TECH 으로 돌아가기
TECH HACKER NEWS 8분 읽기 87 READS

'AI를 쓰면 코드베이스가 깨지기 쉬워진다'는 주장, 데이터로 따져보면

'AI를 쓰면 코드베이스가 깨지기 쉬워진다'는 주장, 데이터로 따져보면
SOURCE IMAGE · HACKER NEWS
'AI를 쓰면 코드베이스가 깨지기 쉬워진다'는 주장, 데이터로 따져보면

빨리 짰는데 왜 더 자주 터질까

Evan X. Merz라는 개발자가 블로그에 'AI usage generates a fragile codebase', 우리말로 옮기면 'AI 사용은 깨지기 쉬운 코드베이스를 만든다'는 제목의 글을 올렸어요. 제목만 봐도 뜨끔한 분들 많을 거예요. Copilot이나 Cursor, Claude Code 덕분에 기능은 확실히 빨리 나오는데, 몇 달 뒤 그 코드를 고치려고 열어보면 어디를 건드려야 할지 막막했던 경험이 한 번쯤 있잖아요.

먼저 밝혀두면, 이 글은 원문을 옮긴 요약이 아니에요. 원문의 구체적인 논거는 직접 읽어보시길 권하고, 여기서는 '깨지기 쉽다'는 주장에 실제로 근거가 있는지를 공개된 연구 데이터와 실무에서 벌어지는 메커니즘 중심으로 따져볼게요.

'깨지기 쉽다'는 게 뭐냐면

깨지기 쉬운(fragile) 코드베이스란 한 군데를 고쳤는데 전혀 상관없어 보이는 다른 곳이 망가지는 코드를 말해요. 젠가 탑을 떠올리면 쉬워요. 블록 하나하나는 멀쩡한데 어떤 블록이 무엇을 받치고 있는지 아무도 모르는 상태죠. 버그가 많은 코드와는 조금 달라요. 지금 당장은 잘 돌아가는데 변경을 견디지 못한다는 게 핵심이에요.

데이터가 보여주는 것

가장 자주 인용되는 건 GitClear의 분석이에요. 2020년부터 2024년까지 약 2억 1천만 줄의 코드 변경을 살펴봤더니, 기존 코드를 옮기고 정리하는 리팩터링성 변경의 비중이 2021년 약 25%에서 2024년에는 10% 아래로 떨어졌어요. 반대로 복사해서 붙여넣은 코드는 계속 늘어서, 2024년에는 처음으로 '옮긴 코드'보다 '복붙한 코드'가 많아졌고요. 다섯 줄 이상 중복된 코드 블록이 나타나는 빈도는 2024년 한 해에만 8배가량 늘었다고 해요.

구글의 DORA 2024 보고서도 비슷한 신호를 줘요. AI 도입이 25% 늘 때 배포 처리량은 약 1.5%, 배포 안정성은 약 7.2% 떨어지는 것으로 추정됐거든요. 문서 품질이나 코드 리뷰 속도 같은 지표는 좋아졌는데 정작 배포 안정성은 나빠진 거예요. 보고서는 AI 덕분에 한 번에 바꾸는 코드의 양이 커진 게 원인일 수 있다고 봤어요.

METR의 2025년 실험도 흥미로워요. 숙련된 오픈소스 개발자 16명에게 본인이 잘 아는 저장소의 실제 작업을 맡겼더니, AI 도구를 쓸 때 오히려 19% 더 오래 걸렸어요. 그런데 당사자들은 20% 빨라졌다고 느꼈고요. 물론 이 자료들이 인과관계를 증명하는 건 아니고 조사 시점의 도구도 지금과 달라요. 그래도 체감과 실제가 어긋난다는 건, 품질 문제 역시 체감보다 늦게 드러날 수 있다는 뜻이에요.

왜 이런 일이 생길까

첫 번째는 AI가 '추가'에는 강하고 '정리'에는 약하다는 점이에요. 모델은 지금 보이는 파일과 프롬프트를 기준으로 가장 그럴듯한 코드를 만들어요. 프로젝트 저쪽 구석에 같은 일을 하는 유틸 함수가 이미 있다는 걸 모르면 그냥 새로 짜죠. 그렇게 비슷하지만 조금씩 다른 구현이 서너 군데 생기고, 나중에 정책이 바뀌면 한 곳만 고쳐서 버그가 나요.

두 번째는 이해의 부채예요. 직접 짠 코드는 왜 이렇게 됐는지 머릿속에 지도가 남아요. 받아쓴 코드는 '돌아가네' 하고 넘어가기 쉬워서 지도가 안 남고요. 코드는 있는데 그 코드를 아는 사람이 팀에 없는 상태가 되는 거예요.

세 번째는 테스트의 착시예요. 구현과 테스트를 AI에게 같이 맡기면, 테스트가 요구사항이 아니라 방금 만든 구현을 그대로 따라 확인하는 경우가 많아요. 커버리지 숫자는 높은데 구현이 틀리면 테스트도 같이 틀리는 구조죠. 마지막은 리뷰 병목이에요. 코드가 만들어지는 속도는 몇 배가 됐는데 사람이 읽는 속도는 그대로라서, PR이 커지고 많아질수록 리뷰는 얕아질 수밖에 없어요.

업계 맥락: 새로운 문제일까

사실 아주 새로운 문제는 아니에요. 스택오버플로 답변을 이해 없이 붙여넣던 시절에도, 외주 코드를 인수인계 없이 넘겨받을 때도 같은 일이 있었거든요. 다른 건 속도와 규모예요. 안드레이 카파시가 2025년에 '바이브 코딩'이라는 말을 유행시킨 뒤로, 코드를 읽지 않고 받아들이는 방식이 하나의 스타일이 됐으니까요.

반론도 있어요. 저장소 전체를 탐색하는 에이전트형 도구는 기존 함수를 찾아 재사용하는 능력이 예전 자동완성보다 훨씬 낫고, AI를 리팩터링이나 테스트 보강에 쓰면 오히려 코드가 단단해지기도 해요. 결국 도구가 문제라기보다, 도구가 만들어 준 속도를 어디에 쓰느냐의 문제에 가까워요.

한국 개발자에게 주는 시사점

국내 환경은 이 문제에 특히 취약해요. 스타트업은 MVP를 빨리 내야 하고 SI 프로젝트는 납기가 정해져 있으니까, '일단 돌아가게'의 유혹이 크잖아요. 당장 해볼 만한 건 몇 가지 있어요. PR 크기에 상한을 두고, AI가 썼든 사람이 썼든 작성자가 한 줄씩 설명할 수 있어야 머지한다는 원칙을 세워보세요. jscpd나 SonarQube 같은 중복 탐지 도구를 CI에 붙이는 것도 좋아요. 테스트 케이스는 사람이 요구사항에서 먼저 뽑고 구현만 AI에게 맡기는 순서도 효과적이고요.

하나 더, AI에게 '추가' 말고 '삭제와 통합' 과제를 주기적으로 주세요. 그리고 CLAUDE.md나 AGENTS.md 같은 규칙 파일에 공용 유틸 위치와 컨벤션을 적어두면 중복 구현을 줄이는 데 도움이 돼요. 주니어라면 받아쓴 코드를 동료에게 설명해 보는 습관이 가장 좋은 보험이에요.

마무리

한 줄로 정리하면, AI는 코드를 쓰는 비용은 낮췄지만 코드를 이해하고 유지하는 비용까지 낮춰주지는 않았어요. 빨라진 만큼 정리에 시간을 돌려주지 않으면 그 차이가 고스란히 깨지기 쉬운 코드로 쌓여요.

여러분 팀은 AI가 만든 코드를 어떻게 리뷰하고 있나요? AI 도입 이후 장애나 핫픽스가 늘었다고 느끼는지, 반대로 더 안정됐다고 느끼는지도 궁금해요.


🔗 출처: Hacker News

SOURCE · HACKER NEWS
원문 전체 보기 → https://evanxmerz.com/post/ai-usage-generates-a-fragile-code...
SHARE
NEXT · CHOOSE

변화를 읽었다면,
내가 만들 수익 구조를 고릅니다.

정보를 더 모으는 데서 멈추지 않고, 광고·외주·판매·중개·구독 중 내 상황에 맞는 출발점을 정해보세요.

21가지 수익 구조 살펴보기 →
처리 중...