미카 플라워스(Mika Flowers)는 2026년 9월 19일 DEV Community에 의견 에세이를 게재하고, AI 코딩 어시스턴트가 소프트웨어 엔지니어를 더 생산적으로 보이게 하면서도 그 생산성을 가능하게 했던 장인적 역량은 약화할 수 있다고 주장했다. ai, career, productivity, programming 태그가 붙은 해당 게시물은 수집된 버전 기준 19개 반응과 8개 댓글을 받았다. 플라워스는 AI 도구가 이제 엔지니어에게 몇 분 만에 작동하는 프로토타입을 만들고, 티켓을 더 빨리 닫고, 관리자가 흔히 추적하는 지표를 맞추게 한다고 말한다.

플라워스는 “업무를 잘하는 것”과 “기술을 잘 다루는 것”을 구분한다. 에세이는 전통적인 엔지니어링 역량이 느린 디버깅 연습, 시스템 수준의 직관, 낯선 문제를 도움 없이 추론하는 과정에서 나왔다고 설명한다. 플라워스에 따르면 AI 코딩 어시스턴트와 AI 에이전트는 그 어려움의 상당 부분을 제거하기 때문에, 산출물은 늘어도 독립적 문제 해결을 떠받치는 인지 습관은 쓰이지 않을 수 있다.

핵심 주장은 소프트웨어 엔지니어에게 생산성과 인지 발달이 더 이상 함께 움직이지 않는다는 것이다. 플라워스는 생산성을 닫은 티켓, 배포한 기능, 시간당 생산한 작동 코드 등 처리량으로 정의한다. 반면 인지 발달은 도구가 대신 추론하지 않는 상태에서 새로운 문제를 스스로 추론하는 능력이 커지는 것으로 정의하며, 에세이는 AI가 “그 연결을 끊는다”고 말한다. 엔지니어가 이제 더 많은 것을 배포하면서도 덜 풀 수 있기 때문이다.

플라워스는 AI에 크게 의존하는 방식이 역량 성장을 늦추는 데 그치지 않고 기존 문제 해결 능력을 실제로 떨어뜨릴 수 있다고 주장한다. 에세이는 문제가 불편해질 때마다 AI 제안을 찾는 엔지니어가 그 불편함에 머무는 대신 넘겨주는 법을 반복적으로 학습한다고 설명한다. 플라워스는 그런 반사적 행동을 의도적 연습과 대비한다. 의도적 연습은 가능한 한 빨리 빠져나오는 것이 아니라 “생산적 고투 구간”에 머무는 일을 요구한다.

에세이는 엔지니어에게 AI, 대규모 언어 모델 (LLM), 코딩 에이전트 사용을 중단하라고 요구하지 않는다. 플라워스는 기술이 진보하기 때문에 엔지니어가 이를 사용해야 한다고 말하며, 그 변화를 고급 언어가 Assembly를 대체한 일에 비유한다. 다만 경고는 더 좁다. 매우 생산적인 한 주, 심지어 기록상 가장 생산적인 한 달도 인지 정체와 동시에 일어날 수 있으며, 일반적인 직장 대시보드는 그 트레이드오프를 보여주지 않을 수 있다. 플라워스는 경고 신호가 개인적이라고 말한다. 몇 달 뒤 엔지니어가 예전에는 독립적으로 처리했던 유형의 문제를 추론해 보기 전에 먼저 도구부터 찾는 자신을 알아차릴 수 있다는 것이다.

미카 플라워스(Mika Flowers)는 2026년 9월 19일 DEV Community에 의견 에세이를 게재하고, AI 코딩 어시스턴트가 소프트웨어 엔지니어를 더 생산적으로 보이게 하면서도 그 생산성을 가능하게 했던 장인적 역량은 약화할 수 있다고 주장했다. ai, career, productivity, programming 태그가 붙은 해당 게시물은 수집된 버전 기준 19개 반응과 8개 댓글을 받았다. 플라워스는 AI 도구가 이제 엔지니어에게 몇 분 만에 작동하는 프로토타입을 만들고, 티켓을 더 빨리 닫고, 관리자가 흔히 추적하는 지표를 맞추게 한다고 말한다.

플라워스는 “업무를 잘하는 것”과 “기술을 잘 다루는 것”을 구분한다. 에세이는 전통적인 엔지니어링 역량이 느린 디버깅 연습, 시스템 수준의 직관, 낯선 문제를 도움 없이 추론하는 과정에서 나왔다고 설명한다. 플라워스에 따르면 AI 코딩 어시스턴트와 AI 에이전트는 그 어려움의 상당 부분을 제거하기 때문에, 산출물은 늘어도 독립적 문제 해결을 떠받치는 인지 습관은 쓰이지 않을 수 있다.

핵심 주장은 소프트웨어 엔지니어에게 생산성과 인지 발달이 더 이상 함께 움직이지 않는다는 것이다. 플라워스는 생산성을 닫은 티켓, 배포한 기능, 시간당 생산한 작동 코드 등 처리량으로 정의한다. 반면 인지 발달은 도구가 대신 추론하지 않는 상태에서 새로운 문제를 스스로 추론하는 능력이 커지는 것으로 정의하며, 에세이는 AI가 “그 연결을 끊는다”고 말한다. 엔지니어가 이제 더 많은 것을 배포하면서도 덜 풀 수 있기 때문이다.

플라워스는 AI에 크게 의존하는 방식이 역량 성장을 늦추는 데 그치지 않고 기존 문제 해결 능력을 실제로 떨어뜨릴 수 있다고 주장한다. 에세이는 문제가 불편해질 때마다 AI 제안을 찾는 엔지니어가 그 불편함에 머무는 대신 넘겨주는 법을 반복적으로 학습한다고 설명한다. 플라워스는 그런 반사적 행동을 의도적 연습과 대비한다. 의도적 연습은 가능한 한 빨리 빠져나오는 것이 아니라 “생산적 고투 구간”에 머무는 일을 요구한다.

에세이는 엔지니어에게 AI, 대규모 언어 모델 (LLM), 코딩 에이전트 사용을 중단하라고 요구하지 않는다. 플라워스는 기술이 진보하기 때문에 엔지니어가 이를 사용해야 한다고 말하며, 그 변화를 고급 언어가 Assembly를 대체한 일에 비유한다. 다만 경고는 더 좁다. 매우 생산적인 한 주, 심지어 기록상 가장 생산적인 한 달도 인지 정체와 동시에 일어날 수 있으며, 일반적인 직장 대시보드는 그 트레이드오프를 보여주지 않을 수 있다. 플라워스는 경고 신호가 개인적이라고 말한다. 몇 달 뒤 엔지니어가 예전에는 독립적으로 처리했던 유형의 문제를 추론해 보기 전에 먼저 도구부터 찾는 자신을 알아차릴 수 있다는 것이다.