소프트웨어 3.0 (Software 3.0)
소프트웨어 3.0은 사람이 코드를 한 줄씩 쓰는 대신 원하는 결과를 자연어로 설명하면 모델이 나머지를 채워 실행 가능한 결과물을 만들어내는 단계를 말합니다. 흔히 '영어가 새로운 프로그래밍 언어'로 요약되지만, 실무에서 승부가 갈리는 지점은 말을 잘하는 능력이 아니라 AI가 채운 빈칸이 내 기준에 맞는지 판정하는 능력입니다.
BOAZ · 최종 업데이트 2026-07-27
소프트웨어 3.0(Software 3.0) 은 사람이 코드를 한 줄씩 쓰는 대신 원하는 결과를 자연어로 설명하면 모델이 나머지를 채워 실행 가능한 결과물을 만들어내는 단계를 말합니다. 테슬라 자율주행을 이끌었고 OpenAI 창업 멤버였던 안드레 카파시(Andrej Karpathy)가 정리한 구분이며, 흔히 "영어가 새로운 프로그래밍 언어" 라는 문장으로 요약됩니다.
그런데 이 요약이 현장에서 가장 많은 오해를 만듭니다. 이 문장을 "말만 잘하면 된다"로 읽으면 3.0의 실제 난이도를 정반대로 이해하게 됩니다.
1.0 · 2.0 · 3.0 — 사람이 적는 것이 달라졌다
세 단계를 가르는 기준은 기술의 신구가 아니라 사람이 무엇을 직접 적는가 입니다.
| 단계 | 사람이 적는 것 | 나머지를 채우는 주체 | 실무에서 사람이 하던 일 |
|---|---|---|---|
| 1.0 | HOW — 동작 방식을 한 줄씩 | 없음 (전부 사람이 적음) | 기획서 → 요구사항 → 설계 → 구현 |
| 2.0 | SHOW — 정답 데이터 | 학습이 규칙을 찾음 | 데이터 수집·라벨링·학습 설계 |
| 3.0 | WHAT — 원하는 결과만 | 모델이 나머지 전부 | 결과를 말하고, 나온 것을 판정 |
1.0에서는 기획서 작성부터 구현까지 여러 단계를 사람이 순서대로 밟았습니다. 3.0은 그 단계 전체를 모델이 대신합니다. 말과 결과 확인 사이의 중간 공정이 통째로 사라진 셈입니다.
여기서 중요한 건 사라진 공정의 양이 아니라 성질 입니다. 사람이 적지 않은 부분은 없어진 게 아니라, 전부 모델이 채우는 영역으로 넘어갔습니다.
재정의 — 3.0은 말하는 시대가 아니라 빈칸을 판정하는 시대다
지금 쓰이는 AI(LLM)의 성질을 한 문장으로 줄이면 이렇습니다. 없는 것을 창조하는 데는 약하고, 빈칸을 채우는 데는 강하다. 단어와 단어 사이를 자연스럽게 메우는 일은 잘하지만, 세상에 없던 새 단어를 만들어내지는 못합니다.
이 성질을 3.0의 정의에 겹쳐 놓으면 결론이 달라집니다.
- 1.0에서는 사람이 HOW를 전부 적었으므로 빈칸이 없었습니다.
- 3.0에서는 사람이 WHAT만 말하므로 말하지 않은 나머지가 전부 빈칸입니다.
- 그 빈칸은 사라지지 않고, AI가 가장 그럴듯한 값으로 채웁니다.
그래서 3.0의 실무 병목은 "얼마나 말을 잘하는가"가 아니라 "채워진 빈칸이 내 기준에 맞는지 판정할 기준을 갖고 있는가" 입니다. 자연어는 코드보다 모호하기 때문에, 프로그래밍 언어를 자연어로 바꾼 순간 빈칸은 줄어든 게 아니라 오히려 늘어났습니다.
같은 요청인데 결과가 매번 다른 이유
현장에서 가장 자주 나오는 불만이 "AI가 만들 때마다 결과물이 달라진다"입니다. 이건 모델의 불안정이 아니라 3.0 구조의 정상 동작입니다.
지시 + 빈칸 → AI가 빈칸을 채움 → 결과 A
지시 + 빈칸 → AI가 빈칸을 채움 → 결과 B
지시 + 빈칸 → AI가 빈칸을 채움 → 결과 C
지시에 빈칸이 남아 있는 한 결과는 흔들립니다. 일관성을 되찾는 방법은 더 좋은 프롬프트를 쓰는 것이 아니라 빈칸을 하나씩 기준으로 메워 고정하는 것 입니다. 반복 업무라면 그 고정된 기준을 파일로 남기는 것이 Skill이고, 그 축적을 조직 관점에서 부르는 이름이 AI 자산화입니다.
왜 코딩에서 먼저 터졌는가 — 그리고 다음은 어디인가
3.0의 변화가 코딩에서 가장 먼저 눈에 띈 데는 두 가지 이유가 있습니다.
- 정형화된 레퍼런스가 압도적으로 많다. AI가 잘하는 일은 무에서 창조하는 게 아니라 좋은 레퍼런스를 맥락에 맞게 변형하는 것입니다. 코드는 그 재료가 가장 두껍게 쌓인 영역입니다.
- 판정 장치가 외부에 있다. 컴파일 에러, 테스트 실패, 런타임 예외처럼 맞았는지 틀렸는지를 모델 밖에서 알려주는 신호 가 존재합니다.
두 번째가 결정적입니다. 그래서 같은 3.0 도구를 써도 업무 성격에 따라 체감이 갈립니다.
| 업무 유형 | 예 | 판정 기준 | 3.0 체감 |
|---|---|---|---|
| 정답형 | 계약서 금액·날짜 추출, 필수 항목 확인 | 명확 | 즉시 강함 |
| 기준형 | 회의록·보고서·제안서 | 조직마다 다름 | 기준을 적으면 강해짐 |
| 성과형 | 마케팅 카피, 세일즈 메시지 | 사후에만 확인 | 초안 생성에 유리 |
| 판단형 | 사업 전략, 조직 설계, 투자 판단 | 흐림 | 보조까지, 대체 아님 |
여기서 나오는 실무적 결론이 하나 있습니다. 3.0이 안 통하는 업무는 대개 AI가 부족해서가 아니라, 그 업무의 기준이 조직 안에서 한 번도 명문화된 적 없기 때문입니다. 도구를 바꾸기 전에 기준을 먼저 적어야 하는 이유가 여기 있습니다.
이건 개발 이야기가 아니다 — 소프트웨어 업 = 화이트칼라 업
소프트웨어를 "코딩"으로 좁혀 읽으면 3.0은 개발자 뉴스로 끝납니다. 하지만 소프트웨어를 "컴퓨터로 하는 모든 일" 로 정의하면 범위가 완전히 달라집니다.
컴퓨터 없이 일하는 화이트칼라 직군은 사실상 없습니다. 그렇다면 소프트웨어 업의 변화는 곧 화이트칼라 업의 변화입니다. 코드가 한 줄도 없는 업무 — 품의서 검토, 주간 보고, 문의 분류 — 에서도 "결과를 말로 설명하면 초안이 나오고, 말하지 않은 부분은 AI가 채운다"는 구조는 똑같이 작동합니다.
그래서 3.0을 조직 언어로 옮기면 이렇게 됩니다. 이제 각 업무의 담당자는 그 업무의 빈칸을 정의하고 판정하는 사람 이 됩니다. 이것이 AX가 도구 교육이 아니라 일하는 기준의 재설계인 이유이기도 합니다.
소프트웨어 3.0 시대의 실무 체크리스트
우리 팀이 3.0을 쓰고 있는지, 3.0에 휘둘리고 있는지는 아래로 갈립니다.
- 반복 업무 하나에 대해 "이 결과물을 받아들일 조건" 을 문장으로 적을 수 있다
- 같은 요청을 두 번 했을 때 결과가 달랐던 원인이 지시의 빈칸 이었음을 짚을 수 있다
- AI가 채운 부분과 사람이 정한 부분이 결과물에서 구분 된다
- 판정 기준이 개인 머릿속이 아니라 파일 로 남아 있다
- 기준을 통과하지 못한 결과물이 다음 단계로 넘어가지 못하는 경로가 있다
앞의 세 개는 개인의 습관이고, 뒤의 두 개는 조직의 구조입니다. 개인이 3.0을 쓰는 것과 조직이 3.0으로 일하는 것 사이의 간격은 대부분 이 마지막 두 줄에서 벌어집니다.
오해 하나 — "세상이 망한다"가 아니라 "업무 구조가 재편된다"
3.0을 둘러싼 이야기는 종종 종말론처럼 소비됩니다. 하지만 실제로 관측되는 변화는 직업의 소멸보다 업무 단위의 재편 에 가깝습니다. 읽기·추출·분류·요약·초안 생성처럼 판정 기준이 비교적 뚜렷한 조각들이 먼저 AI 쪽으로 넘어가고, 사람에게는 최종 판단·책임·예외 처리·민감한 맥락이 남습니다.
이 재편에서 뒤처지는 쪽은 도구를 늦게 배운 사람이 아니라, 자기 업무의 판정 기준을 끝내 적지 못한 조직 입니다. 3.0에서 살아남는 능력은 말을 잘하는 능력이 아니라, 빈칸을 알아보고 그것을 기준으로 바꿔 적는 능력입니다.
자주 묻는 질문
소프트웨어 1.0·2.0·3.0은 각각 무엇이 다른가요?+
무엇을 사람이 적는지가 다릅니다. 1.0은 동작 방식(HOW)을 사람이 코드로 한 줄씩 적습니다. 2.0은 정답 데이터(SHOW)를 사람이 모으고 학습이 규칙을 대신 찾습니다. 3.0은 원하는 결과(WHAT)만 사람이 말하고 나머지는 모델이 채웁니다. 사람이 적는 양이 줄어든 만큼, 사람이 적지 않은 부분은 전부 모델의 판단으로 채워집니다.
'영어가 새로운 프로그래밍 언어'라는 말은 코딩을 안 배워도 된다는 뜻인가요?+
아닙니다. 프로그래밍 언어의 자리가 자연어로 바뀐 것이지, 결과물을 판정할 책임까지 사라진 게 아닙니다. 오히려 자연어는 코드보다 모호해서 지시에 빈칸이 더 많이 생깁니다. 그 빈칸을 AI가 채우기 때문에 같은 요청도 결과가 매번 달라집니다. 3.0에서 실력 차이는 말솜씨가 아니라 '이 결과물을 받아들일지 판정하는 기준'에서 납니다.
소프트웨어 3.0은 개발자에게만 해당되는 이야기 아닌가요?+
아닙니다. 소프트웨어를 '코딩'이 아니라 '컴퓨터로 하는 모든 일'로 정의하면 범위가 달라집니다. 컴퓨터로 일하는 모든 화이트칼라 업무가 소프트웨어 업의 변화에 그대로 노출됩니다. 보고서·품의서·문의 응대처럼 코드가 한 줄도 없는 업무에서도 '결과를 말로 설명하면 초안이 나오는' 구조는 똑같이 작동합니다.
소프트웨어 3.0이 잘 통하는 업무와 안 통하는 업무가 나뉘나요?+
나뉩니다. 통과·실패를 판정할 기준이 명확한 업무일수록 잘 통합니다. 코딩이 대표적인 이유는 테스트와 컴파일이라는 외부 판정 장치가 있기 때문입니다. 반대로 전략 판단이나 조직 설계처럼 조직마다 기준이 다른 업무는 AI가 그럴듯한 결과를 내놓아도 맞았는지 확인할 방법이 약합니다. 이때는 도구를 바꾸기 전에 기준을 먼저 명문화해야 합니다.
우리 조직은 소프트웨어 3.0을 어디서부터 준비해야 하나요?+
도구 도입보다 먼저 '우리가 무엇을 빈칸으로 두고 있는지'를 확인하는 것이 순서입니다. 반복 업무 하나를 골라 AI에게 통째로 맡겨보면, 결과가 부족한 지점이 곧 우리 조직이 명문화하지 않은 기준입니다. 그 기준을 문서로 고정하는 것이 3.0 시대의 실질적인 준비입니다.
LINE 엔지니어 출신이, 실효성 있는 AX 프로그램을 진행합니다. 대기업 임원 및 실무자 대상 AX 프로그램 진행 경험을 바탕으로, 기업의 실제 업무를 분석하고 작동하는 AI 활용 결과물까지 함께 만듭니다.
관련 용어
바이브 코딩 (Vibe Coding)
바이브 코딩은 프로그래밍 언어로 코드를 직접 작성하는 대신, 원하는 결과를 자연어로 설명해 AI가 코드를 생성하고 실행까지 하게 만드는 방식을 말합니다. 비개발자도 아이디어를 작동하는 결과물로 옮길 수 있게 해주지만, 코드를 몰라도 된다는 뜻이 아니라 결과물을 검증하는 기준을 사람이 갖춰야 한다는 뜻입니다.
AI Native (AI 네이티브)
AI Native(AI 네이티브)는 AI를 필요할 때 가끔 꺼내 쓰는 도구가 아니라, 일을 시작할 때부터 먼저 맡기는 것을 기본 전제로 삼는 사람과 조직을 말합니다. 도구를 얼마나 잘 다루는지가 아니라, 일을 시작하는 방식 자체가 다릅니다.
Attention (어텐션)
Attention은 AI가 다음 단어를 만들 때 지금 갖고 있는 정보 중 무엇을 얼마나 참고할지 비중을 계산하는 방식입니다. 비중의 총합이 정해져 있어 한쪽에 크게 주면 다른 쪽은 반드시 작아집니다. 정보가 Context 안에 있다는 것과 그 정보가 결과에 반영됐다는 것이 다른 이유가 여기에 있습니다.
AX (AI 전환)
AX(AI Transformation)는 구성원이 AI 도구를 배우는 데서 끝나지 않고, 실제 업무 방식과 조직의 일하는 기준 자체가 바뀌어 성과로 이어지는 전환을 말합니다. 교육이나 PoC는 그 과정의 일부일 뿐, 목적지가 아닙니다.
우리 조직에 맞는 AX가 궁금하다면
조직 상황과 대상(임원·실무자·전사)을 알려주시면, 어떤 프로그램이 맞는지 — 혹은 아직 워크숍이 필요 없는 단계인지 — 솔직하게 답해드립니다.