AI 코딩 도구가 짧은 시간에 방대한 양의 코드를 쏟아낸다는 사실은 개발 현장이라면 누구나 체감하는 바다. 문제는 그 코드를 곧바로 믿을 수 없다는 점이다. 자동 생성된 결과물의 정확성을 검증하기 위해 상당한 리뷰 노력이 뒤따라야 하고, 하버드대 연구진이 수백 개 기업의 실제 개발 데이터를 분석한 최근 연구는 바로 이 지점에서 AI의 생산성 효과가 상당 부분 상쇄된다고 결론짓는다. 코딩 단계에서 늘어난 효율이 그 뒤의 생산 공정, 특히 사람이 수행하는 코드 리뷰라는 '병목'에 흡수되어 버린다는 것이다.
측정의 근거
피오나 첸과 제임스 스트래턴은 엔지니어링 팀의 세부 산출물을 측정하는 분석 도구 젤리피시(Jellyfish)의 집계 데이터를 활용했다. 분석 대상은 700개 이상의 소프트웨어 개발 기업, 70만 명 이상의 임직원에 걸친 3억 건의 '작업 이벤트'(커밋, 풀 리퀘스트 등)와 이슈 관리 데이터로, 2021년부터 2026년 3월까지의 기록을 포괄한다. 연구진은 각 기업이 코드 자동완성 위주의 AI 어시스턴트와, 프롬프트를 받아 코드를 자율적으로 작성·제출하는 AI 에이전트를 언제 도입했는지를 직접 측정치와 깃허브 활동 분석으로 추정한 뒤, 도입 시점이 서로 다른 조직들을 비교하는 '이중차분(difference-in-differences)' 회귀 분석을 적용했다. 도입 전후의 변화를 조직 간에 교차 비교해 효과를 분리해내려는 설계다.
코드는 늘었지만 기능은 그대로
순수한 코드 생산량만 보면 결과는 뚜렷하다. AI 코딩 에이전트를 도입한 기업에서는 총 코드 라인 수가 평균 30%, 커밋 수가 20%, 풀 리퀘스트가 23% 증가했다. 그러나 이렇게 늘어난 코드가 곧바로 더 많은 소프트웨어 산출로 이어지지는 않았다. 지라(Jira) 같은 도구로 추적되는 이슈와 에픽, 즉 하나의 완결된 기능 단위의 해결률은 AI 도입 이후에도 통계적으로 유의미한 변화를 보이지 않았다. 더구나 추적된 이슈의 크기나 복잡도에서도 도입 전후로 의미 있는 구성 변화는 관찰되지 않았다. 더 작고 쉬운 과제로 쪼개 숫자를 부풀린 것이 아니라는 뜻이다.
이 간극의 원인은 리뷰 과정에 그대로 드러난다. 풀 리퀘스트가 제출된 뒤 코드베이스에 병합되기까지 걸리는 평균 리뷰 시간은 AI 에이전트 도입 이후 49% 늘어났다. 더 세부적으로 보면 변경 요청이 붙는 풀 리퀘스트의 비율이 거의 두 배로 뛰었고, 풀 리퀘스트당 코멘트 수도 35% 증가했다. 생성 속도가 빨라진 만큼 검증해야 할 물량이 늘고, 그 물량을 사람이 걸러내는 데 더 오랜 시간이 걸린 셈이다.
리뷰 부담은 결국 사람에게
기업들은 이 변화에 리뷰 인력을 늘리는 방식으로 대응했다. 코드 리뷰를 수행하는 인력의 비중이 AI 에이전트 도입 이후 14% 증가한 것이다. 다만 연구진은 젤리피시의 전체 활성 인력과 링크드인 데이터를 교차 확인한 결과, AI 때문에 유의미한 고용 변화가 발생했다고 볼 근거는 찾지 못했다고 밝혔다. 즉 AI가 사람을 대체했다기보다, 조직 내 노동이 작성에서 검토 쪽으로 재배치되는 양상에 가깝다.
AI가 리뷰 자체를 거들어 병목을 풀 수도 있지 않을까. 아직은 그 효과가 미미하다. 2026년 3월 기준 측정 대상 기업의 80%가 어떤 형태로든 AI 코드 리뷰를 사용했지만, AI 에이전트가 담당한 리뷰 코멘트는 전체의 23.3%, 풀 리퀘스트는 10.8%에 그쳤다. 검토의 대부분은 여전히 사람의 몫이라는 의미다.
물론 한계도 분명하다. AI 에이전트는 여전히 비교적 새로운 도구이고, 연구의 데이터 마감 시점인 2026년 3월 이후로도 그 성능에는 적지 않은 개선이 있었다. 조사 대상 기업의 95%가 이미 AI 코딩 에이전트를 도입했지만, 상당수는 언제 어떤 문제에 에이전트를 투입하는 것이 최선인지 아직 학습하는 단계에 있다. '코딩 시간 대 리뷰 시간'의 교환 관계는 팀이 경험을 쌓으면서 개선될 여지가 있다.
한국의 개발 조직에 주는 시사점은 분명하다. 도입 성과를 생성 코드량이나 커밋 수로 측정하면 성공처럼 보이지만, 정작 중요한 완성 기능의 처리율은 제자리일 수 있다. 측정 지표를 산출물 단위로 잡고, 늘어날 리뷰 부담을 인력 배치와 리뷰 자동화 투자에 미리 반영하지 않으면, AI로 번 시간은 병목에 그대로 흡수된다. 현 시점의 AI 코딩은 작성 속도의 이득과 검토 비용의 증가가 맞물린 양날의 검이며, 도입에 드는 시간과 비용이 정말 수지에 맞는지는 조직마다 냉정하게 따져볼 문제다.