[IT컨퍼런스] 원티드 하이파이브 2026 후기 (Makers Day)

 

 

원티드 하이파이브 2026

2026.05.13(수) Makers Day에 참여했다.

 

컨퍼런스를 들으러 가는 사람이 아닌데

AI를 무지성으로 사용하는 자신에 대해 싱숭생숭한 마음이 들을때쯤

광고를 보게 되어 신청했다.

 

주니어가 아님에도 첫 컨퍼런스였다...

 

 

 

Tech와 PO/PM 중에 고민이 있었는데

그래도 개발자들의 이야기를 듣고 싶다는 마음이 더 커서

테크에만 집중하기로 했다.

 

만약 저 네 개의 트랙이 4일 동안 나뉘어져서 진행된다면 네 개 다 들으러 가지 않았을까, 라고

생각할 정도로 궁금했다.

 

이게 바로 첫 컨퍼런스 방문자의 패기...?

 

 

 

오디토리움이 어딘지 몰라서 헤맸다

메가박스와 아쿠아리움 중간에 에스컬레이터가 있는데

거기서 올라오면 바로 오디토리움

 

 

 

혼잡할 수 있으니까 8시 30분까지 오라길래

8시까지 갔는데 텅텅

시간표 확인해보니 10시 시작이었다

 

 

입장 선물을 받고 테크룸에서 혼자 공부하다가

사람들 몰려올 때쯤 밖으로 나가서 경품 받았다

꽤나 쏠쏠해요

 

 

 

 

10:00~10:50

AI 시대에도 커리어가 계속 쌓이는 엔지니어의 비밀

이승준(Apple)

 

AI는 구현 속도를 높여주지만,

무엇을 왜 만들어야 하는지, 어디까지 만들어야 하는지,

무엇을 만들지 말아야하는지는 여전히 사람이 판단해야한다.

 

반복적인 구현, 문서정리, 리팩토링 같은 작업들을

AI가 대체하거나 보조할 수 있지만

문제를 정의하는 일

방향이 맞는지 판단하는 일

설계의 리스크를 책임지는 일

등등 이와같은 역할들은 쉽게 사라지지 않는다.

 

따라서 앞으로의 경쟁력은 '내가 손으로 얼마나 많이 구현하느냐'에서

'이것을 왜, 어떻게 만들어야하는지 판단할 수 있느냐'로 이동한다.

 

기본기가 약하면 AI가 만든 결과물이 왜 맞는지, 어디서 깨질 수 있는지,

실무에 넣어도 되는지 판단하기 어렵다.

 

정말 이해했는지 확인하는 기준으로는

'누군가에게 설명할 수 있는가'이다.

 

사용자와 대화하고 피드백을 흡수하고

기술을 실제 가치로 연결하는 능력이 점점 중요해질 것이다.

단순히 만드는 사람이 아니라

문제, 사용자, 가치를 이해하고 전달하는 엔지니어가 되어야 한다.

 

-

 

나은 서비스를 만들고자 한다면 AI에게 만들어줘, 라고 말하는게 아니라

이러한 성능과 에러를 고려해서 이러한 기능을 만들어줘, 라고 말해야한다고 이해했다.

 

개발할 때 이해가 기본이 되어야한다고 생각하지만

'빠른 개발'이 주가 되는 일이라서,

점점 이해하기를 포기하고 만드는 일에 집중했다.

 

업무 특성상 회사 입장에선 빨리 만드는게 중요하다.

하지만 장기적으로 봤을 때 그냥 만든 사이트보다

여러가지를 고려해서 만든 사이트의 유지보수가 적고 더 쉬울 것이라고 생각한다.

 

이해하며 빨리 만들기... 어렵다.

 

 

 

 

 

11:10~12:00

토스 프론트엔드, 1명부터 260명까지, 앞으로는?

박서진(비바리퍼블리카), 한재엽(비바리퍼블리카)

 

단순히 사람 수를 늘리는 것이 아니라

좋은 사람을 모으고, 같은 기준으로 성장시키고,

리더십과 플랫폼으로 조직의 생산성을 확장하는 것을 중요하게 봤다.

 

개발자를 넘어 문제 해결자가 되는 사람

기술로 새로운 가능성을 보여주는 사람

이런 사람들처럼 단순히 규모가 아니라, 인재의 밀도가 중요하다.

 

채용 첫 단계인 과제전형에서 사람들이 우수수 떨어졌다.

채용 문제를 해결하기 위해

좋은 코드와 프론트엔드 개발 기준을 정리한

프론트엔드 펀더멘탈을 만들었다.

공개하는 것만으로는 과제 전형 통과율이 좋아지진 않았다.

(외부에서 반응은 좋았다고...)

 

그 다음은 모의고사 형태의 프로그램을 열었고

이건 실제 지원과 합격으로 이어진적이 있다.

(이것도 크게 좋아진건...)

 

그 다음은 프론트엔드 엑셀러레이터라고 교육프로그램을 만들었다.

참가자들은 토스 오피스에서 코치와 코드리뷰 교육을 받았다.

좋은 사람을 기다리는 것에서,

좋은 사람으로 성장할 수 있도록 직접 키우는 방식으로 전환한 것이다.

 

-

 

AI 활용을 생산과 검증 두 축으로 나누어 바라본다.

LLM은 무언가를 생산하는데 강하고

산출물이 많아질수록 검증이 어렵다.

 

AI 시대의 개발 워크플로우는 생산만 빨라지는 것이 아니라

검증도 함께 빨라져야 한다.

AI가 생산과 검증을 도와도 방향을 잡는 것은 사람이다.

 

토스 내부에 AI 스킬을 아무나 추가하지 않도록 커뮤니티가 있는데

기존 스킬과 충돌 여부 검토, 실제 프로젝트 적용 테스트 등 역할을 한다.

개발자는 별도로 스킬을 쇼핑하지 않아도 최신 AI 개발환경을 사용할 수 있다.

 

-

 

초반 내용에서 인재를 위해 다양한 시도를 했구나 감탄을 했다.

 

후반부에서는 AI 활용을 어떻게 하고 있는지를 얘기해줬는데

인원이 몇 안되는 기업에서

최신 AI 를 안정화하는 사람, 개발하는 사람을 따로 뽑을 수가 있을까?

규모가 작으면 한 사람이 두 역할을 할 가능성이 크다고 느꼈다.

(그것이 나..? 오히려 좋아 내가 짱이 된다)

 

AI를 팀과 서비스에 맞게 정착시키는 사람의 가치가

더 커질 수 있겠다는 생각이들었다.

 

 

 

 

 

14:00~14:50

Inside Out: Agent Platform 개발기

정기수(원티드랩)

 

AI는 단순히 질문에 답하는 도구에서

실제 업무를 수행하는 실행형 에이전트로 이동하고 있다.

 

기업용 에이전트는 단순히 '잘 답변하는 것'만으로는 부족하다.

권한, 데이터 연결, 품질 평가, 비용 관리, 운영 지표 등 함께 설계되어야 한다.

 

기업에서 에이전트를 제대로 쓰려면 모델이 아니라 플랫폼이 필요하다.

 

이제 AI는 '무엇을 알고 있느냐'보다

'무엇을 수행할 수 있느냐'가 더 중요해지고 있다.

Claude Code, Codex, Manus 같은 도구들은 AI가 채팅창을 넘어

실제 작업 환경에서 동작하는 경험을 보여주고 있다.

 

원티드랩은 내부에서 엔도니아라는 에이전트 빌더 플랫폼을 만들었다.

원천 데이터 링크만 연결하면 에이전트가 알아서 잘 검색하고

답변할 것이라고 생각했지만 그렇지 않았다.

원하는 시점에, 원하는 질문에 맞는 정보를 가져오도록 설계해야한다.

 

에이전트 메이커는 개발자만이 아니다.

AI팀은 기술적으로 복잡한 에이전트를 만들 수 있고

서비스 개발팀은 제품 안에 AI 기능을 붙일 수 있다.

현업 부서는 자신이 반복하는 업무를 자동화하는 에이전트를 만들 수 있다.

 

앞으로 개발자만이 에이전트를 만드는 것이 아니라

문제를 가장 잘 아는 현업이 직접 만드는 흐름이 생길 가능성이 높다.

 

초기에는 AI를 '많이 써보자'가 중요했지만

최근에는 '잘 쓰는 것'이 중요해졌다.

토큰 비용, 모델 호출 비용, 운영 비용을 고려하면

무작정 많이 만드는 방식은 지속가능하지 않다.

 

그래서 중요한 지표는 단순 생성 수가 아니라

지속적으로 운영되고 실제로 사용되는 에이전트 수다.

 

-

 

내부에서 본인이 만든 스킬을 홍보하게끔 유도한다는 점이 인상 깊었다.

전사 채널에 공유하고, 매달 우수 사례도 시상한다고 한다.

좋은 스킬이 퍼질 수 있는 구조를 만들었기 때문에 문화가 강화됐다고 생각한다.

 

컨퍼런스를 계속 듣다보니

성장하고자하고 발전하고자하는 주변 사람들이 있어야

보다 빠르게 적응하고 적용할 수 있는 것 같다.

 

지금 나에게는 그런 환경에 놓이게끔 하는것이 중요해보인다.

 

 

 

 

 

15:10~16:00

레트로 지향 엔지니어의 AI시대 적응기

정찬훈(센드버드)

 

이건...!

터미널을 좋아하시는 연사님께서

초반에 여러 툴들을 언급하셨는데

어.. 그게 뭐지.. 저건 뭐고...라는 생각만 반복돼서

흐린눈 하게된 세션이다.

 

여태까지 들은 세션 중에서 웃음 반응이 가장 좋았다.

같이 웃질 못했을 뿐...🥲

 

 

 

 

16:20~17:10

문제 해결의 철학: 언제나 더 나은 방법이 있다

배휘동(코르카), 임동준(우아한형제들)

 

AI 시대의 문제 해결에서 중요한 것은

'어떤 도구를 쓰느냐'보다

어떤 태도로 문제를 바라보고 AI와 협력하느냐다.

 

코딩은 자동화가 되고 있기 때문에

이제 중요한 것은 좋은 문제를 고르고, 좋은 성공 기준을 만들고,

AI가 더 잘 일할 수 있는 환경을 설계하는 일이다.

 

무엇을 만들 것인가

왜 만들어야 하는가

어떤 기준을 만족해야 하는가

어떤 테스트를 통과해야 하는가

어떻게 검증할 것인가

어떤 도구와 환경을 AI에게 제공할 것인가

 

개발자는 단순 구현자에서

문제 정의자이자 에이전트 설계자에 가까워지고 있따.

 

좋은 태도가 좋은 에이전트를 만든다고 한다.

여기서 태도는 도덕적인 게 아니라 AI와 협력하는 마인드셋에 가깝다.

 

AI에게 존댓말을 쓰면 응답의 품질보다도

내 태도의 품질이 좋아진다고 한다.

 

AI에게 막 대하면 지시도 거칠고 불명확해지기 쉽지만

정중하게 말하면 문장이 더 완성되고, 목적과 맥락을 더 분명하게 쓰게 된다.

중요한건 AI가 감정을 느끼느냐가 아니라

AI를 대하는 방식이 결국 내 사고방식과 지시 품질에 영향을 준다는 점이다.

 

잘못된 결과가 나왔을 때도 '왜 이랬어?'가 아니라

비슷한 실수를 반복하지 않으려면 무엇을 바꾸면 좋을까?

다음 시도에서 어떤 기준을 추가하면 좋을까?

처럼 접근하여 에이전트와의 협업 품질을 높일 수 있다.

 

-

 

'좋은 태도로 내가 말하는 품질이 좋아진다'는 문구에 머리가 띵했다.

평소에 '~해줄래? 알려줄래?' 같이 나름 정중하게 요청은 하고 있지만

반복적인 실수가 나올때,

'이거 아니라고 왜그래!', '아니! 그게아니라!!!'라며 짜증을 낸다.

 

최근에 '이거써서 이렇게 만들어줘'라고 단순한 요청을 자주 한다.

실행이 안되면 '이거 실행되게 만들어줘'라고 말하고,

AI는 왜 안되는지 예측되는 내용을 말한 다음 고쳐주는데

'왜 안되는지'에 대해 점차 안보게 되었다.

 

얘는 내 말에 따라 만들어줘야하는 에이전트고

나는 결과물을 받기만 하면 된다는 생각이 깔려있었기 때문이다...!

이때문에 이해할 생각이 점점 사라지고 있었던 것 같다.

 

에이전트를 동료라고 생각하고 대화하다보면

이게 어느정도 회복되지 않을까란 생각을 잠시 해보았다.

 

 

 

 

17:30~18:20

AI 시대, 생존을 넘어 도약하는 엔지니어의 학습 방법

강대명(래블업)

 

더이상 엔지니어는 '코드를 얼마나 잘 짜는가'만으로 성장하지 않는다.

코딩 AI가 구현을 빠르게 대신하는 시대에는

방향을 정하고 결과를 검증하고 책임질 수 있는 능력이 더 중요해진다.

 

AI 코딩으로 새로운 문제가 생겼다.

 

성장하고 있다는 느낌이 줄어들고

AI가 만든 코드에 대한 통제감이 약해지고

장애가 났을 때 직접 고치기 어려워졌다.

 

AI가 코드를 만들어도 다음은 사람이 해야한다.

코드의 의도를 설명한다.

방향성이 맞는지 판단한다.

최종 책임을 진다.

AI는 코드를 만들 수 있지만
그 코드가 왜 필요한지 설명하고 책임지는 일은 여전히 사람의 몫이다.

 

성장감이 줄어드는 이유를 두가지로 설명했다.

 

1. 실제 학습 기회가 줄었다.

예전에는 설계하고 구현하면서 자연스럽게 배웠지만

이제는 AI가 결과물을 만들어주기 때문에 그 과정에서 생기던 고민이 사라졌다.

 

2. 성장의 기준이 바뀌었다.

예전에는 내가 직접 만들 수 있는가가 중요했다면

이제는 내가 올바르게 판단할 수 있는가가 더 중요해졌다.

 

AI는 기본 품질의 하한선을 올렸다.

누구나 빠르게 앱을 만들고 코드를 생성하고 배포할 수 있게 되었다.

 

상한선을 올리는 것은 사람의 역할이다.

더 좋은 사용자 경험

더 안정적인 아키텍처

더 나은 장애 대응

.. 등등

AI가 평균적인 답을 만든다면, 차이를 만드는 것은 사람의 질문과 판단이다.

 

-

 

AI 보다 많이 알고 빨리 알 수는 없다.

내가 AI가 만들어낸 코드를 모른다고해서 이상한게 아니란 것이다..!

 

하지만 내가 명령을 해서 나온 코딩을 적용시키기까지의 과정에서

그걸 왜 거기에 적용해야하는지를 알고

적용 후의 생기는 일(그것이 문제가 아니길)에 대해서는 예상하고 책임을 질 수 있어야 한다.

 

AI가 많이 안다고 해서 인간 학습의 가치가 줄어든 게 아니라,
오히려 “판단하기 위해 더 깊은 학습”이 필요해졌다....

 

 

---

 

나름 노트북들고 메모까지 했는데

지금 정리안하면 까먹고 정리도 안할 것 같아서

부랴부랴 정리했다.

 

이번 컨퍼런스들을 들으면서 공통적으로 느낀 건,
AI 시대에는 단순히 '빨리 만드는 사람'보다
이해하고 판단할 수 있는 사람이 더 중요해지고 있다는 점이었다.

AI가 구현은 점점 더 잘해주고 있지만,
왜 이렇게 만들어야 하는지,
어떤 문제가 생길 수 있는지,
어떤 방향이 더 맞는지는 결국 사람이 고민해야 했다.

다들 어떻게 이렇게 매일 공부하면서 사는 건지 모르겠다...
열심히 사는 사람이 정말 많다는 것도 많이 느꼈다.

 

나도 아자아자닷...!