인공지능은 코드를 많이 생성하지만, 소프트웨어 개발 속도가 빨라지는 것은 아닙니다.

인공지능 코딩 도구에 대한 지금까지 읽어본 가장 흥미로운 데이터 중 하나는 다음과 같습니다. 더 많은 코드가 반드시 더 많은 소프트웨어로 이어지는 것은 아닙니다.

하버드 대학교의 피오나 첸(Fiona Chen)과 제임스 스트랫턴(James Stratton)의 연구에 따르면, 2021년부터 2026년 3월까지 700개 이상의 소프트웨어 회사에서 70만 명 이상의 직원에 대한 데이터를 분석하고, 3억 건 이상의 작업 이벤트를 조사했습니다. 코딩 도구가 도입된 후, 총 코드 라인 수는 평균 30%, 커밋 수는 20%, 풀 리퀘스트 수는 23% 증가했습니다.

하지만 중요한 질문은 다음과 같습니다. 실제로 업무 효율성이 향상되었을까요? Jira와 같은 도구에서 추적되는 오류, 작업, 기능의 완료율에 대해 통계적으로 유의미한 변화는 발견되지 않았습니다.

문제는 코드 검토 단계에 있습니다. 풀 리퀘스트가 제출되어 메인 코드 베이스에 통합되는 데 걸리는 시간이 평균 49% 증가했습니다. 수정이 필요한 풀 리퀘스트의 비율이 거의 두 배로 증가했으며, 풀 리퀘스트당 댓글 수는 35% 증가하고, 코드 검토를 담당하는 직원 비율도 14% 증가했습니다. 즉, 코딩 속도가 향상된 효과의 상당 부분이 검토 및 수정 단계에서 상쇄되고 있습니다.

기업들은 이러한 문제를 인공지능으로 해결하려고 노력하고 있습니다. 2026년 3월 기준으로, 조사 대상 회사의 80%가 일종의 인공지능 코드 검토 도구를 사용하고 있었습니다. 하지만 검토 댓글의 23.3%만이 인공지능 도구에서 제공되었으며, 인공지능 도구가 풀 리퀘스트의 10.8%에만 기여했습니다. 대부분의 작업은 여전히 사람이 수행하고 있습니다. 또한, 조사 기간 동안 활동 직원 수에 대해서는 유의미한 변화가 발견되지 않았습니다.

데이터가 2026년 3월에 종료되었으며, 해당 시점 이후로 도구가 더욱 발전했을 가능성을 고려해야 합니다. 하지만 제가 얻은 결론은 명확합니다. 생산성을 높이기 위해서는 코딩 속도뿐만 아니라 검토, 오류 수정 및 통합 과정도 가속화해야 합니다.

Ars Technica의 관련 기사: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
연구 논문의 PDF 파일: https://fion.ac/jellyfish.pdf

출처: DonanımHaber