AI 코딩 에이전트는 더 많은 코드를 만들지만, 더 많은 소프트웨어를 만들지는 못함

Ars Technica의 Kyle Orland 기사예요. AI 코딩 도구가 엄청난 양의 동작하는 코드를 만들어 낸다는 건 다들 알지만, 그 코드를 그대로 믿을 수 없어 검토에 큰 노력이 든다는 것도 개발자라면 알아요. 새 연구는 이 사람의 코드 리뷰가 병목이 되어, 기업들이 AI 도구로 "소프트웨어 산출을 늘리거나 고용을 줄였다는 증거가 거의 없다"고 결론 내렸어요. 코딩 단계에서 얻은 효율은 "생산 과정의 하류 제약에 흡수"된다는 거예요.

연구 방법

하버드의 Fiona Chen과 James Stratton은 엔지니어링 팀 산출을 세밀하게 측정하는 Jellyfish의 집계 데이터를 썼어요. 2021년부터 2026년 3월까지 700개 이상 소프트웨어 기업, 70만 명 이상 직원의 커밋·PR 같은 "작업 이벤트" 3억 건과 이슈 관리 데이터가 포함돼요. 직접 측정한 AI 사용량과 GitHub 활동 분석으로 각 회사가 AI 코딩 어시스턴트(사람이 주로 쓰는 코드를 자동완성)와 AI 코딩 에이전트(프롬프트를 받아 주로 자율적으로 코드를 쓰고 제출)를 언제 도입했는지 파악하고, 도입 시점이 다른 조직들 사이에서 이중차분(difference-in-differences) 회귀로 효과를 추정했어요.

코드는 늘었지만 소프트웨어는 그대로

에이전트 도입 후 평균적으로 코드 줄 수 30%, 커밋 20%, PR 23%가 늘었어요. 그런데 Jira 같은 도구로 추적하는 이슈와 에픽(기능 단위)의 해결률은 통계적으로 유의한 변화가 없었고, 이슈의 크기나 복잡도가 바뀌는 "구성 변화"도 없었어요.

원인은 코드 리뷰

PR 제출부터 머지까지의 리뷰 시간이 에이전트 도입 후 평균 49% 늘었어요. 변경 요청을 받는 PR 비율은 거의 두 배, PR당 댓글 수는 35% 늘었어요. 이에 대응해 코드 리뷰를 하는 직원 비율이 14% 늘었고, Jellyfish의 활성 인원과 LinkedIn 데이터를 대조해도 AI에 기인한 유의미한 고용 변화는 찾지 못했어요.

AI 리뷰는 아직 미미

2026년 3월까지 측정 대상 기업의 80%가 어떤 형태로든 AI 코드 리뷰를 썼지만, 전체 리뷰 댓글 중 AI 에이전트 몫은 23.3%, PR 중에선 10.8%에 그쳤어요. 리뷰 대부분은 여전히 사람이 하고 있다는 뜻이에요.

단서

AI 에이전트는 아직 새로운 도구이고, 데이터 마감인 2026년 3월 이후에도 성능이 크게 개선됐어요. 연구 대상 기업의 95%가 에이전트를 도입했지만 언제 어떻게 쓸지 배우는 중일 수 있고, 팀이 경험을 쌓으면 "코딩 시간 대 리뷰 시간" 트레이드오프가 나아질 수도 있어요. 다만 지금으로선 AI에게 코드를 쓰게 하는 건 양날의 검이라, 코딩 속도의 이득이 사람의 리뷰 시간과 노력 증가로 상쇄된다는 게 기사의 결론이에요. 댓글에서는 "회사에서 AI를 강제로 쓰는데 정말 100% 맞는 얘기"라는 반응이 스태프 픽에 올랐어요.