AI가 코드를 만들고 문서를 요약하고 오류 원인을 제안하는 속도는 이미 충분히 빠릅니다. 간단한 C 코드, HAL 초기화 예시, UART 로그 해석, 데이터시트 항목 요약은 예전보다 훨씬 쉽게 얻을 수 있습니다. 그래서 임베디드 개발을 준비하는 사람 입장에서는 불안할 수 있습니다. “AI가 코드를 다 짜면 임베디드 개발자는 무엇을 해야 할까?”라는 질문이 자연스럽게 나옵니다.
하지만 임베디드는 코드만으로 끝나는 일이 아닙니다. MCU는 실제 보드 위에서 동작하고, 전원과 센서와 통신선과 모터가 연결됩니다. 코드가 맞아 보여도 회로 조건이 맞지 않으면 제품은 동작하지 않습니다. AI가 제안한 코드가 현재 회로의 전압 레벨, 타이밍, 노이즈, 안전 조건에 맞는지 판단하는 일은 여전히 개발자의 몫입니다.
AI는 초안 속도를 올리지만 책임을 가져가지는 않습니다
AI가 잘하는 일은 초안을 빠르게 만드는 것입니다. GPIO 초기화 코드를 만들고, UART 수신 버퍼 구조를 제안하고, watchdog 사용 예시를 설명하고, 빌드 에러 메시지의 원인을 추정할 수 있습니다. 이런 작업은 실제로 도움 됩니다. 특히 초보자는 검색어를 찾지 못해 막히는 시간이 줄어듭니다.
문제는 그 답을 그대로 믿을 때 생깁니다. MCU 종류가 다르면 레지스터 이름이나 클럭 트리가 다르고, 같은 HAL 코드라도 보드 회로가 다르면 동작 조건이 달라집니다. 인터럽트 안에서 처리해도 되는 일과 미뤄야 하는 일, DMA 버퍼 크기, watchdog refresh 위치는 프로젝트 구조에 따라 달라집니다. AI의 답은 후보일 뿐, 검증된 설계가 아닙니다.
임베디드에서는 실제 시스템을 보는 사람이 필요합니다
AI가 강해질수록 사람에게 남는 일은 더 추상적인 구호가 아닙니다. 실제 시스템을 해석하는 일입니다. UART가 깨졌을 때 baud rate 코드만 볼 것이 아니라 클럭 오차, 전압 레벨, GND 기준, 케이블 길이, 버퍼 처리까지 같이 봐야 합니다. 모터가 순간적으로 튄다면 PWM 설정뿐 아니라 전원 리플, MOSFET 구동, 보호 로직, 센서 피드백을 함께 확인해야 합니다.
이런 판단은 화면 안에서만 생기지 않습니다. 보드를 만지고, 파형을 측정하고, 로그를 남기고, 실패한 조건을 비교해야 쌓입니다. 오실로스코프 측정처럼 장비 조건을 이해하는 능력도 AI 시대에 더 중요해집니다. AI가 파형을 대신 봐줄 수는 있어도, 어떤 조건에서 그 파형을 얻었는지 모르면 결론은 흔들립니다.
AI를 잘 쓰는 임베디드 개발자는 질문을 작게 나눕니다
AI에게 “이 코드 왜 안 돼?”라고 물으면 답이 넓고 부정확해질 수 있습니다. 더 좋은 방식은 문제를 작게 나누는 것입니다. “STM32에서 TIM3 PWM 주파수를 20 kHz로 만들려면 prescaler와 period를 어떻게 잡아야 하는가”, “이 UART 로그가 중간에 깨질 때 확인할 클럭 조건은 무엇인가”, “watchdog refresh를 main loop 어디에 두면 위험한가”처럼 질문해야 합니다.
그리고 답을 받은 뒤에는 반드시 근거를 확인해야 합니다. 데이터시트의 어떤 항목과 연결되는지, 실제 코드에서 어떤 설정을 바꾸는지, 측정으로 무엇을 확인해야 하는지 물어보면 답의 품질이 올라갑니다. AI는 혼자 쓰는 검색창이 아니라, 검증 질문을 반복해서 던질 때 더 쓸 만한 도구가 됩니다.
취업 준비도 암기보다 검증 경험을 보여주는 쪽으로 바뀝니다
AI 시대에는 단순 예제 구현만으로 차별화하기 어렵습니다. LED blink나 UART echo는 누구나 빠르게 만들 수 있습니다. 대신 어떤 문제를 어떻게 재현했고, 어떤 가설을 세웠고, 어떤 측정으로 원인을 좁혔는지가 중요해집니다. 포트폴리오에도 코드만 올리는 것보다 회로 구성, 로그, 파형, 실패 원인, 수정 과정을 함께 남기는 편이 좋습니다.
예를 들어 센서 값이 흔들리는 문제를 해결했다면 평균 필터를 넣었다는 말만으로는 약합니다. 전원 노이즈를 확인했는지, RC 필터를 적용했는지, ADC 샘플링 시간을 바꿨는지, 오실로스코프로 입력 파형을 봤는지 정리해야 합니다. 이런 기록은 AI가 대신 만들어주기 어렵습니다. 실제로 겪고 판단한 흔적이기 때문입니다.
AI 때문에 임베디드가 끝난다고 보기보다, 반복 초안 작성의 가치가 낮아지고 검증과 판단의 가치가 올라간다고 보는 편이 맞습니다. AI와 임베디드 진로 카드뉴스는 이 질문의 입구입니다. 다음 단계는 AI가 낸 답을 실제 보드, 실제 파형, 실제 요구사항으로 걸러내는 훈련입니다.