성 지표와 분리한 몇 안 되는 실무 논의다.

  86. Is AI causing a repeat of frontend’s lost decade? (새 창)

    Mauro Bieg (Mastro Blog) 개인 글 전 세계 영어

    AI를 “새는 추상”으로 보고, JavaScript 프레임워크가 이미 한 번 했던 탈숙련화를 반복하고 있다고 주장한다. 핵심 비용으로 코드 품질이 아니라 개발자의 교섭력을 지목한 점이 이 글의 특징이다.

  87. Don’t outsource your learning (새 창)

    Addy Osmani 개인 글 전 세계 영어

    기본 작업 흐름 자체가 학습이 아니라 출하에 최적화돼 있다는 지적. 프롬프트 전에 가설을 세우고, 코드보다 설명을 먼저 요구하고, AI가 쓴 코드를 백지에서 다시 만들어 보며 실제로 남은 것을 확인하라고 제안한다.

  88. The Range Shrinks, the Threat Remains: Re-evaluating LLM Package Hallucinations on the 2026 Frontier-Model Cohort (새 창)

    arXiv (Aleksandr Churilov) 논문·실험 전 세계 영어

    존재하지 않는 npm 패키지를 모델이 지어내면 공격자가 그 이름을 선점할 수 있다. 2026년 모델에서 비율은 많이 줄었지만 사라지지 않았고, 지어낸 이름이 모델을 가로질러 반복된다는 점이 위험하다.

    프런티어 모델 5종 · 프롬프트 199,845쌍 · 환각률 4.62~6.10%(이전 5.2~21.7%)

  89. Frontend isn’t dead, but your focus needs to change (새 창)

    Formation (기고: Yangshun Tay) 개인 글 전 세계 영어

    프론트엔드 면접 준비 서비스를 만든 필자의 글이라 이해관계가 있다. 주장은 프론트엔드가 죽는 것이 아니라 무게중심이 복잡도·오너십·에이전트형 UI·풀스택 확장·취향 쪽으로 옮겨간다는 것이다.

  90. 신규 졸업자 1,333명 조사 (새 창)

    央视网 / 中国青年报 사회조사센터 설문 중국 중국어

    중국 신규 졸업자 조사. 91.1%가 AI 때문에 구직 계획을 조정했고 52.1%는 AI가 대체하기 어렵다고 판단한 직무 쪽으로 지원 방향을 옮겼다. 개인의 진로 선택이 이미 바뀌고 있다는 대규모 신호다.

    1,333명 · 구직 계획 조정 91.1% · 덜 대체될 직무로 방향 전환 52.1%

  91. DORA Report Finds AI ROI Follows a J-Curve (새 창)

    InfoQ (DORA 보고서 보도) 보고서·기사 전 세계 영어

    DORA의 ROI 보고서를 정리한 기사. 효과가 처음에 꺾였다가 올라오는 J커브로 모델링되며, 생산성 향상이 단순한 신규 개발에 몰리고 복잡한 레거시 코드에서는 10% 이하로 떨어진다는 점이 핵심이다. 프론트엔드 실무의 상당 부분이 후자에 해당한다.

    신규 개발 35~40% · 복잡한 레거시 10% 이하 · 예시 조직 500명 기준 1년차 ROI 39%, 회수 약 8개월

  92. Agent pull requests are everywhere. Here’s how to review them (새 창)

    The GitHub Blog (Andrea Griffiths) 업체 자체 데이터 전 세계 영어

    GitHub이 밝힌 플랫폼 전체 수치와 리뷰 지침. 다섯 건 중 한 건 이상의 코드 리뷰에 에이전트가 관여하며, 지침은 10분 프레임워크 형태다. 서로 무관한 파일 다섯 개 이상을 건드리면 PR을 쪼개 달라고 요청하라는 기준이 실무적으로 유용하다.

    코드 리뷰 5건 중 1건 이상에 에이전트 관여 · Copilot 코드 리뷰 누적 6,000만 건 · 1년 미만에 10배 · 무관한 파일 5개 초과 시 분할 요청

  93. AI 코딩은 프론트엔드에서 약하다 (새 창)

    velog (okorion) 개인 글 한국

    국내 개발자가 정리한 프론트엔드 취약 지점 일곱 가지 — 맞춤 인터랙션, 레이아웃과 간격, 복잡한 상태 조합, 접근성, 성능, 픽셀 단위 UI, 유효한 테스트 설계. 원인으로는 실제 렌더 결과를 이해하지 못한다는 점 등 네 가지를 든다.

    취약점 7가지 · 원인 4가지

  94. To What Extent Does Agent-generated Code Require Maintenance? An Empirical Study (새 창)

    arXiv (Sawada 외) 논문·실험 전 세계 영어

    에이전트가 만든 파일 508개와 사람이 만든 파일 508개를 6개월 추적했다. 에이전트 파일은 첫 달 수정 커밋이 절반쯤 적었지만, 그 유지보수의 83%는 사람이 했다. 만드는 일과 돌보는 일이 다른 사람에게 배정된다는 관찰이다.

    파일 1,016개(AI 508 / 사람 508) · 저장소 100개 · 유지보수 커밋 3,238건 · 첫 달 커밋 약 50% 적음 · 유지보수의 83%를 사람이 수행

  95. The bottleneck keeps shifting (새 창)

    Atlassian 업체 자체 데이터 전 세계 영어

    병목이 엔지니어링에서 제품·디자인 결정으로 옮겨가면서 PM과 엔지니어의 비율 자체가 달라지고 있다는 관찰. 한 회사의 사례로 1:10이던 비율이 1:4가 된 경우를 든다.

    한 회사 PM:엔지니어 1:4(기존 1:10)

  96. 베트남 IT 시장 보도 (새 창)

    VnExpress 보고서·기사 동남아시아 베트남어

    기본 코딩 인력은 넘치지만 잘하는 사람이 부족하다는 베트남 시장 진단. 열 번 가까운 면접에서 떨어진 23세 개발자의 사례와, AI 코딩 도구를 파는 회사 대표의 “3~4명이 하던 일을 시니어 한 명이” 주장을 함께 싣는다. 후자는 이해관계가 있는 발언이다.

  97. These Aren’t the Reviews You’re Looking For: How Humans Review AI-Generated Pull Requests (새 창)

    arXiv (Duma 외, 니콜라우스 코페르니쿠스 대학) 논문·실험 전 세계 영어

    AIDev 데이터셋을 분석해 AI가 만든 풀 리퀘스트 대부분이 아무 리뷰도 받지 않는다는 것을 보였다. 리뷰가 있는 경우에도 사람보다 다른 에이전트가 단 것이 많았다. “사람이 검토하니까 괜찮다”는 전제가 실제로는 성립하지 않는 구간이 있다.

  98. AI code quality signal graphs (새 창)

    GitClear (웹 아카이브 사본) 업체 자체 데이터 전 세계 영어

    중요한 방법론 정보가 여기 있다. GitClear는 코드 자체를 분석해 AI 작성 여부를 판별하는 것이 아니라 커밋 작성자·API 통계 같은 정황과 커밋별 지문으로 귀속시킨다. 평가한 전체 줄 수 대비 AI로 귀속된 줄 수의 비중도 여기서 확인할 수 있다.

    2024년 12월 이후 평가 9억 6,970만 줄 · AI 귀속 640만 줄

  99. Generative AI and the Nature of Work (새 창)

    NBER (Demirer, Musolff, Yang) 논문·실험 전 세계 영어

    GitHub 개발자 50만 명 이상을 분석했다. 자동완성·대화형 에이전트·자율 에이전트는 커밋 활동을 각각 30%, 180%, 240% 늘렸지만, 그 효과는 프로젝트 수에서 80%, 릴리스에서 30%로 줄어든다. 과제 수준의 이득이 실제 출시된 소프트웨어까지 부분적으로만 전달된다는 뜻이다.

    커밋 활동 +30% / +180% / +240% · 프로젝트 수 +80% · 릴리스 +30% · 대체탄력성 0.23

  100. State of AI 2026: Opinions (새 창)

    Devographics (State of Web Dev AI) 설문 전 세계 영어

    같은 설문의 의견 문항. 응답자들이 가장 높게 동의한 것은 AI 버블이라는 진술과 “AI 의존이 덜 숙련된 개발자를 만든다”는 진술이었고, “AI가 내 고용을 위협한다”는 진술의 동의는 그보다 낮았다. 스스로의 실력을 걱정하는 마음이 밥벌이 걱정보다 컸다는 뜻이다.

    5점 평균: AI 버블이다 2.9 · 의존은 덜 숙련된 개발자를 만든다 2.8 · 내 고용을 위협한다 2.2

  101. State of AI 2026: Risks & Pain Points (새 창)

    Devographics (State of Web Dev AI) 설문 전 세계 영어

    같은 설문의 위험·불편 문항. 복수 응답으로 가장 많이 선택된 위험이 일자리 대체였다. 일상적인 불편으로는 환각과 코드 품질이 앞섰고, 가장 바라는 기능은 화려한 성능이 아니라 “사실대로 말하는 것”이었다.

    위험(6,257명 복수 응답): 일자리 3,003 · 군사적 이용 2,804 · 환경 2,490 · AI 슬롭 2,107 · 인지 영향 1,850 · 보안 1,821 / 불편(6,084명): 환각 3,899 · 코드 품질 3,249 · 맥락 부족 2,321 / 바라는 것(5,859명): 진실성 2,801 · 장기 기억 2,592

  102. State of AI 2026: Usage (새 창)

    Devographics (State of Web Dev AI) 설문 전 세계 영어

    State of JS·CSS를 만드는 팀이 운영하는 웹 개발 대상 AI 설문. 응답자들은 자기 코드의 평균 54%가 AI 생성이라고 답했고 8%는 전부라고 답했다. 동시에 AI가 만든 코드의 평균 47%는 쓰기 전에 손봐야 한다고 답했다. 많이 쓴다는 것과 믿는다는 것은 다른 이야기다.

    AI 생성 비율 평균 54%(n=6,420) · 100%라고 답한 비율 8% · 매일 이상 코드 생성 61%(n=6,401) · 리팩터링 필요 평균 47%(n=6,127)

  103. AI as a multiplier on existing skill (새 창)

    Josh W. Comeau 개인 글 전 세계 영어

    같은 필자의 최근 주장. AI는 평준화 장치가 아니라 기존 실력에 곱해지는 배수라는 것이다. 숙련된 라이브러리 저자의 처리량과, 유령과 말다툼하며 세 시간을 쓰는 사람의 대비로 설명한다.

    1분기 이슈 160건 처리(목표 60건) · 3시간 프롬프트 vs 30초짜리 한 줄 수정

  104. AI 코딩과 소프트웨어 아웃소싱 시장 (새 창)

    铅笔道 (邹蔚) 보고서·기사 중국 중국어

    노동집약적 소프트웨어 아웃소싱 시장이 AI 코딩에 해체되고 있다는 보도. 업체 대표의 가격 하락 예측과, 증권사 리서치 기준의 업계 순이익률 급락을 함께 전한다. 예측과 집계를 구분해 읽어야 하는 기사다.

    세계 IT 아웃소싱 시장 6,180억 달러 기준 노동집약 부분 2,500~4,500억 달러 추정

  105. Design technologists: the role that turns creativity into code (새 창)

    Atlassian 업체 자체 데이터 전 세계 영어

    디자이너처럼 생각하고 엔지니어처럼 코드를 쓰는 “디자인 테크놀로지스트”를 정식 직무로 채용하고 있다는 기록. 프론트엔드의 무게중심이 어디로 옮겨가는지에 대한 실제 사례다.

    AI 프로토타이핑 활동 월 35% 증가 · AI 프로토타입 12,000개 이상

  106. AI alignment (새 창)

    Chris Coyier 개인 글 전 세계 영어

    CSS-Tricks를 만든 필자의 짧은 반론. 코딩 속도는 원래 병목이 아니었으므로, 속도가 올라갔다고 해서 소프트웨어가 그만큼 좋아지지는 않았다는 관찰이다.

  107. 명세 기반으로 바꾼 뒤 측정한 생산성 (새 창)

    Habr (СВОЙ Тех) 보고서·기사 러시아어권 러시아어

    핀테크 팀이 프롬프트 대신 AI가 쓴 명세를 중심으로 프론트엔드 작업 흐름을 다시 짠 기록. 교육과 인프라 유지 비용까지 계산에 넣었을 때 순생산성 향상은 10~15%였다. 과장 없는 실측치라는 점에서 드물다.

    순생산성 향상 10~15%(교육·인프라 비용 반영)

  108. 소프티어 부트캠프 8기, AI First 전환 (새 창)

    현대자동차그룹 뉴스룸 보고서·기사 한국

    채용 연계형 부트캠프를 8기부터 AI First로 바꾸고 교과와 프로젝트를 모두 AI 도구 중심으로 다시 만든 사례. 국내 대기업이 신입 교육의 전제를 바꾼 기록이다.

    8기 약 8주(2026년 7~8월) · 3개 분야 · 7기까지 약 500명

  109. 외주 개발 비용 가이드 (새 창)

    위시켓 업체 자체 데이터 한국

    국내 외주 플랫폼이 자사 거래 기반으로 공개한 가격대. 솔루션 기반 홈페이지와 맞춤 개발 홈페이지의 가격 구간이 나뉘어 있고, AI 때문에 단가가 내려갔다는 언급은 없다. 국내 시장의 가격이 아직 그 방향으로 재조정되지 않았거나 공개 자료에 반영되지 않았다는 뜻이다.

    솔루션 기반 홈페이지 100만~600만 원 · 맞춤 개발 홈페이지 600만~2,000만 원

  110. React 시니어 공고 2건과 이력서 1,040건 (새 창)

    Habr (Timofei Goncharov) 개인 글 러시아어권 러시아어

    10년차 개발자가 2026년 4월 러시아 채용 사이트를 직접 세어 본 기록. 시니어 React 공고는 2건인데 그 주에 구직 중이던 미들·시니어 React 이력서가 1,040건이었고, Java 34·Python 33·Go 27과 대비했다. 공고와 이력서의 경력 범위가 다르다는 점을 감안해도 밀도 차이가 크다.

    시니어 React 공고 2건 · 미들·시니어 활성 이력서 1,040건 · Java 34 · Python 33 · Go 27

  111. Why AI sucks at front-end (새 창)

    Adam Argyle (nerdy.dev) 개인 글 전 세계 영어

    Chrome의 CSS 디벨로퍼 애드보킷이 쓴, 일반적인 AI 회의론이 아니라 매체 특성에 기반한 기술적 논증. 학습 데이터가 낡았고, 모델이 결과를 실제로 볼 수 없고, 결정의 이유를 모르고, 렌더링 환경을 통제하지 못한다는 네 가지를 든다. 일시적 한계가 아니라 구조적 한계라는 주장이다.

    네 가지 실패 유형

  112. 위 글에 대한 Hacker News 토론 (새 창)

    Hacker News 커뮤니티 전 세계 영어

    반응의 상당수가 반박이었다. 자기가 돈을 받고 하는 프론트엔드 작업은 AI가 잘 처리하며, 실패는 맞춤 디자인 영역에 한정된다는 것이다. “프론트엔드”라는 한 단어가 서로 매우 다른 일을 가리킨다는 것을 보여 주는 스레드다.

    125 포인트 · 댓글 166개

  113. “프론트엔드는 죽었다”와 “그 어느 때보다 생산적이다” 사이 (새 창)

    稀土掘金 (1024号员工) 개인 글 중국 중국어

    두 서사를 맞세운 뒤, AI가 죽이고 있는 것은 프론트엔드가 아니라 “코드만 쓰는 프론트엔드 엔지니어”라고 결론짓는다. 영어권 논의와 같은 구도가 중국어권에서도 반복된다는 것을 보여 준다.

  114. Agents should write codemods, not edit files (새 창)

    Codemod (Mo Mohebifar) 업체 자체 데이터 전 세계 영어

    대규모 프론트엔드 마이그레이션에서 신뢰할 만한 패턴은 에이전트가 파일을 하나씩 고치는 것이 아니라 코드모드를 쓰게 하는 것이라는 주장. 모델이 만든 변환 스크립트가 수천 파일을 초 단위로 정확히 바꾼 사례를 든다.

    6,000개 이상 파일을 약 5초에 스캔 · 테스트 12개 스위트, 단언 58건

  115. Beyond Functional Correctness: Design Issues in AI IDE-Generated Large-Scale Projects (새 창)

    arXiv (Kashif 외) 논문·실험 전 세계 영어

    에이전트로 처음부터 끝까지 만든 웹·모바일 프로젝트 10개를 정적 분석했다. 기능적으로는 91%가 맞게 동작했지만 설계 문제 1,305건이 나왔고 가장 큰 항목이 중복이었다. “돌아간다”와 “유지보수할 수 있다”가 갈리는 지점을 수치로 보여 준다.

    프로젝트 10개(평균 16,965줄, 114파일) · 기능 정확도 평균 91% · 설계 문제 1,305건: 중복 383(28.4%), 복잡한 메서드 377(27.9%)

  116. AI-Generated Code Vulnerability Surge 2026 (새 창)

    Cloud Security Alliance AI Safety Initiative 보고서·기사 전 세계 영어

    2026년의 보안 관련 수치를 모아 정리한 연구 노트. 코드가 훨씬 많이 만들어지고 보안 지적도 훨씬 많아진다는 방향은 여러 출처에서 일치한다. 개별 수치의 출처가 벤더 자료인 경우가 섞여 있으므로 그대로 인용하기보다 방향만 읽는 편이 낫다.

    AI 관련 CVE 2026년 3월 35건(1월 6건) · 확인된 누적 74건

  117. 카카오테크 캠퍼스 4기, 에이전틱 AI 단일 과정으로 (새 창)

    ZDNet Korea 보고서·기사 한국

    국내 대형 플랫폼 기업이 지역 대학생 대상 교육에서 프론트엔드와 백엔드로 나뉘어 있던 트랙을 합쳐 에이전틱 AI 중심 단일 과정으로 바꾼 사례. 입구 단계의 직군 구분 자체가 흔들리고 있다는 신호다.

    4기 150명 · 거점 국립대 5곳 · 3년간 500여 명 이수

  118. AI adoption and employment in the Business Trends and Outlook Survey (새 창)

    NBER / 미국 인구조사국 연구진 논문·실험 미국 영어

    미국 인구조사국의 기업 조사에 붙은 AI 보충 문항. AI를 하나 이상의 업무에 쓰는 기업은 18%인데, AI 때문에 고용을 줄였다고 답한 기업은 2%였다. 기업이 스스로 답한 값이라 과소 보고 가능성이 있지만, “대규모 감원의 원인은 AI”라는 서술과 정면으로 어긋난다.

    조사 2025년 11월~2026년 1월 · AI 사용 기업 18%(고용 가중 32%) · AI로 인한 고용 감소 보고 2%

  119. Measuring collaboration quality with coding agents (새 창)

    Thoughtworks Technology Radar 보고서·기사 전 세계 영어

    산출량 대신 사람과 에이전트가 얼마나 잘 협업하는지를 재자는 제안 — 1차 수용률, 반복 횟수, 병합 후 재작업, 실패한 빌드, 리뷰 부담. 생산성 지표를 바꾸자는 실무적 대안이다.

  120. Skills as executable onboarding documentation (새 창)

    Thoughtworks Technology Radar 보고서·기사 전 세계 영어

    온보딩 문서를 에이전트가 실행할 수 있는 형태로 쓰자는 기법. 문서가 낡으면 실행 실패로 드러난다는 것이 이 방식의 요점이다. Radar는 아직 “평가” 단계에 둔다.

  121. Debt Behind the AI Boom: A Large-Scale Empirical Study of AI-Generated Code in the Wild (새 창)

    arXiv (Liu 외) 논문·실험 전 세계 영어

    AI가 작성한 것으로 확인된 커밋 302,600건을 정적 분석했다. 9.1%가 최소 하나의 문제를 들여왔고, 그중 5분의 1은 저장소 최신 상태에서도 살아 있었다. 문제의 대부분은 보안 결함이 아니라 코드 스멜이라는 점이 오히려 이 자료의 요점이다 — 당장 터지지 않고 남는다.

    검증된 AI 커밋 302,600건 · 저장소 6,299개(스타 100+) · 문제 도입 커밋 9.1% · 총 484,366건 중 코드 스멜 432,748(89.3%), 보안 관련 소수

  122. WordPress 전문가 설문 2026 (새 창)

    The Admin Bar (Kyle Van Deusen) 설문 전 세계 영어

    51개국 622명 조사. AI를 크게 긍정적으로 본 에이전시가 2025년에 성장한 비율이 부정적으로 본 쪽의 두 배였다. 인과는 알 수 없지만, 이 시장의 중앙값 에이전시가 1인이라는 점과 함께 읽으면 태도와 결과의 상관이 눈에 띈다.

    622명, 51개국 · AI 긍정 집단 성장 58.5% / 부정 집단 28.4% · 팀 규모 중앙값 1명

  123. WebTestBench: Evaluating Computer-Use Agents towards End-to-End Automated Web Testing (새 창)

    arXiv 논문·실험 전 세계 영어

    웹 앱 100개를 대상으로 컴퓨터 사용 에이전트에게 끝에서 끝까지 테스트를 시켰다. 최고 성능이 F1 26.4%에 그쳤고, 병목은 브라우저를 조작하는 능력이 아니라 무엇을 테스트해야 하는지 정하는 판단이었다. 테스트 자동화가 사람의 판단을 아직 대체하지 못하는 이유를 구체적으로 말해 준다.

    웹 앱 100개, 7개 범주 · 최고 F1 26.4% · 모든 모델 30% 미만

  124. Storybook MCP 사용기 (새 창)

    azukiazusa.dev 개인 글 일본 일본어

    위 서버를 직접 써 본 독립 기록. 에이전트가 계획 전에 컴포넌트 문서를 읽고, 자기 상호작용 테스트를 작성·실행·수정하는 흐름이 관찰됐다.

  125. Spring 2026 GenAI Code Security Report (새 창)

    Veracode 업체 자체 데이터 전 세계 영어

    보안 업체의 벤치마크. 2023년 이후 문법적으로 맞는 코드를 내놓는 비율은 50%대에서 95%로 올랐지만 보안 통과율은 55%에서 움직이지 않았다. 프론트엔드가 직접 마주치는 XSS의 통과율은 15%로 최하위권이다. 모델이 좋아진 방향과 좋아지지 않은 방향이 분리돼 있다.

    문법 통과율 약 50%→95% · 보안 통과율 55% 정체 · 로그 인젝션 13% · XSS 15% · SQL 인젝션 82% · JavaScript 57% · 150개 이상 모델

  126. Published Storybook MCP servers (새 창)

    Chromatic 업체 자체 데이터 전 세계 영어

    조직이 이미 가진 Storybook을 공유 MCP 서버로 게시해, 여러 저장소의 에이전트가 같은 컴포넌트 API·스토리·테스트를 참조하게 하는 방식. 권한은 Git 호스트를 따른다.

  127. Storybook MCP for React (새 창)

    Storybook 업체 자체 데이터 전 세계 영어

    에이전트가 팀의 기존 컴포넌트를 다시 만들지 않고 가져다 쓰게 하려는 서버. 업체 자체 벤치마크라 수치는 참고용이지만, 방향은 여러 디자인 시스템 팀의 기록과 일치한다.

    자체 측정: 코드 재사용 +12.8% · 소요 시간 2.76배 단축 · 토큰 27% 절감 (React 전용)

  128. 프론트엔드가 먼저 사라진다는 말을 듣고 (새 창)

    Zenn (ヒナ) 개인 글 일본 일본어

    21세 초급 프론트엔드 개발자가 공개적으로 쓴 글. 불안을 그대로 적은 뒤 스스로 네 가지 이유를 정리한다 — UI 정확성은 눈으로 확인되고, 멀티모달 모델이 디자인 파일을 읽고, 프레임워크가 UI를 패턴화했으며, 노코드 도구가 디자이너에게 직접 닿는다. 이 고민이 누구에게 어떻게 도착하는지 보여 준다.

  129. Ask HN: AI가 실제로 당신의 일을 어떻게 바꿨나 (새 창)

    Hacker News 커뮤니티 전 세계 영어

    616개 댓글에서 반복된 불만은 일이 없어지는 것이 아니라 옮겨간다는 것이었다 — 시니어가 자기가 쓰지 않은 코드의 리뷰·통합·정리를 떠안는다. 문서 폭증, 실력 위축 걱정, 사람마다 극단적으로 갈리는 결과도 함께 나온다.

    434 포인트 · 댓글 616개

  130. Comprehension debt (새 창)

    Addy Osmani (Google Chrome) 개인 글 전 세계 영어

    시스템에 담긴 코드의 양과 사람이 실제로 이해하는 양 사이의 격차를 “이해 부채”라고 이름 붙였다. 기술 부채와 달리 나중에 갚기 어렵다는 점이 요지이며, 실력 비용을 잰 실험을 근거로 든다.

    엔지니어 52명 실험에서 이해도 퀴즈 50% vs 67%

  131. 스킬 테스트를 72시간 CTF로 다시 만들다 (새 창)

    Finatext (Nowcast) / Zenn 보고서·기사 일본 일본어

    일본 핀테크 자회사가 2026년 3월에 엔지니어 스킬 테스트를 72시간짜리 CTF 형식으로 다시 만들고, 생성 AI를 써도 된다고 명시한 사례.

    72시간 자율 진행

  132. Balancing AI tensions (새 창)

    DORA (Google Cloud) 보고서·기사 전 세계 영어

    후속 연구. AI 도입은 처리량과 불안정성을 동시에 올린다는 관찰을 되풀이하고, 현재 모델이 자기 확신의 정도를 신호로 주지 못한다는 점을 지적한다. 조직 차원의 완화책으로는 주니어를 멘토와 묶어 아키텍처 리뷰를 함께 하게 하라고 제안한다.

    주관식 응답 1,110건(2025년 3분기 수집) · 기술 전문가 90%가 업무에 AI 사용 · 30%는 거의·전혀 신뢰하지 않음

  133. I am in an abusive relationship with the technology industry (새 창)

    Salma Alam-Naylor 개인 글 유럽 영어

    고용주가 AI 도입을 강제하는 상황과, 더 이상 코드를 쓰지 않게 된 시니어 엔지니어를 묘사한 글. 이 고민이 도구에 대한 판단이 아니라 노동 조건의 문제로 경험된다는 것을 보여 준다.

  134. AI 시대의 면접 질문 모음 (새 창)

    GVA TECH / Zenn 개인 글 일본 일본어

    일본 기업이 공개한 실제 면접 질문 뱅크. AI를 활용한 개발 흐름을 설명하게 하고, AI 결과물의 품질을 어떻게 보증하는지를 묻는 질문을 중심에 둔다. 준비 방향을 구체적으로 알려 주는 자료다.

  135. AI tooling for software engineers in 2026 (새 창)

    The Pragmatic Engineer 설문 전 세계 영어

    뉴스레터 독자 906명 설문이라 AI에 관심이 큰 집단으로 치우쳐 있다. 그 점을 감안해도 에이전트 사용이 절반을 넘었다는 점은 1년 전과 다른 그림이다. 전혀 쓰지 않는다는 응답은 2.1%였다.

    906명(2026년 1월 27일~2월 17일) · 주 1회 이상 95% · 업무 절반 이상에 사용 75% · 에이전트 정기 사용 55% · 전혀 사용 안 함 2.1%

  136. Pixel-perfect with Playwright and the Figma MCP (새 창)

    Vadim 개인 글 전 세계 영어

    가장 실용적인 해법 중 하나. 모델은 간격을 눈으로 판단할 수 없으므로, Playwright로 실제 렌더된 DOM을 측정해 숫자 차이를 모델에게 돌려준다. 보지 못하는 문제를 측정으로 바꾼 사례다.

    초기 재현도 65~80% 추정 · 제목 28px vs 규격 24px · 간격 4px→8px

  137. Large Language Models, Small Labor Market Effects (새 창)

    NBER (Humlum, Vestergaard) 논문·실험 유럽 영어

    덴마크의 행정 급여 데이터와 도입 설문을 연결한 연구. ChatGPT 출시 2년이 지난 시점까지 임금과 노동시간에서 유의한 효과가 발견되지 않았고, 2%보다 큰 효과는 배제할 만큼 추정이 정밀하다. 거시 수준과 개인 체감이 다를 수 있음을 보여 준다.

    출시 2년 후 임금·노동시간에 2%보다 큰 효과 배제 · NBER Working Paper 33777

  138. Uplift update (새 창)

    METR 논문·실험 전 세계 영어

    METR 스스로 위 결과의 인용을 제한한 후속 발표. 그 19%는 현재 생산성에 대한 매우 약한 근거일 뿐이며, 참가자들이 AI에 적합한 과제를 실험에서 빼는 선택 편향이 있었다고 인정하고 실험을 다시 설계했다. 자기에게 불리한 정정을 공개한 드문 사례다.

    개발자 57명 · 과제 800건 이상 · 기존 참가자 -18%(신뢰구간 -38%~+9%) · 신규 참가자 -4%(-15%~+9%) · 30~50%가 AI에 적합한 과제를 빼 놓았음

  139. 프론트엔드 채용 절벽 보도 (새 창)

    스타트업엔 (유인춘) 보고서·기사 한국

    국내 프론트엔드 채용이 완만한 감소를 지나 절벽 구간에 들어갔다고 전한 기사. 프리랜서 플랫폼 운영자의 말로, 전에는 3~4명이 하던 일을 숙련자 한 명이 AI 결과를 검토하며 한다는 주장을 인용한다. 데이터가 아니라 업계 관계자 발언이라는 점을 감안해야 한다.

  140. Mitigating “Epistemic Debt” in Generative AI-Scaffolded Novice Programming using Metacognitive Scripts (새 창)

    arXiv (Sreecharan Sankaranarayanan) 논문·실험 전 세계 영어

    프론트엔드에 직접 해당하는 실험. React 초심자 78명이 세 조건으로 기능을 만들었고, 제약 없이 AI를 쓴 집단은 거의 완벽한 결과물을 냈지만 나중에 심어 둔 경쟁 조건 버그를 고친 비율은 23.1%에 그쳤다. 손으로 짠 집단은 69.2%였다. 중간 형태인 스캐폴딩된 AI는 61.5%로 손코딩에 가까웠다.

    초심자 78명(조건당 26명) · 버그 수정 성공률: 손코딩 69.2% / 무제한 AI 23.1% / 스캐폴딩 AI 61.5%

  141. A considered use of generative AI in front-end development (새 창)

    Clearleft (Sam O’Neill) 개인 글 유럽 영어

    영국의 오래된 디자인 컨설턴시에 소속된 프론트엔드 개발자가 만든 개인 원칙 세 가지. WCAG를 지키라고 명시적으로 프롬프트에 넣어도 접근성 함정이 계속 나왔다는 실무 관찰이 함께 적혀 있다.

  142. Magic (새 창)

    Jeremy Keith (Adactio) 개인 글 전 세계 영어

    웹 표준 진영의 오랜 목소리. LLM 코딩 도구를 마술이라 부르며 마술을 좋아하지 않는다고 적는데, 근거로 드는 것은 수십 년 살아남아야 하는 프로젝트의 유지보수성이다.

  143. Software Engineering Jobs Are Up (새 창)

    Revealera 업체 자체 데이터 전 세계 영어

    “프론트엔드 공고가 가장 많이 줄었다”는 수치의 출처로 지목되는 회사가 직접 공개한 분석. 정작 이 글에는 프론트엔드 구분이 없고 소프트웨어 엔지니어링 공고가 13.5% 늘었다고 적혀 있다. 게다가 회사 스스로 자기 신호 대 잡음비를 낮게 평가하고 감소 검정 대부분이 통과하지 못했다고 밝힌다.

    공고 4,540만 건(2023년 1월~2026년 1월) · 소프트웨어 엔지니어링 +13.5% · AI +96.1% · 신호 대 잡음 0.41 · 감소 신호 7개 중 2개만 성립

  144. AI 시대의 프론트엔드 엔지니어링 (새 창)

    yceffort 개인 글 한국

    국내 프론트엔드 엔지니어가 이 시대의 중심 위험으로 기술 부채가 아니라 인지 부채를 지목한 글. 코드가 사람의 이해보다 빨리 바뀌고, 코드 리뷰가 가진 네 가지 기능 중 멘토링 기능이 가장 지키기 어렵다는 관찰이 구체적이다.

  145. Interop 2026 (새 창)

    web.dev (Rachel Andrew, Google) 공식 문서 전 세계 영어

    브라우저 제조사들이 한 해 동안 구현을 맞추기로 합의한 영역 목록. 다이얼로그와 popover, 뷰 트랜지션, 스크롤 연동 애니메이션이 들어 있고 조사 과제 중 하나는 브라우저 간 접근성 트리 일관성이다. 프론트엔드의 기반 자체가 매년 바뀐다는 사실을 상기시킨다.

    중점 영역 18개(신규 16, 2025년에서 이월 2) · 조사 과제 4개

  146. Talking with Heydon Pickering (새 창)

    HTML Accessibility (Steve Faulkner) 발표·인터뷰 전 세계 영어

    접근성 분야의 대담. AI 접근성 제품이 존재하지 않는 빈틈을 메우려 한다는 주장이 나온다 — 어려운 부분은 문제를 찾아내는 것이 아니라 의도를 파악하는 것이기 때문이다. 대담 중 언급된 비율은 측정치가 아니라 화자의 추정이다.

  147. State of Tech Hiring 2026 (새 창)

    CoderPad 설문 전 세계 영어

    면접에서 AI를 허용할지에 대해 업계에 합의가 없다는 것을 보여 주는 설문. 여전히 전면 금지가 가장 흔한 정책이다. 허용하는 경우 가장 높게 평가되는 신호는 AI의 실수를 잡아내고 고치는 능력이었다.

    약 650명 · 전면 금지 34% / 조건부 허용 29% / 폭넓게 허용 17% / 사안별 20% · 신호: 실수 포착·수정 66%, 트레이드오프 설명 56%

  148. Canaries, interest rates and timing (새 창)

    Stanford Digital Economy Lab 논문·실험 미국 영어

    “그건 AI가 아니라 금리 때문”이라는 반론에 대한 저자들의 응답. AI 노출이 큰 직군이 평균적으로 금리에 덜 민감하다는 자료를 제시하고, 고용 감소가 2024년 이후에야 유의해진다는 점을 덧붙였다.

  149. Habr Career 반기 임금 조사 (새 창)

    Habr Career 설문 러시아어권 러시아어

    제출 52,123건 기반 임금 조사. 러시아 IT 임금이 전반적으로 정체된 2025년 하반기에 프론트엔드 개발자 임금은 5% 올랐고, 일반 “웹 개발자”는 4% 내렸다. 직군 경계에 따라 방향이 갈린다.

    제출 52,123건 · 전체 중앙값 183,333₽ · 프론트엔드 +5% · 웹 개발자 -4%

  150. Rebuilding CS1 around LLMs (새 창)

    ACM / Virginia Tech 논문·실험 미국 영어

    LLM을 전제로 입문 프로그래밍 과목을 다시 설계한 결과 시험 성적이 과거 비LLM 운영 회차와 대체로 비슷했고 인구 집단별로도 그랬다. 교육 붕괴가 불가피하지 않다는 반례다.

  151. We mourn our craft (새 창)

    Nolan Lawson 개인 글 전 세계 영어

    직업적 판단과 감정을 분리해서 적은 글. 고용을 유지하려면 도구를 받아들여야 한다고 인정하면서, 동시에 잃어버리는 것을 애도한다. 이 고민이 손익 계산만으로 설명되지 않는다는 점을 보여 준다.

  152. Evaluating AGENTS.md: Are Repository-Level Context Files Helpful for Coding Agents? (새 창)

    arXiv (Gloaguen, Mündler, Müller, Raychev, Vechev / ETH Zürich) 논문·실험 유럽 영어

    AGENTS.md 같은 저장소 컨텍스트 파일이 과제 성공률을 일반적으로 높이지는 못하면서 추론 비용은 평균 20% 이상 늘렸다는 학술 평가. 아래의 벤더 자체 평가들과 정면으로 어긋나므로, 이 주제는 아직 결론이 아니라 논쟁으로 읽어야 한다.

    추론 비용 평균 20% 이상 증가 · 과제 성공률의 일반적 향상 없음

  153. The WebAIM Million — 프레임워크별 비교표 (새 창)

    WebAIM 보고서·기사 전 세계 영어

    같은 조사의 프레임워크별 표. 최선과 최악의 격차가 매우 크고, 요즘 쓰는 React 계열 스택이 오히려 평균보다 좋다. 접근성 악화를 AI 하나로 설명하기 어렵게 만드는 자료이며, 이 사이트가 쓰는 Astro가 평균 대비 84% 적은 오류를 기록했다는 점도 그대로 적어 둔다.

    Astro 9.0개(-84.0%) · Next.js 40.9개(-27.1%) · React 43.5개(-22.5%) · Vue.js 64.6개(+15.1%) · AngularJS 76.6개(+36.4%)

  154. The WebAIM Million (2026) (새 창)

    WebAIM (유타 주립대) 보고서·기사 전 세계 영어

    홈페이지 상위 100만 개의 접근성을 매년 자동 검사하는 조사. 6년 동안 조금씩 나아지던 흐름이 2026년에 처음으로 꺾였다. 중요한 단서가 있다 — WebAIM은 AI를 원인으로 단정하지 않고 페이지 복잡도 증가와 ARIA 사용 증가를 먼저 지목하며, AI는 서드파티 프레임워크 다음에 언급한다.

    오류 총 56,114,377개 · 페이지당 56.1개(전년 51개, +10.1%) · WCAG 실패 검출 페이지 95.9%(전년 94.8%) · 페이지당 요소 1,437개(+22.5%) · ARIA 속성 133,589,803개(+27%) · ARIA 사용 페이지 평균 오류 59.1개 vs 미사용 42개

  155. The rise of one-pizza engineering (새 창)

    Jampa Uchoa 개인 글 중남미 영어

    코딩이 제약이 아니게 되면 팀이 2~3명으로 줄고, 전문가는 풀스택 일반가가 아니라 품질의 문지기가 된다는 주장. 아마존의 “투 피자 팀”에 빗댄 이름이다.

    프로젝트당 2~3명 vs 투 피자 팀 5~8명

  156. How AI assistance affects coding skills (새 창)

    Anthropic 논문·실험 전 세계 영어

    모델을 만드는 회사가 직접 한 실험이라는 점을 감안해도, 결과가 자사에 유리하지 않다. 낯선 라이브러리를 익힐 때 AI를 쓴 집단은 손으로 짠 집단보다 이해도 퀴즈에서 뚜렷하게 낮은 점수를 받았다. 차이를 만든 것은 AI를 썼는지 여부가 아니라 어떻게 썼는지였다.

    엔지니어 52명(대부분 주니어) · 퀴즈 점수 AI 50% vs 직접 67% · Cohen d=0.738, p=0.01 · 완료 시간 차이는 유의하지 않음

  157. Assessment of AI capabilities and the impact on the UK labour market (새 창)

    영국 과학혁신기술부 · AI Security Institute 공공 통계 유럽 영어

    영국 정부의 자체 평가. 컴퓨터 프로그래밍 분야의 16~24세 종사자가 1년 만에 44% 줄었고, 노출이 큰 직종의 구인 공고 감소폭이 낮은 직종보다 컸다. 미국 바깥에서도 같은 연령대 신호가 잡힌다는 점이 중요하다.

    컴퓨터 프로그래밍 16~24세 -44%(1년) · 구인 공고: 고노출 직종 -38% / 저노출 -21%

  158. Dark flow (새 창)

    Rachel Thomas (fast.ai) 개인 글 전 세계 영어

    AI 코딩의 생산성 논쟁을 중독 설계의 문제로 다시 짠 글. 이 활동은 생산적으로 느껴지도록 설계되어 있고, 그래서 자기 보고와 측정이 갈린다는 설명이다.

  159. AGENTS.md outperforms skills in our agent evals (새 창)

    Vercel (Jude Gao) 업체 자체 데이터 전 세계 영어

    학습 데이터에 없는 새 API를 대상으로 한 자체 평가. 8KB로 압축한 문서 색인을 AGENTS.md에 넣었더니 통과율이 53%에서 100%가 됐고, 같은 지식을 스킬로 포장했을 때는 79%였다. 위 ETH 연구와 결론이 어긋나는 대표적 사례다.

    문서 없음 53% · 스킬 79% · AGENTS.md 문서 색인 100% · 색인 8KB

  160. After two years of vibecoding, I’m going back (새 창)

    Mo Bitar (atmo.io) 개인 글 전 세계 영어

    2년 가까이 에이전트를 깊게 쓴 뒤 쌓인 코드를 통째로 읽어 보고 대부분을 손으로 다시 쓰기로 했다는 기록. 개별 커밋 단위로는 괜찮아 보이던 것이 누적되면 달라진다는 관찰이다.

  161. AI tribalism (새 창)

    Nolan Lawson 개인 글 전 세계 영어

    위의 “소행성” 글과 같은 필자가 자기 코드의 약 90%를 이제 에이전트가 쓴다고 밝힌 글. AI 논쟁이 공학 논쟁이 아니라 부족 정치가 되었다고 비판한다. 위험을 경고하는 사람과 도구를 깊이 쓰는 사람이 같은 사람일 수 있음을 보여 준다.

    자기 코드의 약 90%를 에이전트가 작성

  162. AI First 시대의 신입 채용 (새 창)

    Findy (인터뷰: 大竹雅登) 발표·인터뷰 일본 일본어

    반대 방향의 일본 사례. 한 기업의 CTO가 2026년 입사부터 신입 엔지니어 채용을 오히려 강화하고 계속 늘릴 계획이라고 밝히면서, 1인당 월 최대 10만 엔의 AI 도구 비용을 지원한다고 말한다.

    1인당 월 최대 10만 엔 AI 도구 지원

  163. AI가 개발자를 대체할까 (새 창)

    토스 테크 (정세훈) 개인 글 한국

    국내 대형 핀테크의 기술 블로그 글. 진짜 위험은 AI가 개발자를 대체하는 것이 아니라 도제식 성장 사다리가 무너지는 것이라는 주장이며, 미국의 연령별 고용 연구를 근거로 든다.

  164. Web Almanac 2025: Accessibility (새 창)

    HTTP Archive Web Almanac 보고서·기사 전 세계 영어

    AI가 만든 마크업이 접근성이 나쁜 구조적 이유를 간명하게 적었다 — 모델은 가장 그럴듯한 코드를 예측하는데, 학습 말뭉치에 있는 코드 대부분이 이미 접근성이 없다. 도구를 바꾼다고 저절로 해결되지 않는다는 뜻이다.

    Lighthouse 접근성 중앙값 85%(+1%p) · 최소 명암비 충족 사이트 약 30% · 대체 텍스트 검사 통과 이미지 69%

  165. Web Almanac 2025: Page Weight (새 창)

    HTTP Archive Web Almanac 보고서·기사 전 세계 영어

    같은 조사의 페이지 무게. 중앙값이 계속 늘고 있으며 데스크톱 홈에서 JavaScript만 697KB다. 성능 지표가 좋아진 것과 페이지가 무거워지는 것이 동시에 일어난다.

    모바일 홈 중앙값 2.6MB(+8.4%) · 데스크톱 2.9MB(+7.3%) · 데스크톱 JavaScript 697KB

  166. Web Almanac 2025: Performance (새 창)

    HTTP Archive Web Almanac 보고서·기사 전 세계 영어

    실사용자 성능은 2025년에 오히려 좋아졌다. 모바일에서 Core Web Vitals를 모두 통과한 사이트가 48%로 전년 44%에서 올랐다. 품질이 전반적으로 무너지고 있다는 서술의 반례로 필요한 자료다.

    CWV 전체 통과: 모바일 48%(전년 44%), 데스크톱 56% · 모바일 LCP 양호 62% · 모바일 INP 양호 77%

  167. 외부 기여 풀 리퀘스트 자동 종료 공지 (새 창)

    tldraw (GitHub) 공식 문서 전 세계 영어

    캔버스 라이브러리 tldraw가 외부 기여 PR을 자동으로 닫기 시작한다고 공지했다. 이유로 든 것은 맥락이 불완전하거나 오해를 부르는 완전 AI 생성 PR의 급증이며, GitHub의 기여 관리 도구가 나아질 때까지의 한시적 조치라고 밝혔다.

  168. Looking for the ladder (새 창)

    Economic Innovation Group (Iscenko, Curto Millet / Google 소속 경제학자) 보고서·기사 미국 영어

    반대편의 가장 강한 주장. AI 노출 직군의 공고가 2022년 3~4월에 정점을 찍었는데 이는 ChatGPT 공개보다 반년 이상 앞서고 연준의 금리 인상 시작과 겹친다는 타이밍 논증이다. 신입 채용 위축을 AI로 설명하기 전에 통화정책을 먼저 확인하라는 요구다.

    AI 노출 직군 공고 정점 2022년 3~4월 · 연준 인상 시작 2022년 3월 · 대기업 AI 도입 계획 2023년 4분기 10% 미만 → 2025년 3분기 12%

  169. State of Code Developer Survey Report (새 창)

    Sonar 업체 자체 데이터 전 세계 영어

    코드 품질 도구 업체의 설문이라 문제를 크게 볼 유인이 있다. 그럼에도 커밋되는 코드의 42%가 AI 생성·보조라는 자기 보고와, AI 코드 리뷰가 사람 코드 리뷰보다 더 힘들다는 응답 38%는 다른 자료의 방향과 일치한다.

    1,100명 이상 · 커밋 코드 중 AI 42%(2027년 65% 예상) · AI 코드를 완전히 신뢰하지 않음 96% · 커밋 전 항상 검증 48% · 리뷰가 더 힘듦 38%

  170. Engineering interview trends 2026 (새 창)

    Karat 보고서·기사 전 세계 영어

    엔지니어링 리더 400명 조사. 대부분의 조직이 기술 면접에서 AI 사용을 여전히 금지하며, 미국과 중국의 차이가 크다. 지역에 따라 “정답”이 다르다는 점이 구직자에게는 실무적인 정보다.

    기술 면접에서 AI 금지 62% · 허용: 미국 38% / 중국 68%

  171. JavaScript frameworks heading into 2026 (새 창)

    Ryan Carniato (SolidJS) 개인 글 전 세계 영어

    프레임워크 저자의 시각. AI가 프레임워크 생태계 역사상 가장 큰 메아리방을 만들었다고 비판하며, “React가 마지막 프레임워크”라는 결론을 근시안이라고 일축한다. 에이전트의 선호가 기술 선택을 좁힌다는 우려와 맞닿는다.

  172. My AI coding workflow (새 창)

    Addy Osmani 개인 글 전 세계 영어

    Chrome 엔지니어링 리드가 공개한 자신의 작업 흐름. 대부분의 시간이 계획과 검토에 들어가고, 모델은 작고 개별적으로 검증 가능한 단계에서만 코드를 쓴다. 에이전트를 풀어 놓는 방식과 대비된다.

  173. Design Systems Report (새 창)

    zeroheight 설문 전 세계 영어

    디자인 시스템 실무자 설문. 이들이 더 걱정하는 것은 AI가 코드를 만드는 것(35%)보다 디자인을 만드는 것(61%)이었다. AI가 기대에 부응하느냐는 물음에는 중립이 가장 많아, 실무 현장의 판단이 아직 유보 상태임을 보여 준다.

    147명 · AI 디자인 생성 우려 61% / AI 코드 생성 우려 35% · 기대 부합: 매우 6% + 대체로 22% / 중립 52% / 미흡 16% + 전혀 4%

  174. Interfaces (새 창)

    Jakub Krehel 개인 글 전 세계 영어

    디자인 엔지니어링 매거진. 대부분의 것을 프롬프트 한 번으로 복제할 수 있게 되면 “만들었다”는 사실 자체는 더 이상 차별점이 아니라는 입장을 편집 방향으로 내세운다. 취향 논의의 대표적 진영이다.

    발행호 17개

  175. Motivation and Mindset (새 창)

    The Odin Project 공식 문서 전 세계 영어

    널리 쓰이는 무료 웹 개발 커리큘럼이 초심자에게 학습 단계에서는 AI 도구를 쓰지 말라고 명시하고, 그 이유 일곱 가지를 나열한다. 교육 현장의 대응이 한 방향이 아니라는 증거다.

    이유 7가지

  176. One Developer, Two Dozen Agents, Zero Alignment (새 창)

    Maggie Appleton (GitHub Next) 발표·인터뷰 전 세계 영어

    진짜 병목은 구현 속도가 아니라 팀의 정렬이라는 주장. 한 사람이 스무 개 에이전트를 돌리는 구상을 “아홉 명이 한 달에 아이를 낳는다”는 오류에 빗댄다. 페이지에 명시된 발행일은 없고 상대 표기만 있다.

  177. State of AI in Design: Craft (새 창)

    State of AI in Design 설문 전 세계 영어

    디자이너 대상 조사. 절반이 AI가 만든 코드를 프로덕션에 내보냈다고 답하면서도, 80%는 완성도·품질·창작 방향은 AI보다 자기 판단에 의존한다고 답했다. 결과물을 만드는 일과 그것이 좋은지 정하는 일이 분리되고 있다.

    AI 코드 프로덕션 배포 50% · AI 코딩 도구 사용 76% · 완성도·창작 방향은 자기 판단 80% · 회사가 디자인 산출물로 동작하는 프로토타입을 기대 43%

  178. State of CSS 2026 (새 창)

    Devographics (State of CSS) 설문 전 세계 영어

    같은 설문의 전체 결과. 응답자들이 가장 좋아한 새 CSS 기능과, 쓰고 싶지만 브라우저 지원 때문에 피하는 기능이 모두 앵커 포지셔닝이었다. 플랫폼이 스스로 커지는 속도와 실무에서 쓸 수 있게 되는 속도 사이의 간격이 프론트엔드의 또 다른 숙제다.

    2026년 5월 15일~6월 29일 · 응답 4,902명 · 지원 때문에 피하는 기능: 앵커 포지셔닝 168, :has() 158, 컨테이너 쿼리 126

  179. State of CSS 2026: Usage (새 창)

    Devographics (State of CSS) 설문 전 세계 영어

    CSS는 개발자가 키보드를 내주지 않은 영역이다. AI가 쓴 CSS 비율의 중앙값은 13%이고, 가장 큰 단일 집단은 0%라고 답한 사람들이다. 설문 저자들은 이 분포가 State of AI·State of JS의 같은 문항과 “완전히 다르게 생겼다”고 적었다.

    중앙값 13%(응답 3,732명) · 0% 응답 980명(26%) · 100% 응답 64명

  180. State of Dev in South Korea 2026 (새 창)

    Dev Korea 설문 한국

    국내 개발자 대상 독립 설문. 응답자들은 자기가 쓰는 코드의 중앙값 70%를 AI 생성으로 돌린다고 답해 국제 설문의 수치보다 높다. 표본이 166명으로 작고 자발적 참여라는 점을 감안해야 한다.

    응답 166명(2026년 6월 15일~7월 29일) · AI 생성 코드 중앙값 70%(응답 130건)

  181. Tech-Verse 2026: 프론트엔드의 다음 역량은 컨텍스트 엔지니어링 (새 창)

    LINEヤフー (LY Corporation) 발표·인터뷰 일본 일본어

    가장 큰 병목이 더 이상 코딩 속도가 아니라 Jira·Figma·Confluence·Slack·Git에 흩어진 입력을 모으는 비용이라는 발표. 프론트엔드 엔지니어에게 다음으로 중요한 역량으로 컨텍스트 엔지니어링을 든다.

  182. 부스트캠프 2026년 운영 공지 (새 창)

    네이버 커넥트재단 공식 문서 한국

    국내 대표 무료 개발자 교육 과정이 2026년에 웹·모바일과 AI Tech 두 정규 과정을 모두 운영하지 않는다고 공지했다. AI로 달라진 개발자의 일하는 방식에 맞춰 교육 방향을 다시 고민하고 있다는 설명이다. 교육 공급 쪽의 동요를 보여 준다.

    누적 수료생 3,100여 명 · 2026년 두 정규 과정 미운영

  183. Developers remain willing but reluctant to use AI (새 창)

    Stack Overflow Blog 설문 전 세계 영어

    같은 설문의 결과 정리 글. AI를 자기 일자리의 위협으로 보지 않는다는 응답이 64%로, 전년 68%에서 조금 줄었다. 일에 만족한다는 응답은 24%로 올랐지만 “무덤덤하거나 불행하다”가 75%다. 흔히 인용되는 공포와 실제 응답 사이의 거리를 보여 준다.

    일자리 위협 아님 64%(전년 68%) · 일에 만족 24%(전년 20%) · 이직을 찾지 않음 46%

  184. AI vs Gen Z: 주니어 파이프라인 (새 창)

    Stack Overflow Blog 보고서·기사 미국 영어

    여러 조사를 모아 주니어 파이프라인 문제를 정리한 글. 채용 관리자의 70%가 AI가 인턴 수준의 일을 할 수 있다고 보고, 57%는 인턴이나 신입보다 AI의 결과물을 더 신뢰한다고 답했다는 조사와, 기술 인턴 공고가 2023년 이후 30% 줄었다는 지표를 인용한다.

    채용 관리자 70%가 AI가 인턴 업무 가능 · 57%가 AI 결과물을 더 신뢰 · 기술 인턴 공고 2023년 이후 -30%

  185. SW기술자 평균임금 (2026년 적용) (새 창)

    한국인공지능·소프트웨어산업협회 (KOSA) 공공 통계 한국

    국내 공공 소프트웨어 사업 대가 산정에 쓰이는 공식 임금 표. UI/UX 기획·개발자의 월평균 임금이 응용SW개발자의 약 89%, 데이터분석가의 약 81% 수준으로 책정돼 있다. 직군 간 위계가 시장 심리가 아니라 제도 문서에 적혀 있다는 점에서 참고할 만하다.

    UI/UX 기획·개발자 6,901,660원 · 응용SW개발자 7,754,124원 · 시스템SW개발자 5,840,196원 · 데이터분석가 8,499,309원 · UI/UX 디자이너 5,159,246원

  186. 프리랜서 개발자 설문 (새 창)

    요즘IT (위시켓) 설문 한국

    국내 프리랜서 개발자 186명 조사. 86.5%가 AI가 개발자를 대체할 것이라고 보면서 동시에 74.7%가 스스로 AI 기술을 공부하고 있다고 답했다. 비관과 적응이 같은 사람 안에 있다는 것을 보여 주는 숫자다.

    186명 · AI가 대체할 것 86.5% · AI 기술 학습 중 74.7% · 7년차 이상 68% · 프로젝트 공백 우려 61.8%

  187. Professional Software Developers Don’t Vibe, They Control: AI Agent Use for Coding in 2025 (새 창)

    arXiv 논문·실험 전 세계 영어

    현업 개발자를 관찰하고 설문한 연구. 숙련자는 설계 권한을 넘기지 않고, 어떤 과제가 에이전트에 맞는지 고른 뒤 품질 판단을 자기가 쥔다. 이 “고르고 쥐는 일” 자체가 지금 훈련되고 있는 역량이라는 관찰이다.

    현장 관찰 13명 · 설문 99명

  188. Debug your browser session with Chrome DevTools MCP (새 창)

    Chrome for Developers 공식 문서 전 세계 영어

    후속 기능. 이미 열려 있고 로그인까지 되어 있는 개발자의 브라우저 세션에 에이전트가 붙을 수 있게 했다. 수동 디버깅과 에이전트 디버깅 사이의 인계 지점이 만들어졌다는 뜻이다.

  189. 효율화의 함정 (새 창)

    Zenn (ymnkx) 개인 글 일본 일본어

    일본 프론트엔드 엔지니어의 논증. 진짜 위협은 대체가 아니라 효율화의 함정이라는 것이다 — 모든 회사가 같은 일을 같은 방식으로 더 빨리 하게 되면 우위는 생기지 않고 가격 경쟁이 남으며, 그 비용은 마진과 인원에서 나온다.

  190. freeCodeCamp의 새 JavaScript 인증 (새 창)

    freeCodeCamp (Jessica Wilkins) 공식 문서 전 세계 영어

    평가 방식을 바꿔 대응한 사례. 각 수업 끝에 이해도 확인 문제를 넣고, 인증은 50문항 최종 시험으로 잠근다. 감시 카메라 대신 문제 무작위 추출과 일주일 재응시 제한 같은 장치를 쓴다.

    수업당 이해도 확인 3문항 · 최종 시험 50문항 · 재응시 168시간 제한

  191. AI optimism is a class privilege (새 창)

    Josh Collinsworth 개인 글 전 세계 영어

    AI에 대한 열광의 정도가 경제적 안전망의 정도를 따라간다는 주장, 그리고 주니어 자리를 없애는 것은 시니어를 만들어 내는 파이프라인을 없애는 일이라는 지적. 제목부터 이것을 계급 문제로 부른다.

  192. 전 세계 채용 공고 분석 보도 (프론트엔드 -9.89%) (새 창)

    腾讯新闻 (Tencent News) 보고서·기사 중국 중국어

    중화권에서 널리 퍼진 기사. Revealera가 1억 8천만 건의 공고를 분석해 2025년 프론트엔드 공고가 전년 대비 9.89% 줄었고 이것이 모든 소프트웨어 직군 중 최대 낙폭이라고 전한다. 이 페이지가 이 숫자를 고민의 근거로 쓰지 않고 근거 검증 절에 둔 이유는 아래에 적었다.

    공고 1억 8천만 건 분석 · 프론트엔드 -9.89%(2025년) · 소프트웨어 엔지니어링 전체는 보합

  193. Why learn CSS if AI can write it (새 창)

    Josh W. Comeau 개인 글 전 세계 영어

    추상적 조언 대신 실제 작업으로 답한 글. 두 열짜리 가격표 카드를 만들 때 필요한 CSS 기법의 이름을 자기가 모르는 동안에는 모델을 원하는 방향으로 데려갈 수 없었고, 모델은 계속 접근성이 나쁜 방식으로 돌아갔다. 기본기가 왜 필요한지에 대한 구체적인 사례다.

  194. It’s been a very hard year (새 창)

    Andy Bell (Set Studio) 개인 글 유럽 영어

    프론트엔드 스튜디오 운영자의 기록. 들어오는 문의의 대부분이 AI 제품 마케팅 작업이 되었고 평판 때문에 거절한다고 적는다. 개인의 선택이 시장의 구성과 부딪히는 자리를 보여 준다.

  195. 엔지니어 1,008명 대상 AI 인식 조사 보도 (새 창)

    MONOist (ITmedia) 설문 일본 일본어

    일본 엔지니어 1,008명 조사 보도. 66.2%가 AI에 일을 빼앗길까 걱정한다고 답했고, 90.8%는 AI 를 쓰는 사람과 쓰지 않는 사람 사이에 앞으로 커리어 차이가 생긴다고 답했다. 뒤의 수치는 AI 가 커리어를 바꾼다는 뜻이 아니라 사람 사이의 격차가 벌어진다는 뜻이다. 조사 자체는 2024년 10월에 이뤄졌다.

    1,008명(조사 2024년 10월) · 걱정된다 66.2%(매우 22.7% + 다소 43.5%) · AI 사용 여부에 따른 커리어 격차 발생 90.8%

  196. Improving frontend design through skills (새 창)

    Anthropic 공식 문서 전 세계 영어

    “AI가 만든 화면은 다 비슷하다”는 문제를 만드는 쪽에서 인정하고 내놓은 대응. 타이포그래피·색·모션·배경 네 축으로 모델을 밀어 주는 400토큰 남짓의 지침이다. 문제의 이름을 분포의 수렴이라고 부른다.

    약 400토큰 · 디자인 축 4개

  197. Spec-driven development: waterfall strikes back (새 창)

    Marmelab (François Zaninotto) 개인 글 유럽 영어

    반대편 주장. 명세를 산출물로 삼는 방식이 폭포수를 다시 들여오고 개발자를 읽기에 파묻는다는 비판이며, 날짜 표시 기능 하나에 파일 8개와 1,300줄이 나왔다는 사례를 든다.

    기능 하나에 파일 8개·1,300줄

  198. Security Vulnerabilities in AI-Generated Code: A Large-Scale Analysis of Public GitHub Repositories (새 창)

    arXiv 논문·실험 전 세계 영어

    벤치마크가 아니라 실제 저장소의 AI 생성 파일을 훑은 연구. 87.9%의 파일에서는 CWE로 분류되는 취약점이 발견되지 않았고, 측정된 언어 가운데 TypeScript가 가장 깨끗했다. 통제된 과제에서 나온 실패율을 실제 코드베이스에 그대로 옮기면 안 된다는 반증이다.

    파일 7,703개 · CWE 4,241건, 77개 유형 · 취약점 없는 파일 87.9% · Python 16.18~18.50% · JavaScript 8.66~8.99%

  199. Octoverse: A new developer joins GitHub every second as AI leads TypeScript to #1 (새 창)

    GitHub 업체 자체 데이터 전 세계 영어

    GitHub 플랫폼 데이터. 개발자 계정은 1년에 3,600만 개 늘었고 TypeScript가 2025년 8월 가장 많이 쓰인 언어가 됐다. 개발자 수 자체가 줄고 있다는 서술과는 방향이 반대다. 다만 계정 증가에는 자동화·학습용 계정도 포함된다는 점을 감안해야 한다.

    신규 계정 3,600만(+23%) · 누적 1억 8천만 이상 · TypeScript 2025년 8월 1위

  200. Generative AI as Seniority-Biased Technological Change (새 창)

    Hosseini & Lichtinger (Harvard, SSRN 워킹페이퍼) 논문·실험 미국 영어

    이력서 데이터로 기업 단위를 비교한 연구. 생성 AI를 도입한 기업의 주니어 고용이 미도입 기업 대비 여섯 분기 뒤 약 9% 줄었고, 시니어 고용은 대체로 변하지 않았다. 감원이 아니라 채용을 줄이는 방식으로 조정된다는 그림이 여기서도 반복된다.

    노동자 6,200만 명, 기업 약 285,000곳(2015~2025) · 도입 기업 주니어 고용 6분기 후 약 -9% · 시니어는 대체로 변화 없음

  201. Your vibe-coded slop PR is not welcome (새 창)

    Sam Saffron (Discourse) 개인 글 전 세계 영어

    오픈소스 메인테이너 쪽의 제안. 전면 금지는 집행할 수 없어 역효과라고 보고, 기여를 두 종류로 라벨링하자고 제안한다 — 데모와 논의를 붙인 AI 보조 프로토타입이거나, 기여자가 직접 책임지는 리뷰 준비 완료 PR이거나.

  202. Why your AI keeps building the same purple gradient website (새 창)

    prg.sh 개인 글 전 세계 영어

    획일화의 원인을 추적한 글. 모호한 프롬프트의 빈칸을 모델이 학습 데이터의 중앙값으로 채우는데, 그 중앙값이 하필 Tailwind 시대의 인디고라는 설명이다.

  203. How to succeed in an AI-assisted interview (새 창)

    Canva Engineering 공식 문서 전 세계 영어

    면접관이 지원자에게 쓴 후속 글. 계획·구현·논의 세 단계로 진행하며, 가장 흔한 실패는 AI를 개발 가속기가 아니라 완성 솔루션 생성기처럼 다루는 것이라고 명시한다.

  204. Spec-driven development: three tools (새 창)

    martinfowler.com (Birgitta Böckeler, Thoughtworks) 개인 글 전 세계 영어

    명세 주도 개발을 세 층위로 구분한 정리 — 명세 우선, 명세 기준, 명세가 곧 소스. 검토한 세 도구 중 진짜 뒤쪽 층위를 노리는 것은 하나뿐이라는 관찰이 이 주제의 과장을 걷어낸다.

  205. How is AI changing interview processes? (새 창)

    interviewing.io (Aline Lerner) 설문 미국 영어

    면접관 67명 대상 조사. 대형 기술기업 응답자 중 알고리즘 문제에서 벗어났다고 답한 곳은 한 곳도 없었고, 81%는 지원자가 AI로 부정행위를 한다고 의심한다. 담론의 변화 속도와 실제 절차의 변화 속도가 다르다.

    면접관 67명(52명이 대형 기술기업) · 알고리즘 문제에서 이탈 0% · 부정행위 의심 81%

  206. Vibe engineering (새 창)

    Simon Willison 개인 글 전 세계 영어

    결과를 보지 않고 맡기는 “바이브 코딩”과, 규율을 갖춘 전문가의 에이전트 활용을 구분하기 위해 만든 용어. 필요한 역량이 새로운 것이 아니라 시니어 엔지니어가 이미 가진 것들이라는 주장이 핵심이다.

  207. Meta의 AI 허용 코딩 면접 (새 창)

    interviewing.io 보고서·기사 미국 영어

    2025년 10월 시작된 시범 전형 기록. 온사이트 코딩 면접 두 개 중 하나를 모델이 내장된 환경에서 60분간 여러 파일을 다루는 과제로 대체했다. 대형 기업도 실험은 하고 있다는 사실의 근거다.

    60분 · 온사이트 코딩 2개 중 1개 대체

  208. The State of Developer Ecosystem 2025 (새 창)

    JetBrains 설문 전 세계 영어

    194개국 24,534명 대상. AI 사용은 거의 보편화됐고 대부분 시간 절약을 보고하지만, 가장 큰 걱정으로 꼽힌 것은 일자리가 아니라 코드 품질이었다. 주니어의 61%가 채용 시장이 어렵다고 답해 시니어(54%)보다 높았다.

    24,534명 · 85% 정기 사용 · 62% AI 어시스턴트·에이전트·에디터 사용 · 15% 미사용 · 약 10명 중 9명이 주 1시간 이상 절약 · 68% “곧 회사가 AI 숙련도를 요구할 것” · 시장이 어렵다: 주니어 61% / 시니어 54%

  209. Not Everyone Wins with LLMs: Behavioral Patterns and Pedagogical Implications for AI Literacy in Programmatic Data Science (새 창)

    arXiv (Carnegie Mellon University) 논문·실험 미국 영어

    대학원생 36명 대상 혼합 연구. 누가 LLM에서 가치를 얻는지를 예측한 것은 AI 친숙도나 의사소통 능력이 아니라 기존 기술 경험이었고, 가벼운 시연 교육으로는 부족했다.

    대학원생 36명

  210. 2025 DORA Report: state of AI-assisted software development (새 창)

    Google 보고서·기사 전 세계 영어

    약 5,000명 대상. 도입률은 90%에 이르고 80% 이상이 생산성 향상을 체감하지만, AI가 만든 코드를 상당히 신뢰한다는 응답은 4분의 1에 그친다. DORA는 이를 “신뢰의 역설”이라 부른다.

    응답 약 5,000명 · 도입 90%(전년 대비 +14%p) · 신뢰: 매우 4% + 많이 20% = 24% · 거의·전혀 신뢰 안 함 30% · 생산성 향상 체감 80% 이상

  211. Chrome DevTools MCP (새 창)

    Chrome for Developers 공식 문서 전 세계 영어

    코딩 에이전트가 자기가 만든 페이지를 직접 검사할 수 있게 해 주는 서버. Adam Argyle이 지적한 “모델이 결과를 볼 수 없다”는 한계를 도구로 메우려는 시도다.

  212. AI agents and code review (새 창)

    Sean Goedecke 개인 글 전 세계 영어

    에이전트와 일하는 데 그대로 전이되는 역량이 코드 리뷰라는 주장. 리뷰 능력이 새로운 핵심 역량이 된다는 논리를 실무 감각으로 풀었다. 의심스러운 결정을 한 시간에 한 번쯤 발견한다는 자기 관찰을 덧붙였다.

  213. 우아한테크코스 8기 모집 (새 창)

    우아한형제들 기술블로그 보고서·기사 한국

    반대 방향의 대응. AI가 코드를 써 주는 시대에 개발자가 될 가치가 있느냐는 질문으로 모집 글을 시작하면서, AI 과목을 추가하는 대신 의도적인 불편함을 더 밀어붙이는 쪽을 택했다.

    10개월 과정 · 7년간 1,000명 이상 수료

  214. AI coding assistant trial: UK public sector findings report (새 창)

    영국 과학혁신기술부 · Government Digital Service 보고서·기사 유럽 영어

    정부가 직접 돌린 도입 시험. 참가자들은 하루 56분을 아꼈다고 스스로 보고했지만, 도구 텔레메트리에 찍힌 제안 수락률은 15.8%였다. 체감과 계측을 같은 보고서에 나란히 실은 보기 드문 자료다.

    라이선스 2,500개, 50개 이상 기관 · 자기 보고 절약 하루 56분 · GitHub Copilot 제안 수락률 15.8%

  215. 2025년 상반기 개발자 채용·지원 현황 (새 창)

    사람인HR / 점핏 업체 자체 데이터 한국

    국내 플랫폼의 자체 집계. 프론트엔드는 개발 공고의 11.1%인데 지원의 15.5%를 차지했다. 수요보다 공급이 몰리는 직군이라는 뜻이며, 체감되는 경쟁의 강도를 설명해 준다.

    공고 약 10만 건, 지원 약 260만 건(2025년 1~6월) · 공고 비중: 백엔드 16.2%, 프론트엔드 11.1%, AI·머신러닝 7% · 지원 비중: 백엔드 23.5%, 프론트엔드 15.5%

  216. Senior developers ship more AI code (새 창)

    Fastly 업체 자체 데이터 전 세계 영어

    자사 설문. 10년차 이상의 32%가 자기가 배포하는 코드의 절반 이상이 AI 생성이라고 답한 반면 0~2년차는 13%였다. AI를 가장 과감하게 쓰는 쪽이 초보가 아니라 숙련자라는 관찰이다. 동시에 28%는 AI 출력을 고치는 데 절약한 시간의 대부분을 쓴다고 답했다.

    791명(2025년 7월 10~14일) · 절반 이상 AI 코드: 시니어 32% / 주니어 13% · 절약 시간이 상쇄됨 28%

  217. An MIT NANDA report misread by all (새 창)

    Sify (Satyen K. Bordoloi) 보고서·기사 인도 영어

    같은 문서를 읽고 보도가 방향을 뒤집었다고 지적한 글. 문서의 실제 발견은 직원들의 비공식 AI 사용은 활발한데 공식 도입이 정체돼 있다는 쪽에 가깝다는 것이다.

    공식 LLM 구독 구매 40% vs 직원 개인 사용 90%

  218. Why we don’t believe the MIT NANDA study (새 창)

    Futuriom (R. Scott Raynovich) 보고서·기사 미국 영어

    위 95%가 문서 어디에서도 뒷받침되지 않는다며 데이터 공개나 철회를 요구한 비평. 인용되는 숫자의 출처를 실제로 열어 보는 일이 왜 필요한지에 대한 사례다.

  219. “버스 팩터 0” 스레드 (새 창)

    Hacker News 커뮤니티 전 세계 영어

    이 고민에 이름을 붙인 스레드. 두려움의 대상은 AI가 나쁜 코드를 쓴다는 것이 아니라, 처음부터 어떤 사람도 이해한 적 없는 코드가 생긴다는 것이다.

    223 포인트 · 댓글 131개

  220. Experience requirements have tightened amid the tech hiring freeze (새 창)

    Indeed Hiring Lab 보고서·기사 미국 영어

    주니어·일반 직함의 기술직 공고는 2020년 2월 대비 34% 줄어 시니어·매니저 직함의 19% 감소보다 낙폭이 거의 두 배였다. 요구 경력 자체도 2023년 초부터 높아졌다. AI 이전부터 시작된 흐름이라는 점이 중요하다.

    주니어·일반 직함 -34% / 시니어·매니저 -19%(2020년 2월 대비) · 5년 이상 요구 37%(2022년 2분기)→42%(2025년 2분기)

  221. 나이지리아의 디지털 인력 계획과 AI (새 창)

    Rest of World 보고서·기사 아프리카 영어

    초급 아웃소싱 업무의 자동화와 미국 이민 제한이 겹치면서, 디지털 인력 300만 명을 길러 아웃소싱 거점이 되려던 나이지리아의 계획이 흔들린다는 보도. 이 변화가 부유한 시장에서만 일어나는 일이 아니라는 점을 보여 준다.

    2027년까지 디지털 인력 300만 명 목표

  222. Candidate AI guidance (새 창)

    Anthropic 공식 문서 전 세계 영어

    지원 과정을 둘로 나눈 공개 지침. 지원 서류를 준비하고 다듬는 데는 AI를 환영하지만, 과제 전형과 실시간 면접에서는 별도 안내가 없는 한 허용하지 않는다.

  223. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (새 창)

    METR 논문·실험 전 세계 영어

    AI 생산성 논쟁에서 가장 많이 인용되는 무작위 대조 실험. 자기 저장소를 잘 아는 숙련 오픈소스 개발자 16명이 실제 이슈 246건을 처리했을 때, AI를 쓸 수 있는 조건에서 오히려 19% 더 오래 걸렸다. 본인들은 20% 빨라졌다고 느꼈다. 속도에 대한 자기 보고를 믿기 어렵게 만든 연구다.

    개발자 16명 · 이슈 246건 · 과제당 약 2시간 · 사전 예상 24% 단축 · 사후 체감 20% 단축 · 실측 19% 증가

  224. AI is just the latest frontend killer. Don’t panic (새 창)

    Den Odell (DEV) 개인 글 전 세계 영어

    프론트엔드를 끝낼 것이라던 예언의 목록을 되짚으며, 매 파도가 복잡성을 없앤 것이 아니라 옮겼을 뿐이라고 주장한다. 역사적 관점의 반론으로 자주 인용된다.

  225. State of Developer Experience Report 2025 (새 창)

    Atlassian 업체 자체 데이터 전 세계 영어

    6개국 3,500명. 99%가 AI로 시간을 아꼈다고 답하지만 절반은 코드를 쓰지 않는 일에 주 10시간 이상을 잃는다. 병목이 처음부터 코딩 속도가 아니었다면 코딩을 빠르게 만든 효과는 조직의 마찰에 흡수된다는 이야기다.

    3,500명, 6개국(2025년 3월) · 시간 절약 99% · 주 10시간 이상 절약 68% · 비코딩 업무로 주 10시간 이상 손실 50%

  226. Figma MCP server 실제 사용기 (새 창)

    Builder.io 업체 자체 데이터 전 세계 영어

    같은 서버로 실제 화면을 만들어 본 기록. 4분 만에 React와 CSS가 나왔고 “대체로 디자인처럼” 보였지만 픽셀이 맞지 않고 데이터가 빠졌으며 버튼이 하나도 동작하지 않았다. 도구 소개와 실사용 사이의 간격을 보여 준다.

    React 약 215줄 · CSS 약 350줄 · 약 4분

  227. The Impact of LLM-Assistants on Software Developer Productivity: A Systematic Review and Mapping Study (새 창)

    arXiv → ACM TOSEM (Mohamed, Assi, Guizani) 논문·실험 전 세계 영어

    동료 심사 논문 39편을 모아 정리한 체계적 문헌 고찰. LLM 보조가 코드 품질을 올리는지 내리는지는 아직 결론이 나지 않았고, 맥락에 따라 상반된 결과가 보고된다는 것이 결론이다. 지금 어느 한쪽 숫자를 결론처럼 인용하는 글은 이 지점을 건너뛴 것이다.

    동료 심사 논문 39편(2014년 1월~2024년 12월) · 59%가 탐색적 연구

  228. Echoes of AI: Investigating the Downstream Effects of AI Assistants on Software Maintainability (새 창)

    arXiv (Borg 외, ICSME 2025, 사전 등록) 논문·실험 유럽 영어

    사전 등록된 2단계 실험. 1단계에서 AI는 완료 시간을 중앙값 30.7% 줄였지만, 2단계에서 다른 개발자가 그 코드를 고쳐야 했을 때는 의미 있는 차이가 나타나지 않았다. 처음 만드는 속도와 나중에 고치는 비용을 따로 재야 한다는 것을 보여 준다.

    참가자 151명(95%가 현업) · 1단계 완료 시간 중앙값 -30.7% · 2단계 유지보수 단계에서는 유의한 차이 없음

  229. The GenAI Divide: State of AI in Business 2025 (예비 보고서) (새 창)

    MIT NANDA (웹 아카이브 사본) 보고서·기사 미국 영어

    “AI 프로젝트의 95%가 실패했다”로 널리 퍼진 보고서의 원문. 실제 문장은 조직의 95%가 수익을 내지 못하고 있다는 것이고, 문서 스스로 예비 결과라고 밝힌다. 표본은 공개 사례 300여 건, 구조화 인터뷰 52건, 설문 153건이다.

    조직의 95%가 수익 없음 · 공개 사례 300+ · 인터뷰 52 · 설문 153

  230. Generative AI without guardrails can harm learning: Evidence from high school mathematics (새 창)

    PNAS (Bastani 외) 논문·실험 전 세계 영어

    “스캐폴딩된 AI”라는 권고의 근거가 되는 현장 실험. 제약 없는 접근은 연습 성적을 48% 올렸지만 접근을 없앤 뒤 시험 성적은 17% 낮았다. 반면 튜터 형태로 프롬프트를 설계한 조건에서는 그 손상이 나타나지 않았다.

    고등학생 약 1,000명 · 연습 성적 +48%(기본) / +127%(튜터형) · 접근 제거 후 시험 -17%(기본)

  231. Yes, you can use AI in our interviews (새 창)

    Canva Engineering 공식 문서 전 세계 영어

    반대편의 명확한 사례. 프론트엔드·백엔드·머신러닝 지원자가 기술 면접에서 AI 도구를 쓰기를 허용하는 정도가 아니라 기대한다고 공개했고, 기존 CS 기초 전형을 AI 활용 역량 평가로 대체했다.

  232. Introducing the Figma MCP server (새 창)

    Figma 공식 문서 전 세계 영어

    스크린샷을 보고 추측하게 두는 대신 변수·컴포넌트·코드 연결 정보를 구조화해 에이전트에게 넘기는 서버. 디자인에서 코드로 가는 경로를 바꾸려는 시도의 대표 사례다.

  233. Avoiding Skill Atrophy in the Age of AI (새 창)

    Addy Osmani 개인 글 전 세계 영어

    실력 위축을 수치로 겁주는 대신 습관으로 바꾼 글. AI 위생, 정해 둔 수동 코딩 시간, 먼저 스스로 시도하기, 학습 일지 같은 구체적 실천을 제안한다. 효과를 측정한 자료는 붙어 있지 않다.

  234. FTC approves final order requiring accessiBe to pay $1 million (새 창)

    미국 연방거래위원회 (FTC) 공공 통계 미국 영어

    위 회사에 대한 제재 확정. AI 오버레이가 사이트를 WCAG 준수 상태로 만들 수 있다는 광고와, 대가를 지불한 리뷰를 독립적인 의견처럼 제시한 행위가 문제가 됐다. 접근성 자동화 주장을 읽을 때 필요한 배경이다.

    과징금 100만 달러 · 2025년 1월 제소, 4월 최종 명령

  235. The Post-Developer Era (새 창)

    Josh W. Comeau 개인 글 전 세계 영어

    프론트엔드 교육자로 널리 알려진 필자가 “개발자 이후 시대”라는 주장에 반대한 글. AI 코딩을 고속도로 크루즈 컨트롤에 비유하면서, 10분 프롬프트 끝에 포기하고 5분 만에 손으로 짠 경험도 함께 적었다. 이후 계속 갱신되고 있다.

  236. Human or LLM? A Comparative Study on Accessible Code Generation Capability (새 창)

    arXiv 논문·실험 전 세계 영어

    결과가 한 방향이 아니다. 명암비나 대체 텍스트처럼 기계적으로 확인되는 항목에서는 LLM이 사람보다 나은 코드를 냈고, 복잡한 ARIA에서는 무너졌다. 배워야 할 접근성이 체크리스트 쪽이 아니라 어려운 쪽이라는 것을 가리킨다.

  237. Be wary of accessibility guarantees from anyone (새 창)

    Adrian Roselli 개인 글 전 세계 영어

    접근성 자동화 약속에 대한 표준적인 반박이 산술로 정리돼 있다. 자동 검사로 확인할 수 있는 WCAG 항목이 대략 30% 수준이므로, 나머지는 맥락과 사용자를 이해하는 사람이 필요하다는 것이다.

    WCAG 중 자동 검사 가능 범위 약 30%

  238. CodeA11y: Making AI Coding Assistants Useful for Accessible Web Development (새 창)

    arXiv (Mowar 외, CMU·Apple, CHI 2025) 논문·실험 미국 영어

    사전 연구에서 개발자 16명을 관찰한 결과 세 가지 문제가 반복됐다 — 접근성을 아예 프롬프트에 넣지 않고, 자리표시자 속성을 바꾸는 수작업을 빠뜨리고, 결과가 기준에 맞는지 확인하지 못한다. 도구가 아니라 습관의 문제라는 점을 보여 준다.

    사전 연구 16명(16명 중 14명이 WCAG에 익숙하지 않음) · 후속 통제 연구 20명

  239. AI | 2025 Stack Overflow Developer Survey (새 창)

    Stack Overflow 설문 전 세계 영어

    개발자 전체를 대상으로 한 가장 큰 연례 설문의 AI 절. AI 도구를 쓰거나 쓸 계획이라는 응답이 84%로 전년 76%에서 올랐지만, 정확성 신뢰 문항에서는 불신이 신뢰를 앞질렀다. 가장 큰 불만은 “거의 맞는데 딱 맞지는 않은” 결과였다. 프론트엔드만 따로 나눈 수치는 없다.

    사용·사용 예정 84%(전년 76%) · 매우 신뢰 3.1% + 다소 신뢰 29.6% = 32.7% · 다소 불신 26.1% + 매우 불신 19.6% = 45.7%(n=33,244) · “거의 맞는데 아닌” 결과 불만 66% · AI 코드 디버깅이 더 오래 걸린다 45.2% · 내 문제 해결력에 자신이 줄었다 20%

  240. Levels.fyi 2025 End of Year Pay Report (새 창)

    Levels.fyi 업체 자체 데이터 미국 영어

    자기 보고 기반 보수 집계. 미국 소프트웨어 엔지니어 중위 보수는 2.67% 오르는 데 그쳤고 상승분이 스태프 레벨에 몰렸다. 프린시펄은 오히려 줄었다. 보수 상승이 경력 전 구간에 고르게 오지 않는다는 점을 보여 준다.

    미국 SWE 중위 +2.67% · 신입 $155K(+1.64%) · 시니어 $312K(+4.2%) · 스태프 $457K(+7.52%) · 프린시펄 $551K(-6.58%)

  241. Playwright test agents (새 창)

    Playwright (Microsoft) 공식 문서 전 세계 영어

    공식으로 제공되는 세 가지 에이전트 정의 — 앱을 탐색해 테스트 계획을 만드는 플래너, 계획을 실제 테스트 파일로 바꾸는 제너레이터, 실패한 테스트를 고치는 힐러. 테스트를 사람이 다 쓰지 않아도 되게 하려는 방향이다.

  242. State of Devs 2025: Conclusion (새 창)

    Devographics (State of Devs) 설문 전 세계 영어

    개발자의 삶을 묻는 설문의 결론. Josh W. Comeau는 LLM이 정말 개발자를 대체하고 있다면 이 결과가 이렇게 나오지는 않았을 것이라고 적었다. 지난 1년 해고된 사람은 소수였고, 보수가 깎인 사람은 9%, 주니어 응답자의 지원 횟수 중앙값은 10회였다.

    보수 감소 9% · 불행하거나 매우 불행 14% · 주니어 지원 횟수 중앙값 10회

  243. State of JS 2025: Usage (새 창)

    Devographics (State of JS) 설문 전 세계 영어

    JavaScript 개발자들이 스스로 답한 AI 생성 비율은 평균 29%로 전년 20%에서 올랐다. 분포는 낮은 쪽에 쏠려 있어 0%라고 답한 사람이 1,126명, 100%라고 답한 사람은 23명이다. “절반 이상을 AI가 쓴다”는 인상은 평균값이 아니라 소수의 극단값에서 온다.

    평균 29%(전년 20%) · 0% 구간 1,126명 · 25% 미만 3,224명 · 100% 구간 23명 · 응답 10,770건

  244. Work | 2025 Stack Overflow Developer Survey (새 창)

    Stack Overflow 설문 전 세계 영어

    직군별 보수 중앙값. 프론트엔드는 백엔드·풀스택·AI/ML보다 낮다. 국가 구성이 직군마다 다르므로 전 세계 중앙값은 직군 간 임금 격차로만 읽으면 안 되고, 미국 내 수치를 함께 봐야 한다.

    전 세계 중앙값: 프론트엔드 $62,015 · 풀스택 $72,509 · 백엔드 $79,742 · AI/ML $89,427 / 미국: 프론트엔드 $145,000 · 백엔드 $175,000 · AI/ML $189,500

  245. How generative AI affects highly skilled workers (새 창)

    MIT Sloan (Cui 외 연구 소개) 논문·실험 미국 영어

    Microsoft·Accenture·포춘 100대 제조사에서 진행한 무작위 현장 실험 세 건. 완료 과제가 평균 26% 늘었고, 이득은 주니어와 신규 입사자에게 훨씬 크게 돌아갔다. “AI가 주니어를 지운다”는 서술에 대한 가장 강한 반대 근거다.

    주간 완료 과제 +26% · 주니어·신규 +27~39% · 시니어 +8~13% · 1년 후 도입률 약 60%

  246. How much does AI impact development speed? An enterprise-based randomized controlled trial (새 창)

    arXiv (Paradis 외, Google) 논문·실험 미국 영어

    Google 정규직 엔지니어 96명 대상 무작위 대조 실험. 복잡한 기업용 과제 소요 시간이 약 21% 줄었다는 추정치를 냈지만 신뢰구간이 넓고, 저자들은 이 결과가 2024년 여름 사내 도구 밖으로 일반화되지 않을 수 있다고 직접 경고한다.

    엔지니어 96명 · 소요 시간 약 21% 단축(신뢰구간 넓음)

  247. The Widening Gap: The Benefits and Harms of Generative AI for Novice Programmers (새 창)

    arXiv (Prather 외, ICER 2024) 논문·실험 전 세계 영어

    시선 추적까지 쓴 실험실 연구. 생성 AI가 초보자 사이의 격차를 넓혔다 — 잘하는 학생은 자기 계획을 실행하는 데 썼고, 헤매던 학생은 더 멀리 밀려나면서 스스로 잘하고 있다는 착각을 얻었다.

    실험 세션 21건

  248. How Tokopedia cut React code with the popover attribute (새 창)

    Chrome for Developers 공식 문서 동남아시아 영어

    플랫폼이 JavaScript를 흡수하는 흐름의 구체적 사례. 상태로 포털을 관리하던 상품 이미지 모달을 네이티브 popover 속성으로 바꿔 React 코드를 최대 70% 줄였다. AI 논의와 별개로 프론트엔드의 일 자체가 줄어드는 방향이 있다는 것을 보여 준다.

    React 코드 최대 70% 감소

  249. AI for accessible components (새 창)

    Hidde de Vries 개인 글 유럽 영어

    이 논의의 출발점이 된 2024년 글. 접근성 있는 컴포넌트는 미묘한 판단으로 이루어져 있는데 자동완성에는 의도가 없다는 논지이며, 당시 v0의 대표 예시 여섯 개에서 연속으로 WCAG 위반을 찾아 기록했다.

    v0 대표 예시 6개 연속 WCAG 위반

  250. GitClear 보고서에 대한 Hacker News 토론 (새 창)

    Hacker News 커뮤니티 전 세계 영어

    주요 반론이 정리돼 있다 — 수정이 싸지면 변경량은 품질 지표로 나빠진다는 점, 상관을 인과로 읽을 수 없다는 점, 중복이 어떤 작업에서는 받아들일 만한 트레이드오프라는 점이다.

    81 포인트 · 댓글 55개

  251. State of Frontend (새 창)

    The Software House (폴란드) 설문 유럽 영어

    프론트엔드만 대상으로 한 몇 안 되는 국제 설문. 139개국 6,028명 중 AI가 프론트엔드 개발자를 대체할 것이라고 본 사람은 3.2%뿐이었고, 60.6%는 AI가 이 일을 영구히 보조하게 될 것이라고 답했다. 다만 2024년 조사라 2025~2026년의 급격한 변화는 담고 있지 않다.

    139개국 6,028명 · 대체할 것 3.2% · 영구히 보조 60.6% · 매일 AI 사용 75.8%

  252. Work | 2024 Stack Overflow Developer Survey (새 창)

    Stack Overflow 설문 전 세계 영어

    전년도 같은 표. 2024년과 2025년을 나란히 놓으면 미국 기준 프론트엔드와 백엔드의 보수 격차는 3만 5천 달러에서 3만 달러로 오히려 좁혀졌고 프론트엔드 중앙값 자체도 올랐다. “프론트엔드가 밀려난다”는 서술을 보수 데이터만으로 뒷받침하기 어렵다는 뜻이다.

    2024 전 세계 중앙값: 프론트엔드 $48,787 · 백엔드 $67,227 / 2024 미국: 프론트엔드 $135,000 · 백엔드 $170,000

  253. SW기술자 평균임금 (2023년 적용) (새 창)

    한국소프트웨어산업협회 (KOSA) 공공 통계 한국

    같은 표의 이전 판. 당시 UI/UX 기획·개발자는 응용SW개발자의 약 93.4% 수준이었다. 두 판을 비교하면 격차가 벌어진 방향이 보이지만, 중간 회차들은 이 페이지에서 확인하지 않았으므로 추세로 단정하지 않는다.

    UI/UX 기획·개발자 6,003,128원 · 응용SW개발자 6,426,417원 (비율 약 93.4%)