Data Science Web Development

2025년 Python 현황

이 글은 Talk Python의 설립자이자 PSF 펠로우인 Michael Kennedy의 기고문입니다.

제8회 연례 Python 개발자 설문조사의 주요 내용, 동향 및 핵심 활동을 소개합니다. 이 설문조사는 Python Software Foundation과 JetBrains의 PyCharm 팀이 공동으로 진행했습니다.

저는 Michael Kennedy라고 합니다. 30,000건이 넘는 설문 응답을 분석하여 가장 중요한 동향과 전망을 도출하고, 여러분이 Python 경력을 향상하기 위해 취할 수 있는 다양한 방안을 제시해 드립니다.

저는 Talk Python to Me 팟캐스트 진행자라는 독특한 위치에서 지난 10년간 매주 Python 에코시스템에서 가장 중요한 라이브러리와 언어 동향을 주도하는 인물들을 인터뷰해 왔습니다. 이 글에서는 이와 같은 다양한 커뮤니티 경험을 바탕으로 중요한 연례 설문조사의 결과를 해석해 보도록 하겠습니다.

여러분의 업무나 제품 및 서비스가 Python을 사용하거나, 더 넓게는 Python 개발과 관계되어 있다면 이 자료를 읽어보세요. 다른 자료에서 얻기 어려운 많은 인사이트를 얻으실 수 있습니다.

2025년 Python 주요 동향

Python 설문조사 결과를 바탕으로 가장 중요한 동향을 살펴보겠습니다. 

이 인사이트를 살펴보면 프로젝트에 적합한 도구를 갖추는 것이 큰 차이를 만들어 낼 수 있다는 것을 알게 됩니다. PyCharm을 무료로 사용해 보고, 데이터 과학, ML/AI 워크플로, 웹 개발에 필요한 모든 기능을 하나의 강력한 Python IDE에서 계속 이용하세요.

Python을 쓰는 Python 개발자들

먼저 Python이 해당 사용자에게 얼마나 중요한지부터 이야기해 보겠습니다. Python 사용자는 주로 Python을 사용합니다. 이는 다소 당연한 동어반복처럼 들릴 수도 있지만 실제로 개발자들은 주 언어가 아닌 다른 언어도 많이 사용하곤 합니다. 예를 들어, 웹 개발자는 주 언어로 Python, C#, Java를 쓸 수 있지만, 동시에 CSS, HTML, JavaScript도 다루는 식이죠.

반면, 주로 Node.js 또는 Deno로 작업하는 개발자도 JavaScript를 사용하지만, 주 언어로는 사용하지 않습니다.

설문조사 결과에 따르면, 컴퓨터 프로그램 작성, 애플리케이션 빌드, API 생성에서 주로 사용하는 언어로 응답자의 86%가 Python을 선택했습니다.

대다수는 이제 막 시작한 프로그래머

저처럼 오랫동안 프로그래밍을 해 온 사람들(저는 거의 30년간 코드를 작성해 왔습니다)의 입장에서는 업계 대부분 사람들이 상당한 경험을 가지고 있을 것이라고 생각하기 쉽습니다. 그럴 수밖에 없는 게 콘퍼런스에 가면 10년 내지 20년 동안 프로그래밍을 해 온 사람들과 이야기를 나누게 되고 동료들을 보아도 대다수가 오랫동안 Python이나 프로그래밍을 해오고 있으니까요.

하지만 이는 Python 에코시스템의 전반적인 모습이 아닙니다.

응답자의 50%가 전문 코딩 경험이 2년 미만입니다! 그리고 39%는 Python을 사용한 경험이 2년 미만입니다(취미나 교육 목적에서도 마찬가지).

이 결과는 Python이 경력 초기의 개발자들에게 훌륭한 언어임을 다시 한번 확인시켜 줍니다. 간결하지만 단순하지 않은 구문과 접근 용이성은 초보자부터 경험이 풍부한 개발자까지 모두에게 큰 호응을 얻고 있습니다. 많은 이들이 프로그래밍과 Python을 좋아하며, 새로운 커뮤니티 구성원과 정보를 기꺼이 나누고 있습니다.

이는 커뮤니티용 콘텐츠를 만들 때, 이러한 인구 통계적 특성을 고려해야 한다는 사실을 시사하기도 합니다. 튜토리얼이나 동영상 데모를 제작한다면 초보자가 시작 단계에서 놓칠 수 있는 부분들을 건너뛰어서는 안 됩니다. 예를 들어, 단순히 패키지를 설치하라고 안내하기보다 가상 환경을 생성해야 한다고 알려주고, 그 방법을 보여주고 활성화하는 방법을 설명해 주세요. 그리고 해당 가상 환경에 패키지를 설치하는 방법을 안내해 주세요.

또한 JetBrains 같은 도구 공급자라면, 많은 사용자가 프로그래밍과 Python 자체에 익숙하지 않다는 점을 반드시 고려해야 합니다. 그렇다고 해서 고급 기능을 무시하거나 제품을 단순화할 필요는 없지만, 초보자들이 도입하기 어렵게 만들지는 말아야 합니다.

데이터 과학 작업자가 전체 Python 사용자의 절반 이상

올해 설문조사에 응한 모든 Python 개발자 중 51%가 데이터 탐색 및 처리 작업에 참여하고 있으며, 이 작업에 가장 자주 사용하는 도구로 pandas와 NumPy를 꼽았습니다.

Python 전문가 커뮤니티의 많은 사람들이 Python의 용도를 세 부분으로 나누어 웹 개발이 1/3, 데이터 과학 및 순수 과학이 1/3, 그리고 기타 용도가 나머지 3분의 1을 차지한다고 이야기해 왔습니다.

이제 그 3분의 1 중 하나가 Python에서 압도적으로 가장 큰 비중을 차지하게 되었으므로, 위상을 재조정해야 합니다.

이는 현재 데이터와 AI에 대한 관심이 폭발적으로 증가하고 있을 뿐만 아니라, 이 분야에서 활용할 수 있는 도구 개발 역시 그에 상응하는 폭발적 성장을 보이고 있다는 맥락과도 맞닿아 있습니다. Polars와 같은 데이터 처리 도구, 새로운 Notebook 작업 방식인 Marimo, 그리고 LLM, 비전 모델, 에이전트 작업을 위한 수많은 사용자 친화적 패키지(예: Transformers, Diffusers, smolagents, LangChain/LangGraph, LlamaIndex 등)가 그 예입니다.

Python의 중심축은 실제로 데이터와 AI 쪽으로 더욱 기울어졌습니다.

최신 버전의 이점에도 불구하고 대부분은 여전히 이전 버전의 Python 사용 

설문조사는 최신 버전과 이전 버전 Python 런타임 전반에 걸친 분포를 보여줍니다. 많은 수(15%)가 가장 최신에 출시된 Python 버전을 사용하고 있지만, 대부분의 경우(83%) 1년 이상 된 버전을 사용하고 있습니다.

또한 설문조사에 따르면 대다수가 코드를 실행하기 위해 Docker와 컨테이너를 사용하고 있다는 점에서 83% 이상이라는 수치는 더욱 놀랍습니다. 사실 컨테이너에서는 간단히 최신 Python 버전을 선택하기만 하면 됩니다. 모든 것이 격리되어 있기 때문에, 예를 들어 Linux의 시스템 Python 등 나머지 시스템과의 상호작용을 걱정할 필요가 없습니다. 컨테이너화를 통해 더 큰 유연성을 확보하고 최신 버전의 Python으로 수월하게 전환할 수 있습니다.

그렇다면 왜 사람들은 최신 Python 버전으로 업데이트하지 않을까요? 설문조사 결과는 두 가지 주요 이유를 보여줍니다.

1. 현재 사용하는 버전으로 모든 필요가 충족됨(53%)
2. 업데이트할 시간이 없었음(25%)

구 버전의 Python을 사용하는 개발자의 83%는 생각보다 훨씬 많은 것을 놓치고 있을 수 있습니다. except 키워드와 같은 일부 언어 기능이나 tomllib와 같은 표준 라이브러리의 작은 개선 사항을 놓치고 있는 데 그치지 않습니다. Python 3.11, 3.12 및 3.13은 모두 주요 성능 개선 사항을 포함하고 있으며, 곧 출시될 3.14 버전은 더 많은 개선 사항을 포함할 것입니다.

놀라운 점은 자신의 코드를 변경하지 않고도 이러한 혜택을 얻을 수 있다는 것입니다. 단순히 새 런타임을 선택하기만 하면 코드가 더 빠르게 실행됩니다. CPython은 하위 버전과의 호환성을 매우 잘 유지해 왔습니다. 간단히 업그레이드할 수 있습니다. 몇몇 수치를 살펴볼까요.

현재 48%의 사용자가 Python 3.11을 사용하고 있습니다. 3.13으로 업그레이드하면 코드가 엔드투엔드로 약 11% 더 빠르게 실행되며, 메모리 사용량은 약 10~15% 줄어듭니다.

만약 해당 사용자가 여전히 3.10 이하 버전을 사용하는 27%에 속한다면, 코드 속도는 (코드 변경 없이) 무려 약 42% 빨라지고, 메모리 사용량은 약 20~30% 낮아집니다!

구 버전 사용자라면 여전히 이런 식으로 말할 수도 있을 겁니다. “뭐, 이 정도 속도면 충분하지. 우리 트래픽이 많은 것도 아니고.” 그러나 규모가 중견 기업이나 대기업이라면, 구 버전은 클라우드 컴퓨팅 비용의 엄청난 낭비일 뿐 아니라 사용된 에너지로 인한 환경적 피해로도 이어집니다.

조사에 따르면 클라우드 컴퓨팅(특히 연산 중심 작업)의 몇 가지 추정 비용은 다음과 같습니다.

• 중간 규모 시장/중견 기업
  • 연간 AWS 총 비용(중앙값): 연간 약 230만 달러(vendr.com)
  • EC2(컴퓨팅 인스턴스) 비중(총 비용의 약 50~70%): 연간 115만~160만 달러(cloudlaya.com)
• 대기업
  • 연간 AWS 총 비용: 약 2,400만~3,600만 달러(즉, 월 200만~300만 달러)(reddit.com)
  • EC2 비중(약 50~70%): 연간 1,200만~2,500만 달러(cloudlaya.com)

만약 이들 기업이 Python 3.10을 실행하고 있다면, 각각 잠재적으로 42만 달러와 560만 달러를 절감할 수 있습니다(EC2 비용의 30%로 컴퓨팅).

회사가 단 하루면 되는 업그레이드를 미루는 바람에 연간 40만~500만 달러를 추가로 낭비하고 있다는 사실을 알게 된다면, 매우 난감한 상황이 될 것입니다.

재정 및 환경적 측면을 차치하더라도, 최신 언어 기능을 활용하고 핵심 개발자들의 중요한 작업과 보조를 맞출 수 있다는 것은 정말 큰 장점입니다. 여러분, 업그레이드를 최우선으로 삼으세요.

Python 웹 개발자의 부활

최근 몇 년간 Python 에코시스템에서 웹 개발의 비중이 줄어들고 있다는 이야기가 계속 나왔습니다. 여기에는 두 가지 강력한 요인이 있을 수 있습니다. 첫째, 데이터 과학과 AI에 집중하는 사람들이 Python으로 더 많이 유입되면서, 웹 개발자의 수가 상대적으로 정체되어 비율이 낮아진 것이고 둘째, 웹이 계속 프런트엔드 중심으로 발전하고 있기에 브라우저에서 Python이 실질적으로 작동하게 되기 전까지는 웹 개발자들이 JavaScript를 선호할 가능성이 높다는 점입니다.

2021년부터 2023년까지의 수치를 보면, 그 추세가 45% → 43% → 42%로 하락세임을 분명히 알 수 있습니다. 하지만 올해, 웹이 돌아왔습니다! 응답자들의 보고에 따르면, 2024년에는 46%가 Python을 웹 개발에 사용하고 있습니다. 이 가설을 뒷받침하듯, 웹 관련 ‘보조’ 언어의 사용이 함께 증가하여 HTML/CSS는 15%, JavaScript는 14%, SQL은 16% 늘어났습니다.

Python 웹 프레임워크 가운데 가장 큰 수혜자는 FastAPI로, 사용률이 29%에서 38%로 상승했습니다(30% 증가). 모든 주요 프레임워크가 전년 대비 성장했지만, FastAPI의 30%에 가까운 증가폭은 특히 인상적입니다. 왜 이런 결과가 나왔는지는 추측할 수밖에 없지만 Python을 이용한 웹 개발 증가에는 Python 에코시스템에 새로 합류한 많은 사람들이 부분적으로 영향을 미쳤을 가능성이 큽니다. 이들 중 상당수는 ML/AI/데이터 과학 분야에 속하며, Flask나 Django를 오랫동안 사용해 온 경력이 없으며, 현재 가장 인기 있는 Python 웹 프레임워크인 FastAPI를 선택하는 경우가 많습니다. FastAPI API를 통해 ML 모델을 호스팅하는 사례도 많습니다.

비동기 친화적인 Python 웹 프레임워크를 사용하는 추세 역시 계속 이어지고 있습니다. Talk Python에서 저는 약 10,000줄에 달하는 Python 웹 앱을 비동기 Flask로 다시 작성했습니다. Django 역시 꾸준히 비동기 기능을 추가하고 있으며 이 작업은 거의 완성 단계에 있습니다. 다만 현재(버전 5.2) 기준으로는 데이터베이스(DB) 계층에서 약간의 추가 작업이 필요하며, 팀에서도 “ORM과 Django의 다른 부분에 대한 비동기 지원을 계속 작업 중”이라고 밝혔습니다.

Python 웹 서버, async 및 Rust 기반 도구로 전환되는 추세

프로덕션 환경에서 Python 웹 앱과 API를 호스팅하는 애플리케이션 서버 또한 변화하고 있다는 점을 간략히 살펴보겠습니다. 경험적으로 볼 때, 여기에는 두 가지 힘이 작용하고 있다고 생각합니다. 우선 비동기 프레임워크로의 전환은 단순히 WSGI뿐만 아니라 ASGI를 지원하는 애플리케이션 서버를 필요로 하며, Rust는 Python 코드를 빠르게 실행하는 데 점점 더 핵심적인 역할을 하고 있습니다(이 부분은 곧 자세히 살펴보겠습니다).

지난해 이 분야에서 가장 큰 손실은 uWSGI의 완전한 몰락이었습니다. 이 상황을 자세히 살펴보기 위해 Python Bytes 팟캐스트에서 We Must Replace uWSGI With Something Else(uWSGI의 대체물이 반드시 필요)라는 제목의 에피소드까지 진행했습니다. 

또한 Gunicorn이 비동기 작업을 덜 처리하고, 대신 uvicorn과 Hypercorn 같은 비동기 네이티브 서버가 그 역할을 맡아 독립적으로 작동하는 것을 확인했습니다. Granian과 같은 Rust 기반 신규 서버도 탄탄한 지지층을 확보하고 있습니다.

현재 Python 속도를 높이는 방법은 Rust

지난 몇 년 동안 Rust는 Python 성능을 함께 이끄는 조력자가 되었습니다. 2025년 Python Language Summit에서는 “새로운 프로젝트를 위해 PyPI에 업로드되는 네이티브 코드의 약 4분의 1에서 3분의 1 정도가 Rust를 사용”한다는 사실이 밝혀졌습니다. 이는 “사람들이 새로운 프로젝트를 시작할 때 Rust를 선택”하고 있음을 시사합니다.

실제 설문조사 결과를 보면, Python 패키지의 바이너리 확장에 Rust를 사용하는 비율이 27%에서 33%로 증가했습니다.  

데이터 과학 분야에서 Polars의 성공, 그리고 거의 모든 분야에서 Pydantic의 성공을 통해 이러한 흐름을 확인할 수 있습니다. 최신 Granian과 같은 Python 앱 서버에서도 이러한 현상이 나타나고 있습니다.

타입 지정된 Python에 대한 도구 지원 향상

올해 또 하나의 중요한 동향은 타입 지정된 Python입니다. 함수 정의에서 다음과 같은 Python 타입 정보를 본 적이 있을 것입니다. 

def add(x: int, y: int) -> int: ... 

이는 오래 전부터 Python에 도입되어 있었지만 최근 들어 타입 지정된 Python을 더 보편적으로 유연하게 만들려는 새로운 노력이 이어지고 있습니다. 타입 지정이 도입된 초기부터 mypy 같은 도구가 있었지만, 그 목표는 프로그램 전체의 일관성을 유지하는 데 가까웠습니다. 하지만 불과 지난 몇 달 사이에 두 가지 새로운 고성능 타입 지정 도구가 출시되었습니다.

• Astral의 ty – Rust로 작성된 매우 빠른 Python 타입 검사기이자 언어 서버.
• Meta의 Pyrefly – Rust로 작성된 더 빠른 Python 타입 검사기.

이 두 도구는 차세대 타입 검사 도구로 자리 잡기 위해 경쟁하고 있습니다. 게다가 이 두 도구 모두 매우 빠른 언어 서버 프로토콜(LSP)을 제공하고 있습니다.

공통점이 보이시나요? 두 도구 모두 Rust로 작성되어 “Rust가 Python 성능의 든든한 조력자”라는 앞서의 주장을 뒷받침하고 있습니다.

참고로, 몇 주 전에 ty 팀과 인터뷰를 진행했으니 그 프로젝트를 더 깊이 살펴보고 싶다면 확인해 보시기 바랍니다.

코드와 문서가 오픈 소스 기여의 대부분을 차지

오픈 소스에 기여하는 방법은 다양하고 독특합니다. 대부분 ‘기여자’라고 하면 코드를 작성해 새로운 기능을 추가하는 사람을 떠올리지만 실제로는 눈에 잘 띄지 않으면서도 중요한 기여 방식도 있습니다. 예를 들어, 이슈를 분류하거나 풀 리퀘스트를 검토하는 일 등이 그렇습니다.

그렇다면 커뮤니티의 어느 정도가 어떤 방식으로 오픈 소스에 기여했을까요?

설문조사에 따르면, 개발자의 3분의 1이 오픈 소스에 기여했다고 답했습니다. 이 기여는 주로 코드 작성과 문서/튜토리얼 추가 형태로 나타났습니다.

최고의 학습 자료는 문서

개발자나 데이터 과학자는 보통 어디에서 학습할까요? 응답자들은 문서가 1위라고 답했습니다. 언어나 라이브러리를 배우는 방법은 다양하지만, 사람들은 문서를 가장 선호합니다. 이는 오픈 소스 유지 관리자들에게 좋은 소식입니다. 문서화(및 내장 튜토리얼)에 들인 노력이 충분히 가치 있다는 것을 의미하기 때문이죠. 프로젝트 사용자 경험을 개선하는 가장 명확하고 직관적인 방법이 바로 문서입니다.

또한 이는 제가 JetBrains의 Paul Everitt를 비롯하여 경험 많은 Python 개발자들과 함께한 팟캐스트 패널 에피소드인 Developer Trends in 2025(2025년 개발자 동향)의 내용과도 일치합니다. 패널 참여자 전원은 문서가 1위라고 의견을 같이했지만, 설문조사에서는 YouTube가 51%로 패널 참여자들의 평가보다 훨씬 높게 나타났습니다. 커뮤니티가 평균 1~2년의 경력을 가지고 있고 그중 45%는 30세 미만임을 기억해 보세요.

강력하게 떠오르는 새로운 자료 형태는 다들 익히 들어본(또한 사용하고 있는) AI 도구입니다. 학습 자료로 AI 도구를 활용하는 비율은 19%에서 27%로 증가했습니다(전년 대비 42% 증가).

Postgres, Python 사용자들에게 가장 인기 있는 데이터베이스

어떤 데이터베이스를 사용하느냐는 질문에 응답자들은 압도적으로 PostgreSQL을 선택했습니다. PostgreSQL은 Python 데이터베이스의 최고봉으로, 사용 비율도 43%에서 49%로 증가했습니다. 이는 작년 사용률 중 14%가 증가한 수치로, 28년 된 오픈 소스 프로젝트라는 점을 고려해 보면 놀라운 일입니다.

흥미로운 점은 PostgreSQL뿐만 아니라, 상위 6개 데이터베이스 모두 사용률이 전년 대비 성장했다는 사실입니다. 이는 앞서 논의한 것처럼 웹 개발 자체가 다시 성장세를 보이고 있다는 또 다른 지표일 수 있습니다.

앞으로의 추세

엄청난 변화를 몰고 올 에이전틱 AI

제가 전망하는 첫 번째 동향은 에이전틱 AI가 코딩의 혁신 동력이 될 것이라는 겁니다. 에이전틱 AI는 종종 호불호가 극명하게 갈리는 바이브 코딩 도구로 언급됩니다. 하지만 바이브 코딩이라는 표현 속에 가려진 사실은, 에이전틱 AI 도구가 숙련된 엔지니어나 데이터 과학자와 함께할 때 엄청난 생산성을 발휘한다는 점입니다.

PSF 설문조사 외의 조사에 따르면, 2023년에는 개발자의 약 70%가 AI 코딩 도구를 사용하거나 사용할 계획이라고 답했고, 2024년에는 전문 개발자의 약 44%가 이를 매일 사용한다고 답했습니다.

JetBrains의 2023년 개발자 에코시스템 현황 보고서에 따르면, 불과 몇 년 사이에 “AI 기반 코드 생성 도구가 흥미로운 연구 대상에서 많은 개발자들의 도구 상자 내 필수 요소”로 자리 잡았다고 합니다. 2025년으로 건너뛰어, 2025년 개발자 에코시스템 현황 설문조사에 따르면, 거의 절반(49%)에 달하는 응답자가 2026년에는 AI 코딩 에이전트를 사용해 볼 계획이라고 답했습니다.

주요 기술 기업의 프로그램 관리자들은 에이전틱 AI를 받아들이지 않는 개발자는 사실상 채용할 수 없다고 말합니다. 이유는 이를 활용하는 사람과 외면하는 사람 사이의 생산성 격차가 너무 크기 때문입니다(AI 활용 시 생산성이 약 30% 증가하는 것으로 추정).

Python의 핵심으로 자리 잡아가고 있는 async, await 및 스레딩

미래는 동시성과 Python으로 활기를 띨 것입니다. 앞서 Python 웹 프레임워크와 앱 서버가 비동기 실행으로 이동하고 있다는 점을 언급했지만, 이는 큰 흐름의 일부에 불과합니다.

Python 3.14는 완전한 Free-threaded Python을 지원하는 첫 버전이 됩니다. 스레드 프리 Python은 전역 인터프리터 잠금(GIL)을 사용하지 않는 Python 런타임의 한 버전으로, CPython 3.13에서 실험적으로 처음 추가되었습니다.

지난 주, 운영 위원회와 핵심 개발자들은 이를 언어와 런타임의 영구적 기능으로 공식 채택했으며 이를 통해 광범위한 영향을 미치게 될 것입니다. 개발자와 데이터 과학자는 잠금, 경쟁 조건, 그에 따른 성능 이점을 포함한 스레드 기반 코드에 대해 더 신중하게 생각해야 할 것입니다. 패키지 관리자들은, 특히 네이티브 코드 확장을 가진 경우, 스레드 프리 Python을 지원하여 경쟁 조건과 교착 상태를 방지하기 위해 코드의 일부를 다시 작성하여 해야 할 수 있습니다.

다른 한편으로는 큰 장점도 있습니다. 저는 현재 가장 저렴한 Apple Mac Mini M4에서 이 글을 작성하고 있습니다. 이 컴퓨터에는 10개의 CPU 코어가 탑재되어 있습니다. 즉, 이 변화가 Python에 적용되기 전까지, 단일 Python 프로세스로 얻을 수 있는 최대 성능이 제 컴퓨터가 실제로 낼 수 있는 성능의 10%에 불과하다는 것을 의미합니다. 스레드 프리 Python이 에코시스템에 완전히 정착하면, 표준 Python 프로그램에서도 스레딩과 async 및 await 키워드를 활용해 컴퓨터의 성능을 최대치에 훨씬 더 가깝게 끌어낼 수 있을 것입니다.

async와 await 키워드는 더 많은 동시 실행 코드를 작성하려는 웹 개발자만을 위한 도구가 아니라  점점 더 다양한 영역에서 활용되고 있습니다. 그 중 제가 최근에 접한 도구 중 하나는 Temporal입니다. 이 프로그램은 asyncio 이벤트 루프를 활용하지만, 정교한 표준 스레딩 기법 대신 안정적인 시스템 전반 실행으로 대체합니다. 사용자가 단순히 어떤 동작을 await로 대기시키면, 시스템이 재시작되더라도 그 이면에서는 실행이 계속 유지됩니다. Temporal과 마찬가지로 점차 많은 도구에서 이를 흥미롭게 활용함에 따라 async와 await를 이해하는 것이 점점 더 중요해질 것입니다.

이는 Pydantic 덕에 Python 타입 지정이 많은 관심을 끌게 된 방식과 유사합니다. Pydantic이 아니었더라면 그렇게까지 관심을 받지 못했을 겁니다.

Python GUI와 모바일의 부상

마지막으로 주목할 미래 동향은 Python GUI와 모바일입니다. 보통 iOS와 Android에서 네이티브 앱을 만들 때, Python으로 이를 구현하는 일은 언젠가 이루어지기를 바라늠 꿈일 뿐입니다.

2025년 Python Language Summit에서 Russell Keith-Magee는 iOS와 Android를 CPython의 Tier 3 지원 플랫폼으로 만드는 작업을 발표했습니다. 이는 PEP 730과 PEP 738에 정리되어 있습니다. 이는 Python을 사용해 앱 스토어에 배포할 수 있는 진정한 네이티브 앱을 작성하기 위한 필요 조건이지만 충분 조건은 아닙니다.

더 일반적으로는, Python용 UI에 대해 흥미로운 아이디어와 새로운 접근 방법이 제시되어 왔습니다. fast.ai의 Jeremy Howard가 소개한 FastHTML을 이용하면 순수 Python만으로 현대적인 웹 애플리케이션을 작성할 수 있습니다. NiceGUI는 순수 Python으로 웹 앱과 PWA를 작성할 수 있는 훌륭한 방법으로 주목받고 있습니다.

저는 이러한 변화, 특히 모바일과 관련된 변화를 통해 앞으로 수년간 논의될 혁신적인 사용 사례가 실현될 것으로 기대하고 있습니다.

실행 가능한 아이디어

지금까지 설문조사 결과와 제 해석 및 예측을 보여 드렸습니다. 그렇다면 여러분은 이러한 정보로 무엇을 해야 할까요? 물론 여러분께 요구되는 것은 아무것도 없지만, 저는 이 글을 마무리하며 이러한 기술 및 오픈 소스의 흐름을 활용하는 데 도움이 될 수 있는 몇 가지 실행 가능한 아이디어를 제시하고자 합니다.

아래 여섯 가지 아이디어는 이 글을 읽은 뒤 바로 실천해 볼 수 있습니다. 아직 활용하지 않고 있는 것 하나만 골라 시도해 보고 Python에서 성장하는 데 얼마나 도움이 되는지 확인해 볼 수 있습니다.

실행 1: uv를 배우세요

uv는 탁월한 패키지이자 Python 관리 도구로, 도입된 해에 사용률이 0%에서 11%로 급등했으며 그 성장은 2025년에도 계속해서 뚜렷하게 이어지고 있습니다. 이 Rust 기반 도구는 여러분이 이전에 들어봤을 중요한 여러 도구의 기능을 통합하며, 탁월한 성능과 놀라운 기능을 제공합니다.

시스템에 Python이 필요하신가요? 간단히 run uv venv venv를 실행하면 최신 정식 릴리스가 설치되고 동시에 가상 환경이 생성됩니다. 이것은 시작에 불과합니다. 전체 이야기가 궁금하시다면, 제가 uv 2세대에 대해 Talk Python에서 나눈Charlie Marsh와의 인터뷰를 확인해 보세요.

uv를 설치하기로 했다면 반드시 독립 실행형 설치 프로그램을 사용하세요. 이렇게 하면 uv가 스스로 관리하고 시간이 지남에 따라 더 나아질 수 있습니다.

실행 2: 최신 버전의 Python을 사용하세요

응답자의 83%가 최신 Python 버전을 사용하지 않는 것으로 나타났습니다. 여러분은 그러지 마세요. 가상 환경을 사용하거나 컨테이너를 사용해 최신 Python을 설치하세요. 요즘 가장 빠르고 쉬운 방법은 uv를 사용하는 것으로, 시스템 Python이나 기타 설정에 영향을 주지 않습니다(실행 1 참조).

Docker 컨테이너에서 배포하거나 개발한다면, 최신 Python 3.13을 설정하고 다음 두 줄만 실행하면 됩니다.

RUN curl -LsSf https://astral.sh/uv/install.sh | sh
RUN uv venv --python 3.13 /venv

(저처럼) 로컬에서 가상 환경으로 개발한다면, RUN 키워드를 제거하고 uv를 사용해 가상 환경을 생성하세요. 물론, Python의 새로운 주요 버전이 릴리스될 때마다 버전 번호를 업데이트해야 합니다.

이 조치를 취하면 성능상의 이점부터 언어 기능까지, 최신 Python의 모든 잠재력을 활용할 수 있습니다.

실행 3: 에이전틱 AI를 학습하세요

아직 에이전틱 AI를 한 번도 사용해 보지 않았다면, 꼭 한 번 사용해 보기를 권합니다. AI와 LLM을 사용하기를 꺼리는 이유는 이해합니다. 우선, 저작권과 관련해 법적 합법성이 불확실한 문제가 있습니다. 환경적 피해도 실제로 있고, 개발자의 일자리와 자율성에 대한 위협도 무시할 수 없습니다. 그러나 챗봇에 국한되지 않고 최상급 모델을 에이전틱 AI에 활용하면 엄청난 생산성을 발휘할 수 있습니다.

바이브 코딩을 추천하는 것이 아닙니다. 하지만 라이브러리나 패키지가 있었으면 하거나, 업무의 일부를 자동화할 간단한 CLI 도구가 있으면 좋겠다고 바란 적은 없으신가요? 그 작업을 에이전틱 AI에 맡기면, 기본 애플리케이션과 일상에서 기술 부채를 떠안지 않아도 됩니다. 생산성이 훨씬 더 좋아지는 것입니다.

또 하나 흔히 하는 실수는 가장 저렴하거나 무료인 모델로 시험해 보는 것입니다. 무료 모델이 그다지 잘 작동하지 않을 때, 사람들은 이를 근거로 “거 봐. 별로 도움이 안 되잖아. 말을 지어내고 틀린 결과만 내”라고 말합니다. 최대한 최상의 모델을 선택하고, 실제로 어떤 것이 가능한지 진지하게 확인하고 싶다면 한 달에 10달러나 20달러를 지불해 보시기 바랍니다.

JetBrains는 최근 IDE용 에이전틱 코딩 어시스턴트인 Junie를 출시했습니다. JetBrains IDE 중 하나를 사용하고 있다면 꼭 확인해 보세요.

실행 4: 기본 Rust를 읽는 법을 익히세요

Python 개발자들은 Python을 대체하기 위해서가 아니라 보완하기 위해 Rust의 기본을 배우는 것을 고려해야 합니다. 앞서 분석에서 언급했듯이, Rust는 Python 에코시스템의 핵심 영역에서 점점 더 중요한 위치를 차지하고 있습니다. 여러분이 Python 대신 Rust 개발자가 되기를 권하는 것이 아닙니다. 다만, 사용하는 라이브러리가 Rust로 구현되어 있을 때, 그 코드의 기능을 이해할 수 있을 정도의 독해력을 갖추는 것은 분명히 유용한 기술이 될 것입니다.

실행 5: 스레딩을 이해하세요

Python 개발자들은 주로 스레딩과 병렬 프로그래밍 영역 밖에서 작업해 왔습니다. Python 3.6에서 강력한 async와 await 키워드가 추가되었습니다. 그러나 이는 주로 I/O 바운드 동시성에만 적용되었습니다. 예를 들어, 웹 서비스를 호출할 때 HTTPX 라이브러리를 사용하고 그 호출을 대기시킬 수 있습니다. 이러한 형태의 동시성은 대부분 경쟁 조건이나 그와 유사한 문제를 피할 수 있습니다.

하지만 이제 Python에 진정한 병렬 스레딩이 도입됩니다. PEP 703이 Python 3.14에 공식적으로 완전히 채택되었으니 진정한 스레딩이 어떻게 작동하는지 이해할 필요가 있습니다. 여기에는 잠금, 세마포어, 뮤텍스에 대한 이해가 포함됩니다.

이는 도전이 될 것이지만, 동시에 Python의 성능을 극적으로 끌어올릴 수 있는 엄청난 기회이기도 합니다.

2025 Python Language Summit에서는 발표의 약 3분의 1이 어떤 형태로든 동시성과 스레딩을 다루었습니다. 이는 앞으로 다가올 일을 보여주는 분명한 선행 지표입니다.

동시성이나 스레딩이 모든 프로그램에 필요하지는 않지만 충분히 광범위하게 사용될 것이기에 실질적인 이해를 갖추는 것이 중요합니다. 제가 작성한 Python의 async에 관한 강좌가 있으니, 그 형식에 대해 자세히 알아보고 싶다면 참고하시기 바랍니다. 또한 JetBrains의 Cheuk Ting Ho가 쓴 훌륭한 자료인 Faster Python: Concurrency in async/await and threading(빨라진 Python: async/await 및 스레딩으로 동시성 구현)도 한번 읽어보시기 바랍니다.

실행 6: 초보자를 고려하세요

마지막으로 드리고 싶은 조언은 무언가를 빌드하거나 공유할 때 항상 초보자도 이용 가능하도록 하라는 것입니다. Python 개발자의 절반은 Python을 사용한 지 2년이 채 되지 않았으며, 그 중 대부분은 어떤 형태로든 프로그래밍을 해온 기간이 2년이 채 되지 않았습니다. 이는 개인적으로 여전히 놀라운 일입니다.

따라서 세상을 대상으로 발표를 하거나 글을 쓰거나 패키지, 라이브러리, 도구를 만들 때, 여러 Python 파일 작업, 가상 환경, 의존성 고정 등과 관련된 다년간의 커뮤니티 지식을 당연하게 다루어서는 안 된다는 점을 기억하세요.

더 알아보고 싶으신가요? 전체 Python 개발자 설문조사 결과를 여기에서 확인하세요.

PyCharm으로 개발 시작하기

PyCharm은 데이터 과학, ML/AI 워크플로, 웹 개발에 필요한 모든 것을 즉시 제공하는 강력한 올인원 IDE입니다.

저자 정보