TECH 으로 돌아가기
TECH HACKER NEWS 오늘 6분 읽기 28 READS

AI로 코딩은 빨라졌다는데, 새롭고 좋은 소프트웨어는 다 어디 있을까

AI로 코딩은 빨라졌다는데, 새롭고 좋은 소프트웨어는 다 어디 있을까
SOURCE IMAGE · HACKER NEWS
AI로 코딩은 빨라졌다는데, 새롭고 좋은 소프트웨어는 다 어디 있을까

질문 하나가 던진 불편한 진실

요즘 개발자들 사이에서 가장 흔하게 듣는 말 중 하나가 ‘AI 덕분에 생산성이 몇 배는 늘었다’는 얘기예요. 코딩 에이전트가 하루 만에 앱을 만들어주고, 혼자서도 팀 하나 몫을 한다는 이야기가 넘쳐나요. 그런데 네이트 메이비스(Nate Meyvis)는 짧은 글에서 아주 단순한 질문을 던져요. “그렇다면 새롭고 좋은 소프트웨어는 다 어디 있나요?” 소프트웨어를 만드는 비용이 정말 확 떨어졌다면, 우리 주변에 눈에 띄게 좋은 새 앱과 도구가 쏟아져야 하잖아요. 그런데 체감상 그렇지 않다는 거예요. 이 질문을 출발점 삼아서 왜 이런 간극이 생기는지 여러 각도에서 생각해 볼게요.

숫자로 봐도 ‘폭발’은 없어요

이런 질문이 처음 나온 건 아니에요. 작년(2025년) 9월 개발자 마이크 저지(Mike Judge)는 ‘Where's the Shovelware?’라는 글에서 신규 앱 출시, 스팀 게임 출시, 신규 도메인 등록 같은 지표를 살펴봤어요. AI 코딩 도구가 대중화된 뒤에도 뚜렷한 급증세는 찾기 어려웠다고 해요. 품질은 둘째치고 ‘양’조차 폭발하지 않았다는 거예요.

같은 해 7월 비영리 연구기관 METR가 발표한 실험 결과는 더 충격적이었어요. 자신이 오래 기여해 온 오픈소스 저장소에서 실제 이슈를 처리하는 숙련 개발자 16명을 관찰했는데, AI 도구를 썼을 때 오히려 약 19% 더 느렸어요. 더 재밌는 건 참가자들이 작업을 마친 뒤에도 AI 덕분에 20% 정도 빨라졌다고 믿었다는 점이에요. 체감과 실제가 정반대였던 거예요. 표본이 작고 조건이 특수해서 일반화하긴 어렵지만, ‘빨라진 느낌’과 ‘실제 결과물’이 다를 수 있다는 건 분명히 보여줘요.

왜 이런 간극이 생길까

첫째, 코드를 치는 건 원래 병목이 아니었어요. 프레더릭 브룩스는 1986년 「은 탄환은 없다」에서 소프트웨어의 어려움을 ‘본질적 복잡성’과 ‘부수적 복잡성’으로 나눴어요. 쉽게 말하면, 무엇을 만들어야 하는지 알아내는 어려움과 그걸 코드로 옮기는 어려움이에요. AI는 뒤쪽 어려움을 엄청나게 줄여줬지만, 좋은 소프트웨어를 가르는 건 대부분 앞쪽이에요. 사용자가 진짜 원하는 게 뭔지, 어떤 기능을 빼야 하는지는 여전히 사람의 판단과 수많은 반복에서 나와요.

둘째, 처음 80%와 마지막 20%는 비용이 달라요. AI 덕분에 데모는 정말 빨리 만들 수 있게 됐어요. 하지만 예외 상황 처리, 성능 튜닝, 보안, 접근성, 장기 유지보수 같은 마지막 단계는 여전히 지루하고 어려워요. 데모와 제품 사이는 생각보다 멀어서, 많은 프로젝트가 그 중간 어딘가에서 멈춰요.

셋째, 새 소프트웨어가 보이지 않는 곳에 있을 수도 있어요. AI로 만들어지는 것 중 상당수는 나만 쓰는 스크립트, 팀 내부 자동화 도구, 엑셀 매크로 대용품 같은 것들이에요. 작가 로빈 슬론이 말한 ‘집밥 같은 앱’처럼, 공개되지 않고 소수만 쓰는 소프트웨어는 통계에도 우리 눈에도 잘 안 잡혀요.

넷째, 만드는 것보다 알리는 게 더 어려워졌어요. 앱 마켓과 SaaS 시장은 이미 포화 상태라 좋은 소프트웨어도 사용자의 관심을 얻기까지 시간이 걸려요. 경제학에는 ‘솔로우 역설’이라는 말이 있어요. 1980년대에 컴퓨터가 사방에 깔렸는데도 생산성 통계에는 한동안 효과가 보이지 않았던 현상이에요. 새 기술이 성과로 나타나려면 일하는 방식이 바뀌는 데 시간이 필요하다는 거예요.

한국 개발자에게 주는 시사점

이 질문이 주는 교훈은 ‘AI는 쓸모없다’가 아니에요. 오히려 어디에 시간을 써야 하는지 다시 생각하게 만들어요. 코드를 만드는 비용이 내려갈수록 문제를 정의하는 능력, 도메인 이해, 좋고 나쁨을 가려내는 안목의 가치는 상대적으로 올라가요. 주니어 개발자라면 AI가 짜준 코드를 그냥 쓰기보다 ‘왜 이렇게 짰을까’를 따져보는 습관을 들여 보세요. 길게 보면 훨씬 큰 자산이 될 거예요. 팀 리더라면 AI 도입 효과를 커밋 수나 체감 속도보다 사용자에게 전달된 가치로 재보는 게 좋아요. METR 실험이 보여줬듯이 느낌과 실제는 다를 수 있으니까요.

마무리

코드를 짜는 속도가 빨라진다고 좋은 소프트웨어가 저절로 늘어나지는 않아요. 결국 병목은 ‘무엇을, 왜 만드느냐’에 있어요. 여러분 주변에 AI 덕분에 탄생한 정말 좋은 새 소프트웨어가 있나요? 여러분이 AI로 만든 것 중 가장 쓸모 있었던 건 뭐였는지도 궁금해요.


🔗 출처: Hacker News

SOURCE · HACKER NEWS
원문 전체 보기 → https://www.natemeyvis.com/where-is-all-the-new-good-softwar...
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...