AI가 코드를 쏟아내는 시대, 진짜 병목은 사람에게 있다

AI가 빨라질수록 드러나는 진짜 문제

Copilot이나 Cursor, Claude Code 같은 도구를 매일 쓰는 분들이라면 한 번쯤 이런 경험 있으실 거예요. AI한테 기능 하나 만들어달라고 했더니 30초 만에 코드가 쏟아져 나옵니다. 그런데 그걸 검토하고, 테스트하고, 리뷰하고, 머지하고, 배포하는 데 며칠이 걸려요. 한 개발자가 이 현상을 정리하면서 "AI가 코딩을 잘하게 될수록 병목은 코드 작성이 아니라 인간이 처리할 수 있는 속도가 된다"고 짚었습니다. "Human Bottlenecks(인간 병목)"이라는 제목인데, 우리 일하는 방식에 대한 묵직한 질문을 던지는 글이에요.

코드 생산성과 시스템 처리량은 다르다

글의 출발점은 단순합니다. 소프트웨어를 만든다는 건 코드를 타이핑하는 행위만이 아니라는 거예요. 코드를 쓰기 전에는 요구사항을 파악하고, 설계를 고민하고, 다른 사람과 합의해야 합니다. 코드를 쓴 후에는 테스트하고, 리뷰받고, CI/CD를 통과시키고, 운영 환경에 배포하고, 모니터링해야 하죠. 이 전체 흐름에서 "코드 작성" 단계는 사실 일부에 불과합니다.

그동안은 코드 작성이 가장 느린 단계였어요. 그래서 IDE, 자동완성, 보일러플레이트 생성기 같은 도구들이 계속 발전해 왔고, 이제 AI가 그 정점을 찍고 있죠. 그런데 코드 작성 시간이 90% 줄어들었다고 해서 전체 사이클이 10배 빨라지는 건 아니에요. 다른 단계들이 그대로니까요. 글쓴이는 이걸 제조업의 "이론적 처리량"과 "실제 처리량" 비유로 풀어요. 컨베이어벨트의 한 공정만 빨라져도 전체 라인은 가장 느린 공정 속도에 묶이거든요.

어떤 단계가 병목이 되는가

구체적으로 어떤 부분이 막히는지 보면 흥미롭습니다. 가장 큰 건 코드 리뷰예요. 동료가 만든 PR을 꼼꼼히 읽는 데는 시간이 듭니다. AI가 만든 코드도 마찬가지고, 오히려 "이 코드가 정말 의도대로 동작하는지" 검증하려면 더 신중하게 봐야 할 수도 있어요. AI는 그럴듯하게 보이지만 미묘하게 틀린 코드를 만들기도 하니까요.

그다음은 통합과 배포입니다. CI 파이프라인이 5분 걸린다면, 코드를 1분 만에 만들어도 5분을 기다려야 해요. 마이크로서비스 환경에서는 서비스 간 의존성 때문에 더 복잡해지고요. 데이터베이스 마이그레이션, 다운타임 없는 배포, 모니터링 설정 같은 운영 작업은 여전히 사람이 신중하게 다뤄야 합니다.

그리고 의사 결정과 합의의 영역이 있어요. 새 기능을 만든다면 "이게 정말 필요한가, 어떻게 만들어야 하나, 누구한테 영향이 가나"를 논의해야 합니다. 이건 AI가 대신해줄 수 없는 부분이에요. 오히려 AI 때문에 만들 수 있는 선택지가 많아져서 의사 결정 부담은 더 늘어났을지도 모릅니다.

그럼 어떻게 해야 할까

글쓴이가 제시하는 방향은 "코드 작성 자동화의 다음 단계는 그 주변 활동의 자동화"라는 거예요. 예를 들어 PR 리뷰를 AI가 1차로 봐주는 도구들이 이미 나오고 있죠. 테스트 생성을 AI가 자동화하고, 통합 테스트를 더 빠르고 신뢰성 있게 돌리는 인프라도 필요합니다. 모니터링과 알림에서 AI가 이상 징후를 미리 잡아주고, 장애 대응에서도 초기 진단을 도와줄 수 있고요.

또 하나는 "작은 변경을 빠르게" 하는 문화의 중요성이 더 커진다는 점이에요. 큰 PR 하나를 며칠 동안 리뷰받느니, 작은 PR 여러 개를 빠르게 머지하는 게 전체 처리량을 높입니다. 트렁크 기반 개발(trunk-based development), 피처 플래그, 점진적 롤아웃 같은 기법들이 더 중요해지는 거예요.

업계 흐름에서 보면

이 논의는 단지 한 사람의 의견이 아니라 업계 전반에서 비슷한 목소리가 나오고 있어요. GitHub Copilot의 데이터를 분석한 연구들도, 코드 작성 속도는 빨라졌지만 전체 출시 주기는 그만큼 빨라지지 않았다는 결과를 내놓고 있죠. 메타나 구글 같은 빅테크들도 "AI 시대의 SDLC(Software Development Life Cycle)"를 재설계하고 있다는 얘기가 들립니다. AI 에이전트가 단순히 코드를 생성하는 단계를 넘어서, 테스트하고 배포하고 모니터링하는 전체 흐름을 자율적으로 다루는 방향이죠. 다만 거기까지 가는 데는 신뢰성, 보안, 책임 소재 같은 어려운 문제들이 남아 있습니다.

한국 개발자에게 주는 시사점

팀에서 AI 도구를 도입할 때, "코드 작성 시간 단축" 하나만 보지 말고 전체 워크플로의 어디가 병목인지 측정해 보면 좋겠어요. PR 평균 머지 시간, CI 실행 시간, 코드 리뷰 대기 시간 같은 지표들이 진짜 개선해야 할 곳을 알려줄 거예요. 그리고 AI가 만든 코드를 리뷰하는 새로운 역량도 중요해집니다. 빠르게 읽고, 의심스러운 부분을 잡아내고, 테스트로 검증하는 능력이죠. 어쩌면 시니어 개발자의 가치가 "코드를 잘 짜는 사람"에서 "AI가 만든 결과물을 잘 판단하는 사람"으로 옮겨가고 있는지도 모릅니다.