서구는 물건 만드는 법을 잊었고, 이제는 코드를 잊고 있다

• 방산 생산 역량 붕괴는 은퇴한 숙련 인력과 사라진 공정 지식이 끊기면, 전시 수요가 생겨도 생산을 빠르게 되살리지 못한다는 점을 드러냄
• Stinger, 155mm 포탄, Fogbank 복원 사례는 비용 최적화와 단일 실패 지점이 평시 효율을 높였지만 공급망 여유와 복구 속도는 크게 약화시켰음을 보여줌
• 소프트웨어도 더 싼 대체재에 기대며 인력 파이프라인을 약화시키는 경로로 움직이고 있고, AI 도입 뒤에는 주니어 채용 축소와 review bottleneck이 함께 커지고 있음
• 숙련은 돈만으로 빠르게 만들 수 없고, 방산과 소프트웨어 모두에서 지식과 숙련의 축적에는 수년의 현장 경험과 검토 역량이 필요함
• 주니어가 형성기 실수와 디버깅을 거치지 못하면 암묵지가 쌓이지 않아, 장차 senior 엔지니어와 institutional knowledge가 부족해질 위험이 커짐

방산 생산 역량 붕괴와 소프트웨어 인력 축소의 평행선

• Raytheon은 Stinger 생산 재개를 위해 70대 엔지니어를 다시 불러와, 오래된 종이 도면과 창고에 있던 시험 장비를 바탕으로 공정을 되살려야 했음
• Pentagon이 20년 동안 새 Stinger를 사지 않은 뒤 우크라이나 전쟁으로 수요가 급증했지만, 생산 라인은 닫혀 있었고 전자 부품과 seeker는 단종 상태였으며 2022년 5월 주문분도 2026년에야 인도될 예정이었음
• 전쟁 10개월 만에 13년치 Stinger 생산량이 소진될 정도로 수요가 커졌고, 이미 사라진 생산 지식과 인력 공백이 병목으로 떠오름
• 단순한 예산 문제가 아니라 은퇴한 숙련 인력이 빠져나간 뒤 대체 인력이 이어지지 않은 구조가 핵심 장애로 작동함

탄약 증산 실패가 드러낸 공급망 취약성

• 100만 발 약속과 실제 생산 능력

  • EU는 2023년 3월 우크라이나에 12개월 안에 포탄 100만 발을 공급하겠다고 약속했지만, 유럽의 연간 생산 능력은 23만 발 수준이었고 우크라이나는 하루 5,000~7,000발을 소모했음
  • 마감 시점까지 유럽은 약 절반만 인도했고, 9개국 11개 매체 조사에서는 실제 생산 능력이 EU 공식 주장치의 약 3분의 1 수준으로 집계됨
  • 100만 발 달성 시점은 2024년 12월로 밀렸고, 원래 약속보다 9개월 늦어짐

• 여러 병목이 동시에 겹친 구조

  • France는 2007년에 자국 추진제 생산을 중단한 뒤 17년 동안 멈춰 있었음
  • 유럽의 주요 TNT 생산처는 Poland 한 곳뿐이었고, Germany의 비축 탄약은 이틀치에 불과했음
  • Denmark의 Nammo 공장은 2020년에 닫힌 뒤 처음부터 다시 가동해야 했음
  • 유럽 방산 산업은 소량의 고가 맞춤형 제품에 최적화돼 있었고, 대량 생산과 위기 대응을 전제로 설계되지 않았음

• 미국도 비슷한 약점을 가짐

  • 미국도 Scranton의 한 공장, Iowa의 폭약 충전 시설 하나에 의존했고 1986년 이후 자국 TNT 생산이 끊겨 있었음
  • 수십억 달러를 투입한 뒤에도 생산량은 목표의 절반에도 미치지 못함

비용 최적화가 만든 단일 실패 지점

• 1993년 Pentagon은 방산 CEO들에게 통합하지 않으면 도태된다는 메시지를 던졌고, 그 뒤 51개 주요 방산 업체가 5개로 줄어듦
• 전술 미사일 공급사는 13개에서 3개로, 조선 업체는 8개에서 2개로 줄었고, 노동력은 320만 명에서 110만 명으로 65% 감소함
• 탄약 공급망 곳곳에 single point of failure가 생겼고, 155mm 포탄 탄체 제조는 California Coachella의 한 업체에 집중돼 있었음
• 추진 장약도 Canada의 단일 시설에 의존했고, 최소 비용 중심 최적화는 평시 효율을 높였지만 수요 급증에는 거의 여유를 남기지 못함

지식이 사라지면 복구도 늦어짐

• Fogbank 복원 실패

  • Fogbank는 핵탄두에 쓰이는 기밀 물질로 1975년부터 1989년까지 생산된 뒤 시설이 폐쇄됐음
  • 2000년 수명 연장 프로그램을 위해 다시 만들려 했지만 생산 전문성을 가진 인력 대부분이 은퇴하거나 사망했거나 기관을 떠난 상태였고 기록도 거의 남아 있지 않았음
  • GAO 관련 내용에 따르면 추가로 6,900만 달러와 여러 해의 역공학을 들여서야 생산 가능한 Fogbank를 다시 확보함

• 문서에 없는 암묵지가 결정적이었음

  • 새로 만든 Fogbank는 너무 순도가 높았고, 원래 배치에 들어 있던 의도하지 않은 불순물이 실제 기능에 중요했다는 사실이 뒤늦게 드러남
  • 그 정보는 어떤 문서에도 없었고, 원래 생산을 맡았던 작업자들만 알고 있었는데 이미 은퇴한 뒤였음
  • 스스로 만든 물질조차 다시 만들지 못한 이유는 지식이 사람에게만 남아 있었기 때문이었음

소프트웨어도 같은 경로로 움직임

• 싸고 빠른 대체재가 인력 파이프라인을 약화시킴

  • 수십 년에 걸쳐 구축한 역량을 더 싼 대체재로 바꾸고, 인간 인력 파이프라인을 약화시킨 뒤, 위기 때 제거했던 역량이 다시 필요해지는 패턴이 방산과 소프트웨어에서 겹침
  • 방산에서 그 대체재가 peace dividend였다면, 소프트웨어에서는 AI가 같은 자리를 차지함
  • 기존의 인재 파이프라인 붕괴와 이해력 위기는 이미 드러나 있었고, 방산 사례는 그 재건 기간이 얼마나 긴지도 함께 보여줌

• 재건에는 돈보다 시간이 필요함

  • 주요 방산 증산은 단순 체계도 3~5년, 복잡한 체계는 5~10년이 걸렸음
  • Stinger는 주문부터 인도까지 최소 30개월, Javelin은 생산량을 두 배도 채 안 되게 늘리는 데 4년 반, 155mm 포탄은 50억 달러를 투입하고도 4년째 목표에 못 미침
  • France도 추진제 생산 재개까지 17년이 걸렸고, 제약은 자금보다 지식과 숙련에 있었음
  • RAND 연구는 잠수함 설계 기술의 10%가 PhD 이후에도 현장 10년 경험을 필요로 한다고 봤고, 방산 숙련직도 견습 2~4년과 감독 역량까지 5~8년이 필요했음

• 소프트웨어 성장 곡선도 압축되지 않음

  • 주니어 개발자가 안정적인 mid-level로 가는 데 3~5년, senior까지 5~8년, principal이나 architect까지는 10년 이상이 걸림
  • 이 시간은 돈을 더 쓴다고 줄어들지 않고, AI로도 압축되기 어려워 보임

AI 도입 이후의 병목과 숙련 약화

• 생산 속도보다 검토 병목이 커짐

  • METR 무작위 대조 실험에서는 숙련 개발자가 AI 코딩 도구를 쓸 때 실제 오픈소스 작업이 오히려 19% 더 오래 걸렸음
  • 시작 전에는 AI가 24% 더 빠르게 만들 것이라 예상했지만, 실제 결과와의 차이는 43%포인트였음
  • 후속 실험에서는 AI 없이 일해야 한다면 참여하지 않겠다는 개발자 비중도 적지 않았고, AI 없는 작업으로 돌아가는 상상도 쉽지 않아 보였음

• 채용 축소와 대학 등록 감소

  • Salesforce는 2025년에 소프트웨어 엔지니어 추가 채용을 하지 않겠다고 했음
  • LeadDev 조사에서는 엔지니어링 리더의 54%가 AI copilots가 장기적으로 주니어 채용을 줄일 것이라고 봤음
  • CRA 조사에서는 대학 컴퓨팅 학과의 62%가 올해 등록 감소를 보고함

• 코드 리뷰가 핵심 제약으로 이동함

  • AI는 코드를 빠르게 생성하지만 인간의 리뷰는 느리게 진행돼 review bottleneck이 생김
  • 이에 대응해 AI가 AI의 코드를 검토하게 두지 않고, pull request 템플릿에 변경 내용, 변경 이유, 변경 유형, 전후 스크린샷을 반드시 넣도록 바뀜
  • 프로젝트별 전담 리뷰어를 추가해 모델이 놓친 부분을 더 많은 눈으로 잡아내려는 방식도 쓰임

앞으로 부족해질 역량

• 기술만으로는 부족한 환경으로 바뀜

  • 이제는 기술 전문성만으로 충분하지 않고, 책임을 지고 트레이드오프를 설명하며 기계가 자신 있게 내놓는 잘못된 제안을 밀어낼 수 있는 판단력과 리더십이 함께 필요함
  • 최근 채용에서는 지원자 2,253명 중 2,069명이 탈락하고 4명만 채용됐으며, 전환율은 0.18%였음
  • 기술력과 함께 AI의 오류를 식별하는 판단력을 가진 인재가 시장에 거의 없다는 현실이 드러남

• 문서화만으로는 지식 전수가 끝나지 않음

  • Site Books, SDDs, RVS 보고서, 완전한 커버리지를 갖춘 boilerplate 모듈까지 폭넓게 문서화하고 있음
  • 지금은 그 문서를 읽는 사람들이 엔지니어링 전문성을 갖고 있어 작동하지만, 그 전문성이 사라질 때도 같은 방식이 유지될지는 불확실함
  • 2031년의 모델 성능은 예측할 수 없고, AI가 충분히 좋아져 문제를 덜 만들지도 확실하지 않음

• 위기는 예고 없이 오고, senior는 즉시 만들어지지 않음

  • 2022년 유럽에서 전면전이 벌어질 것이라 예상하지 못했던 것처럼, 위기는 일정표에 맞춰 오지 않음
  • 5~10년 뒤에는 시스템 전체를 이해하고 새벽 2시에 분산 장애를 디버깅하며 코드베이스 밖의 institutional knowledge까지 짊어진 senior 엔지니어가 필요해짐
  • 그런데 그런 인력은 지금 만들어지지 않고 있고, 배워야 할 주니어는 채용되지 않거나 DoD 자금 연구가 부르는 AI-mediated competence를 쌓는 중임
  • AI에 프롬프트를 던지는 능력은 남아도, AI가 틀린 지점을 짚어내는 역량은 자라지 않을 수 있음

코드의 Fogbank가 될 수 있는 위험

• 주니어가 디버깅과 형성기 실수를 건너뛰면 암묵지가 쌓이지 않고, 현재 세대 엔지니어가 은퇴할 때 그 지식은 AI로 이전되지 않음
• 그 결과 지식은 단순히 사라질 수 있고, 이는 Fogbank에서 벌어진 일과 같은 구조와 맞닿아 있음
• 우크라이나 전쟁은 방산의 최적화 실패가 실제 비용으로 돌아오는 순간이었고, Stinger, Javelin, Fogbank, 생산하지 못한 100만 발 포탄이 그 대가를 보여줌
• 소프트웨어 엔지니어링도 같은 최적화에 베팅하고 있으며, AI가 충분히 좋아지면 이 베팅이 맞을 수 있지만 그렇지 않으면 같은 청구서가 돌아올 수 있음