⏱️ 예상 읽기 시간: 18분

서론: 개발자 직업의 결정적 순간

2025년 8월, GitHub CEO 토마스 돔케(Thomas Dohmke)가 발표한 “Developers, Reinvented”는 단순한 기술 트렌드 분석을 넘어서는 혁명적 선언문입니다. 22명의 현직 개발자들과 진행한 심층 인터뷰를 통해 드러난 현실은 충격적입니다: “AI를 받아들이거나, 아니면 이 직업을 그만두는 게 낫습니다.”

이는 가상의 시나리오가 아닙니다. 바로 지금, 이 순간 일어나고 있는 변화입니다. 돔케 CEO의 연구는 개발자라는 직업이 사라지는 것이 아니라, 완전히 새로운 형태로 재탄생하고 있음을 보여줍니다. 코드를 작성하는 사람에서 AI 에이전트를 오케스트레이션하는 전략가로의 근본적 전환이 현실이 되고 있습니다.

이번 포스트에서는 돔케 CEO가 밝혀낸 개발자 진화의 4단계, 그들이 경험하는 정체성 변화, 그리고 이것이 교육과 사회 전반에 미치는 파급효과를 상세히 분석해보겠습니다.

1. 변화의 최전선: 22명 개발자가 보여준 현실

회의론에서 혁신으로의 여정

돔케 CEO의 연구에 참여한 22명의 개발자들은 모두 AI 도구를 워크플로의 핵심으로 활용하고 있는 선구자들입니다. 그러나 이들의 시작은 결코 순탄하지 않았습니다. 대부분이 AI 도구를 처음 접했을 때의 반응은 “꽤 멋지긴 하지만 기믹에 불과하다”는 건전한 회의론이었습니다.

이러한 초기 회의론은 높은 기대치와 AI의 예측 불가능한 능력 사이의 충돌에서 비롯되었습니다. 많은 개발자들이 이 단계에서 AI 도구를 “도움이 되지 않는다”고 판단하며 포기하지만, 계속해서 실험을 이어간 이들은 결정적인 “아하! 순간”을 경험하게 됩니다.

지속적 실험의 힘

성공한 개발자들의 공통점은 미래 직업 환경의 전면적 개편을 예상하고 이에 대비하려는 강한 동기였습니다. 이들은 도구가 일관되게 도움이 되지 않더라도 끊임없이 다양한 AI 도구를 실험했습니다. 한 개발자의 말처럼, “AI를 받아들이거나, 아니면 이 직업에서 나가야 한다”는 절박함이 이들을 움직이는 원동력이었습니다.

이러한 실험 정신은 단순한 호기심을 넘어선 생존 전략이었습니다. 이들은 AI가 완벽하지 않더라도, 그 한계를 이해하고 활용할 수 있는 방법을 찾아나갔습니다. 그 결과, 일상적인 시행착오를 통해 AI와의 협업 능력을 체계적으로 발전시킬 수 있었습니다.

2. 개발자 진화의 4단계: 회의론자에서 전략가까지

1단계: AI 회의론자 (AI Skeptic)

첫 번째 단계의 개발자들은 소규모 작업과 질문에 AI를 가볍게 활용하는 수준입니다. 주로 코드 자동완성 기능을 사용하며, 반복과 오류에 대한 참을성이 낮습니다. 이 단계에서 중요한 것은 일회성 성공에 대한 기대를 버리는 것입니다.

많은 개발자들이 이 단계에서 좌절하며 AI 도구를 포기하지만, 끈기를 가지고 계속 사용하는 이들은 점차 AI의 특성을 이해하기 시작합니다. 완벽한 결과를 즉시 얻을 수 없다는 현실을 받아들이면서, 다음 단계로 나아갈 수 있는 기반을 마련합니다.

2단계: AI 탐험가 (AI Explorer)

두 번째 단계에서는 디버깅, 보일러플레이트 코드, 코드 스니펫 작성에 AI를 활용하기 시작합니다. 자동완성과 채팅 기능을 병행하며, 브라우저 기반 LLM에서 코드를 복사-붙여넣기하는 방식을 사용합니다.

이 단계의 핵심은 AI의 한계를 이해하기 시작하는 것입니다. 개발자들은 더 복잡한 작업에 대한 브레인스토밍에 AI를 활용하고, 반복적 프롬프팅을 받아들이며, 결과가 좋지 않을 때는 앞으로 밀고 나가는 대신 처음부터 다시 시작하는 것이 더 효율적이라는 것을 깨닫습니다.

3단계: AI 협력자 (AI Collaborator)

세 번째 단계는 AI와 적극적으로 공동 창작하며 컨텍스트 엔지니어링 직감을 기르는 단계입니다. AI 지원 IDE를 사용하여 다단계 작업과 다중 파일 변경을 수행하며, 다음과 같은 습관들을 개발합니다:

  • 계획을 먼저 요청하기: 작업을 시작하기 전에 AI에게 전체적인 계획을 수립하도록 요청
  • 에이전트 규칙 큐레이팅: AI의 행동 패턴을 개발자의 작업 스타일에 맞게 조정
  • 전략적 도구 및 모델 전환: AI의 “사고 과정”을 학습하며 상황에 맞는 최적의 도구 선택

이 단계의 개발자들은 더 나아가 효과적인 프롬프트, 사용 사례, 학습된 교훈을 공유하는 내부 토론이나 데모에 참여하기 시작합니다. 이는 개인적 학습을 넘어 팀 차원의 AI 활용 문화를 만들어가는 과정입니다.

4단계: AI 전략가 (AI Strategist)

최종 단계의 개발자들은 AI를 기능 개발, 복잡한 작업, 대규모 리팩토링을 위한 강력한 파트너로 대우합니다. 이들은 계획 모델과 코딩 모델을 활용한 정교한 다중 에이전트 워크플로를 구축하며, 자율성과 병렬 처리를 점차 확대해 나갑니다.

이 단계에 도달한 개발자들은 자신의 역할이 근본적으로 변화했다고 만장일치로 선언합니다. 이제 그들의 초점은 위임(Delegation)과 검증(Verification)에 맞춰져 있습니다.

3. 새로운 개발자 정체성: 위임자이자 검증자

위임의 예술

4단계에 도달한 개발자들이 말하는 위임은 단순히 AI에게 작업을 맡기는 것이 아닙니다. 이는 다음과 같은 정교한 과정을 포함합니다:

풍부한 컨텍스트와 지침으로 에이전트 설정: AI가 성공할 수 있도록 충분한 배경 정보와 명확한 가이드라인 제공

프롬프트 설계 및 정제: 원하는 결과를 얻기 위한 효과적인 질문과 지시사항 개발

AI의 계획과 트레이드오프 검토: AI가 제안하는 해결 방법과 그에 따른 장단점 분석

진행 전 조정: 실행 전 마지막 미세 조정을 통한 최적화

검증의 중요성

검증 단계는 에이전트의 작업을 철저히 분해하고 검토하는 과정입니다. 이는 다음을 포함합니다:

목표 달성도 검토: AI가 생성한 구현이 원래의 목적을 제대로 달성했는지 확인

규칙 준수 검증: 팀의 코딩 컨벤션, 보안 기준, 품질 표준 충족 여부 점검

통합성 검사: 전체 시스템과의 호환성 및 일관성 확보

이러한 변화를 통해 개발자들은 코드 작성에서 아키텍처 설계와 구현 검증으로 역할의 중심축이 이동했습니다.

4. 놀라운 미래 전망: 90% AI 코딩 시대

예상보다 빠른 변화

돔케 CEO의 연구에서 가장 충격적인 발견 중 하나는 개발자들의 미래에 대한 낙관적 전망입니다. AI가 코드의 90%를 작성하게 될 가능성에 대해 질문했을 때, 개발자들은 호의적인 반응을 보였습니다.

절반은 5년 이내에, 나머지 절반은 2년 이내에 90% AI 작성 코드 시나리오가 실현 가능하고 가능성이 높다고 답했습니다. 더욱 중요한 것은, 이들이 이러한 미래를 자신의 가치나 정체성이 축소되는 것으로 받아들이지 않고, 오히려 재창조의 기회로 여긴다는 점입니다.

정체성의 재정의

에이전트의 작업을 효과적으로 관리하는 데 필요한 기술과 노력을 경험한 개발자들에게는 이것이 구현을 주도하는 것보다 더 가치 있는 활동이라는 것이 명확해졌습니다. 한 참가자는 이렇게 결론지었습니다:

“아마도 우리는 코드 생산자에서 코드 조력자가 될 것입니다. 제 다음 직함은 ‘코드 크리에이티브 디렉터’가 될지도 모릅니다.”

이는 과장이 아닌 현실적 전망입니다. 개발자들이 더 이상 코드 작성의 기계적 측면에 매몰되지 않고, 창의적이고 전략적인 사고에 집중할 수 있게 되는 미래를 의미합니다.

5. 현실적 낙관주의: 새로운 마인드셋

대립에서 통합으로

일반적으로 우리는 낙관주의와 현실주의를 상반된 마인드셋으로 여기는 경향이 있습니다. 그러나 돔케 CEO의 연구에 참여한 개발자들은 흥미로운 조합을 보여주었습니다: 현실적 낙관주의입니다.

이들은 변화를 분명히 인식하고, 그것이 자신들의 일자리를 바꿀 것이라는 사실을 부정하지 않습니다. 동시에 이를 레벨 업의 기회로 믿고 있습니다. 한 개발자는 이렇게 말했습니다:

“저는 제 자신을 평범한 엔지니어라고 생각하는데, 이번 AI 리셋이 저에게 우수함에 더 가까워질 수 있는 기술을 습득할 기회를 주고 있다고 느낍니다.”

성장 기회로서의 도전

현실적 낙관주의 렌즈를 통해 보면, AI의 발전은 위협이 아닌 개인적 성장의 촉매가 됩니다. 개발자들은 자신의 한계를 인정하면서도, 새로운 기술과 역할을 학습할 수 있는 기회로 현재 상황을 바라보고 있습니다.

이러한 마인드셋은 변화에 대한 저항보다는 적응과 성장에 에너지를 집중할 수 있게 해줍니다. 결과적으로 더 빠르고 효과적으로 새로운 환경에 적응할 수 있는 원동력이 됩니다.

6. 직업 전망: 변화 속의 기회

자동화와 성장의 동시 진행

AI가 점점 더 많은 코딩 작업을 자동화하고 소프트웨어 개발을 가속화하고 있는 것은 부인할 수 없는 현실입니다. 모델과 도구가 개선됨에 따라, 우리는 개발자들의 오케스트레이션 하에 더욱 복잡한 코딩 작업의 자동화를 목격하고 있습니다.

그러나 동시에 미국 노동통계청은 향후 10년간 소프트웨어 개발자 일자리가 18% 증가할 것으로 전망한다고 발표했습니다. 이는 전 직종 평균의 거의 5배에 달하는 수치입니다.

핵심은 오늘날 우리가 알고 있는 소프트웨어 개발자 일자리와는 다를 것이라는 점입니다. 절망할 이유보다는 파괴적 변화를 인정하고 적응에 집중해야 할 이유가 더 많다는 것이 돔케 CEO의 분석입니다.

효율성에서 야심으로

인터뷰에서 흥미로운 관찰 중 하나는 개발자들이 “시간 절약”을 에이전트와 함께 일하는 방식의 핵심 이점으로 거의 언급하지 않았다는 점입니다. 대신 그들은 야심의 증대에 모든 관심을 쏟고 있었습니다.

이는 도구 사용의 성공을 측정하고 논의하는 방식을 업데이트해야 함을 의미합니다. 초기 효율성 향상 이후에는 달성할 수 있는 작업과 결과의 한계를 높이는 것에 초점을 맞춰야 한다는 것입니다.

이러한 관점의 변화는 많은 개발자들이 최고급 구독 서비스에 비용을 지불하고 있다는 관찰을 설명해 줍니다. 노력을 줄이는 것에서 범위를 확장하는 것으로 사고가 전환되면, 가장 진보된 에이전트 기능만이 필요를 충족할 수 있기 때문입니다.

7. 필수 기술의 재정의: 전통과 혁신의 조화

AI 능숙도 (AI Fluency)

개발자 역할이 변화하고 있다면, 어떤 기술들이 중심무대에 서게 될까요? 가장 중요한 것은 AI 능숙도입니다. 다양한 AI 도구, 플랫폼, 모델의 기능과 제약을 이해하여 그에 따라 관행과 워크플로를 조정하는 능력이 필수적입니다.

이는 AI 혁신의 “초고속” 속도를 고려할 때, 실습을 통한 지속적 학습과 적응성에 대한 헌신을 요구합니다. 단순히 도구를 사용하는 것을 넘어서, AI의 발전 동향을 이해하고 새로운 기능을 빠르게 습득할 수 있는 학습 능력이 중요합니다.

위임과 에이전트 오케스트레이션

성공적인 에이전트 설정을 위해서는 컨텍스트와 프롬프트 엔지니어링, 문제 프레이밍, 작업의 최적 분해, 병렬화, 성공 기준과 제약 조건 명시 등의 기술이 필요합니다.

AI 능숙도가 높아질수록, 개발자들은 에이전트와 동기적으로 협업할 때와 백그라운드에서 작업을 위임할 때에 대한 판단력과 전략을 발전시키게 됩니다.

위임에서 소통 기술의 중요성을 과소평가해서는 안 됩니다. 이는 단순히 자연어를 사용하는 것이 아닙니다. 모호하거나 한 줄짜리 지시사항으로는 인간 동료가 목표를 성공적으로 달성할 수 없었던 것처럼, AI 에이전트에게도 통하지 않을 것입니다.

인간-AI 협업

에이전트와 동기적으로 작업할 때는 긴밀한 반복적 피드백 루프, 중단점 설정, 자기비판 지시, 에이전트가 질문하도록 격려하는 것이 중요합니다. 연구 참가자 중 한 명은 지시사항에 컨텍스트를 구축하는 방법으로 에이전트가 자신을 인터뷰하도록 프롬프트했다고 합니다.

기초 지식의 지속적 중요성

AI의 코드 생성 기능에도 불구하고, 개발자들은 프로그래밍 기초, 알고리즘, 데이터 구조, 전체적인 소프트웨어 시스템에 대한 깊은 이해가 여전히 필요합니다. 이러한 기초 지식은 개발자들이 복잡한 코드를 비판적으로 이해하고, AI 출력의 품질과 그 과정을 평가할 수 있게 해줍니다.

이는 에이전트를 오케스트레이션할 때 개발자 역할의 “검증” 부분에 필수적입니다.

검증과 품질 관리

AI 출력에는 면밀한 검토가 필요하기 때문에, AI 생성 코드를 엄격하게 검토, 테스트, 검증하는 능력이 가장 중요합니다. 개발자들은 이미 수동 코드 리뷰, 테스트 실행, 표준 준수 보장을 통해 이를 실천하고 있습니다.

어떤 면에서는 에이전트 워크플로에는 이 기술의 증폭된 버전이 필요하며, 확장된 테스트 커버리지와 품질 및 보안에 대한 더 상위 수준의 사고가 요구됩니다.

제품 이해와 시스템 사고

이는 시스템 사고, 즉 제품을 전체적으로 바라보는 것에 관한 것입니다. 개발자들이 엔지니어링, 디자인, 제품 관리를 결합한 하이브리드 사고를 채택하도록 밀어줄 것입니다.

여기서는 요구사항 정의, 프로토타이핑과 디자인, 아이디어 탐색, 사용자 요구 이해가 핵심이 되어, 에이전트를 위한 작업이 단순한 코드 출력이 아닌 결과 관점에서 충분히 검토되도록 할 것입니다.

아키텍처와 시스템 설계

AI가 더 많은 저수준 코딩을 처리함에 따라, 전체 시스템 아키텍처, 디자인 패턴, 다양한 구성 요소들이 어떻게 상호작용하는지에 대한 이해의 중요성이 더욱 부각됩니다. 이는 AI를 안내하고 그 출력을 효과적으로 통합하는 데 중요합니다.

8. 교육 혁명: 컴퓨터 과학 교육의 재창조

패러다임의 전환

현실적 낙관주의 관점에서 보면, 소프트웨어 개발에서 AI의 부상은 컴퓨터 과학 교육도 재창조되어야 함을 시사합니다. 이러한 마인드셋을 채택하는 교육자들은 변화의 규모를 인정하면서도 학생들을 디지털 세계를 형성하는 더 광범위하고 전략적이며 창의적인 역할에 준비시킬 기회를 받아들일 것입니다.

평가 방식의 혁신

학생들은 점점 더 많은 코드 부분을 AI에 의존하게 될 것입니다. 단순한 문법이나 API 암기를 평가하는 교육 방식은 시대에 뒤떨어지고 있습니다. 기초적인 코딩은 여전히 중요한 기술이지만, 이제는 시스템을 이해하고, AI 생성 코드를 디버깅하며, 인간과 기계 모두에게 아이디어를 명확하게 표현하는 방법으로서 중요합니다.

“이 루프를 작성하세요”에서 “이 코드가 무엇을 하는지 이해하고, 이를 변경하면 무엇이 깨질지 파악하세요”로의 전환이 필요합니다.

AI 능숙도 교육

LLM과 에이전트들은 이미 현실 세계에서 코드를 작성하고 있으며, 교실에서 이를 무시하는 것은 학생들을 준비되지 않은 상태로 남겨둡니다. AI 도구를 교육에 통합하면 더 깊은 설계, 분석, 창의성을 위한 시간을 늘려 학습을 향상시킬 수 있습니다.

커리큘럼에는 AI 지원 코딩이 포함되어야 하지만, AI와 협업하는 방법에 초점을 맞춰야 합니다: 프롬프팅, 검토, 편집, 출력 검증. 간단히 말해, AI 능숙도를 가르쳐야 합니다.

새로운 문제 해결 능력

많은 컴퓨터 과학(CS) 프로그램들이 여전히 AI가 이제 능숙하게 해결할 수 있는 문제들을 중심으로 구성되어 있습니다. 미래는 시스템을 모델링하고, 엣지 케이스를 예측하며, 모호함을 구조로 번역할 수 있는 개발자들의 것입니다—이는 AI가 자동화할 수 없는 기술들입니다.

추상화, 분해, 명세를 단순히 코딩 전 단계가 아닌 새로운 코딩으로 가르쳐야 합니다.

학제간 사고의 촉진

소프트웨어 개발자 역할의 재창조는 또한 학제간 사고와 소프트웨어 경력으로의 다양한 경로에 대한 문을 열어줍니다. CS를 디자인, 윤리, 시스템 사고, 인간-컴퓨터 상호작용과 융합하고, 학생들이 자신을 코더가 아닌 계산적 창작자로 보도록 격려할 수 있습니다.

평가 혁신의 필요성

전통적인 프로그래밍 시험은 더 이상 실제 기술셋을 반영하지 않습니다, 특히 AI가 인간보다 빠르게 문제를 해결할 수 있게 된 상황에서는 더욱 그렇습니다. 문제를 프레이밍하고, AI를 안내하며, 솔루션을 비판하고, 복잡한 출력을 디버깅하는 능력에 대한 학생 평가가 더 의미 있고 미래 지향적입니다.

AI 협업이 필요한 과제를 만들어야 합니다: “AI가 이것을 작성했는데, 무엇이 잘못되었나요?” 또는 “AI가 의도한 대로 구축할 수 있도록 이 사양을 개선하세요.”

9. 미래를 위한 준비: 변화를 받아들이거나 뒤처지거나

선택의 기로

돔케 CEO의 연구가 보여주는 가장 중요한 통찰 중 하나는 모든 사람이 이러한 변화를 원하지는 않을 것이라는 점입니다. 결과를 달성하기 위해 에이전트를 관리하는 것이 많은 사람들에게는 만족스럽지 않을 수 있습니다.

그러나 연구진은 이것이 본질적으로 개발자들이 더 낮은 추상화 수준에서 해왔던 일—프로그래밍 언어를 통해 컴퓨터를 관리하여 결과를 달성하는 것—과 같다고 주장합니다. 여전히 인간으로서 우리는 종종 변화를 꺼려하며, 그것은 괜찮습니다.

현실적 낙관주의의 힘

전 세계의 개발자들은 이미 회의론에서 자신감으로 이동하고 있으며, AI와 파트너십을 맺으면서 자신들의 역할, 관행, 마인드셋을 재구성하고 있습니다. 이들에게 AI가 자신들을 대체할 것이라는 두려움으로 시작된 것이 AI의 야심찬 현실을 실용적으로 받아들이는 것으로 전환되고 있으며, 이를 성장 기회로 보고 있습니다.

개발자 경험의 중요성

우리가 내일의 도구를 구축하면서, 개발자들이 직관적이고 즐겁고 개발자의 호기심을 충족하는 방식으로 역할 재창조를 경험하도록 안내할 수 있습니다. 이는 전환 기간 동안 그들을 만족스럽고 행복하게 유지하는 데 도움이 됩니다.

이러한 접근 방식이 우리를 낙관적으로 만듭니다. 현실적으로 말이죠.

10. 결론: 개발자의 재탄생이 가져다 줄 새로운 세상

패러다임 시프트의 현실화

GitHub CEO 토마스 돔케의 “Developers, Reinvented”는 단순한 미래 예측이 아닌 현재 진행형 현실의 보고서입니다. 22명의 개발자 인터뷰를 통해 드러난 것은 소프트웨어 개발 분야에서 일어나고 있는 근본적이고 돌이킬 수 없는 변화의 증거입니다.

“AI를 받아들이거나, 아니면 이 직업을 그만두는 게 낫습니다”라는 말은 극단적으로 들릴 수 있지만, 실제로는 변화의 속도와 깊이를 정확하게 반영하고 있습니다. 이는 위협이 아닌 기회의 선언입니다.

4단계 진화의 의미

회의론자에서 전략가까지의 4단계 진화 과정은 개발자들이 거쳐야 하는 필연적 여정을 보여줍니다. 각 단계마다 필요한 마인드셋의 변화, 기술적 적응, 그리고 정체성의 재정의가 있습니다.

특히 주목할 점은 최종 단계에 도달한 개발자들이 자신의 가치나 정체성이 축소되었다고 느끼지 않는다는 것입니다. 오히려 그들은 더 높은 수준의 창의성과 전략적 사고를 발휘할 수 있게 되었다고 보고합니다.

시간 절약에서 야심 확장으로

연구에서 가장 흥미로운 발견 중 하나는 개발자들이 “시간 절약”보다 “야심의 확장”에 더 가치를 둔다는 점입니다. 이는 AI 도구의 진정한 가치가 단순한 효율성 향상을 넘어서 인간의 창의적 잠재력을 확장하는 데 있음을 시사합니다.

교육 시스템의 혁명적 변화

컴퓨터 과학 교육의 재창조 필요성은 단순히 기술적 변화에 대한 적응을 넘어섭니다. 문제 해결 능력, 시스템 사고, 학제간 접근법에 대한 새로운 교육 패러다임이 필요합니다.

“이 루프를 작성하세요”에서 “이 코드를 이해하고 개선하세요”로의 전환은 교육 방법론의 근본적 변화를 의미합니다. 학생들은 AI와 협업하는 방법을 배워야 하며, 이는 미래 직업 환경에서의 성공을 위한 필수 조건입니다.

현실적 낙관주의의 힘

돔케 CEO가 제시한 현실적 낙관주의는 변화에 대응하는 가장 효과적인 마인드셋입니다. 변화를 부인하지도 않고, 그렇다고 절망하지도 않는 이 접근법은 적응과 성장에 에너지를 집중할 수 있게 해줍니다.

새로운 기술의 중요성

미래의 개발자에게 필요한 기술들—AI 능숙도, 위임과 오케스트레이션, 인간-AI 협업, 검증과 품질 관리, 제품 이해, 아키텍처 설계—은 전통적 코딩 기술과 새로운 AI 시대 기술의 조화입니다.

기초 지식의 중요성이 사라지는 것이 아니라, 더 높은 수준의 추상화와 전략적 사고를 위한 기반으로 작용합니다.

직업 시장의 변화

미국 노동통계청의 18% 성장 전망은 소프트웨어 개발자 직업이 사라지는 것이 아니라 변화하고 있음을 보여줍니다. 중요한 것은 이러한 변화에 적극적으로 적응하고 준비하는 것입니다.

마지막 메시지: 재창조의 기회

토마스 돔케의 연구가 전하는 가장 중요한 메시지는 개발자의 재탄생이 위기가 아닌 기회라는 것입니다. AI와의 협업을 통해 개발자들은 더 창의적이고, 더 전략적이며, 더 영향력 있는 역할을 수행할 수 있게 됩니다.

“코드 크리에이티브 디렉터”라는 새로운 직함이 상징하듯, 미래의 개발자는 단순히 코드를 작성하는 사람이 아닌 디지털 세상을 설계하고 창조하는 아키텍트가 될 것입니다.

변화는 이미 시작되었습니다. 이제 우리 각자가 AI를 받아들이고 함께 성장할 것인지, 아니면 뒤처질 것인지를 선택할 때입니다. 돔케 CEO의 연구가 보여주듯, 올바른 선택을 한 사람들에게는 무한한 가능성의 새로운 세상이 기다리고 있습니다.

참고 자료

참고