우버의 AI 채용 전략: 사람을 없애기보다 ‘추가 채용’을 줄인다

우버의 AI 전략은 단순히 “개발자를 AI로 대체한다”는 이야기로 보기 어렵다. 더 정확히는 인력 효율 전략에 가깝다. AI에 더 많은 비용을 쓰는 대신 신규 채용 증가 속도는 조절하고, 이미 회사 안에 있는 직원들이 더 많은 결과물을 내도록 하겠다는 것이다.

가장 선명한 신호는 다라 코스로샤히 우버 CEO의 발언에서 나왔다. 그는 우버의 코드 변경 가운데 약 10%가 자율 에이전트에 의해 만들어지고 있으며, 해당 코드는 저장소에 병합되기 전 여전히 직원들이 검토한다고 말했다 .

핵심은 ‘엔지니어 대체’보다 ‘증분 채용 축소’

우버가 지금 설명하는 미래는 엔지니어가 개발 과정에서 사라지는 그림이 아니다. 당장의 전략은 훨씬 현실적이다. 업무량이 늘 때마다 같은 비율로 사람을 더 뽑기보다, AI를 통해 기존 직원의 처리량을 끌어올리는 방식이다 .

코스로샤히는 직원들이 AI를 이용해 산출량을 20%, 30%, 50%, 나아가 100%까지 높이길 원한다고 말했다 . 여기서 말하는 변화는 채용 공식 자체를 바꾼다. 예전에는 더 많은 소프트웨어 개발 역량이 필요하면 엔지니어를 추가 채용하는 것이 자연스러운 선택이었다. 이제 우버는 그 일부를 AI 코딩 에이전트, 개발자 도구, 자동화, 연산 인프라로 채우려 한다.

코스로샤히는 장기적으로는 일부 추가 엔지니어 채용을 AI 에이전트와 GPU로 대체할 가능성도 언급했다 . 다만 현재 공개된 보도와 발언을 종합하면, 우버의 실제 운영 방식은 아직 사람이 검토하고 책임지는 ‘휴먼 인 더 루프’ 모델에 가깝다 .

우버 엔지니어링에서 AI가 맡는 일

변화의 중심은 AI가 단순 자동완성 도구를 넘어 소프트웨어 전달 과정의 적극적인 참여자로 바뀌고 있다는 점이다. 프라빈 네팔리 나가 우버 CTO는 회사가 AI 코딩에 강하게 베팅하고 있으며, 우버 엔지니어의 95%가 매달 AI 도구를 사용한다고 밝혔다. 그는 또 내부 AI 에이전트가 주당 약 1,800건의 코드 변경을 만들고 있다고 말했다 .

이 흐름은 코드 초안 작성에만 머물지 않는다. 우버의 개발자 생산성 엔지니어링 세션은 AI 투자가 소프트웨어 개발 생명주기 전반에 걸쳐 이뤄지고 있다고 설명했다. 여기에는 대형 모노레포, 즉 여러 프로젝트를 한 저장소에서 관리하는 거대한 코드베이스에 맞춘 코딩 어시스턴트 커스터마이징, 대규모 코드 이전을 위한 에이전트형 시스템, AI 기반 테스트와 코드 리뷰 워크플로가 포함된다 .

하지만 통제 지점은 여전히 리뷰다. 코스로샤히는 AI가 작성한 코드가 저장소에 추가되기 전 직원의 확인을 거친다고 말했다 . 다시 말해 우버는 에이전트로 더 많은 작업을 생성하고 준비하지만, 이를 무감독 생산 시스템으로 내세우지는 않고 있다.

“코드 변경 10%”와 “코드 10%”는 다르다

우버 관련 AI 수치는 서로 다른 대상을 측정한다. 따라서 하나의 숫자로 뭉뚱그리면 오해가 생긴다.

코스로샤히의 10% 발언은 자율 에이전트가 만든 코드 변경을 가리킨다 . 반면 The Pragmatic Engineer는 우버 개발자의 84%가 에이전트형 코딩 사용자라고 보도했다. 이는 명령줄 기반 에이전트를 사용하거나, IDE 안에서 단순 탭 자동완성보다 더 에이전트적인 요청을 많이 하는 개발자를 뜻한다 . 같은 보도는 IDE 기반 도구 안에서 생성되는 코드의 65~72%가 AI 생성 코드라고도 전했다 .

이 숫자들은 동시에 참일 수 있다. 각각 자율 에이전트가 만든 코드 변경, 개발자의 에이전트형 워크플로 도입률, IDE 안에서 AI가 생성한 코드 비중을 따로 측정하기 때문이다. 실무적으로는 AI가 초안 작성에 관여하는 비중이, 자율 에이전트 명의로 병합되는 변경 비중보다 훨씬 클 수 있다는 뜻이다 .

채용 필요가 줄어드는 경제적 논리

엔지니어가 같은 인원으로 더 많은 작업을 배포할 수 있다면, 우버는 엔지니어링 산출량을 늘리면서도 인력 규모를 같은 속도로 키우지 않아도 된다. 이것이 우버가 AI 지출을 늘리면서 채용 속도를 낮추려는 경제적 논리다 .

물론 비용이 사라지는 것은 아니다. 비용의 성격이 바뀐다. 추가 직원을 뽑는 데만 돈을 쓰는 대신, AI 도구와 에이전트, 연산 자원에도 지출한다. 우버의 AI 코딩 도입과 관련한 보도에 따르면 Claude Code 사용량이 급증하면서 회사의 2026년 AI 코딩 예산이 예상보다 이르게 소진됐고, 우버는 Claude Code와 Cursor 같은 도구를 사용해 왔다 .

이 보도 하나만으로 우버의 AI 경제성을 모두 판단할 수는 없다. 다만 소프트웨어 개발 역량이 점점 사람, 에이전트, 도구, 인프라의 조합으로 계획되고 있다는 점은 잘 보여준다.

AI는 개발팀 밖에서도 쓰인다

우버의 AI 전략은 엔지니어링에만 국한되지 않는다. 코스로샤히는 우버가 수년 동안 승차공유 요금 책정과 운전자·승객 매칭에 AI를 사용해 왔다고 말했다 . 더 최근 보도에서는 생성형 AI와 에이전트형 AI가 고객 지원, 운전자 온보딩, 엔지니어링 개발 생명주기의 일부에도 적용되며 몇몇 업무에서 수작업 개입을 줄이고 있다고 전했다 .

이 점이 중요한 이유는 개발 외 영역의 생산성 향상도 채용 압력을 낮출 수 있기 때문이다. 고객 지원이 빨라지고, 운전자 등록 절차가 단순해지고, 내부 서비스 문제 진단이 쉬워지면 우버는 예전 같으면 사람을 더 뽑아야 했을 병목을 다른 방식으로 풀 수 있다 .

엔지니어에게 의미하는 것

우버의 현재 모델은 “엔지니어 없는 개발”이 아니라 감독형 AI 엔지니어링에 가깝다. 에이전트는 코드를 초안 작성하고, 변경 사항을 준비하고, 대규모 이전 작업을 돕고, 테스트나 리뷰 흐름을 보조할 수 있다. 그러나 AI가 쓴 코드는 병합 전 사람이 검토한다 .

가장 큰 영향은 신규·추가 채용에서 나타날 가능성이 크다. AI 도구가 실제 업무 흐름에서 안정적인 생산성 향상을 만들어낸다면, 우버는 과거보다 적은 추가 인력으로도 엔지니어링 역량을 확장할 수 있다 .

남는 질문은 측정이다. 도입률과 AI 생성 코드 비율은 AI 사용이 넓게 퍼졌다는 사실을 보여준다. 하지만 그것만으로 품질, 안정성, 유지보수 비용, 장기 기술 부채까지 포함한 정확한 생산성 향상을 증명한다고 보기는 어렵다. 우버의 실험이 중요한 이유도 여기에 있다. 빅테크식 AI 도입의 다음 단계가 단순한 코드 자동완성이 아니라, 채용 계획과 조직 운영 방식 자체를 바꾸는 문제로 넘어가고 있기 때문이다.