# AI가 코드 30% 더 써도 소프트웨어는 안 는다

> AI가 코드 쏟아내도 사람 손길이 병목… 소프트웨어 산출량은 그대로

- 매체: AI 브리핑
- 담당: 리서치 데스크
- 분야: 연구
- 발행: 2026-10-12T19:26:18.711Z
- 원문 주소(웹): https://ai-news-1c0.pages.dev/posts/2026-10-13-ai%EA%B0%80-%EC%BD%94%EB%93%9C-30-%EB%8D%94-%EC%8D%A8%EB%8F%84-%EC%86%8C%ED%94%84%ED%8A%B8%EC%9B%A8%EC%96%B4%EB%8A%94-%EC%95%88-%EB%8A%94%EB%8B%A4/
- 태그: AI코딩, 개발생산성, 코드리뷰, 하버드연구, 젤리피시데이터

---

## 700개 기업, 3억 건 작업 기록이 말한 것

하버드대 피오나 첸·제임스 스트래튼 연구진이 **젤리피시(Jellyfish)** 분석 데이터를 썼다. 2021년부터 2026년 3월까지 700여 개 소프트웨어 기업, 70만 명 넘는 직원의 커밋·풀리퀘스트·이슈 관리 기록 3억 건이 대상이다. AI 코딩 어시스턴트(사람 코드를 보조)와 에이전트(자율 작성)를 도입한 시점을 각사별로 특정해 '이중차분' 회귀분석으로 효과를 분리했다.

## 코드는 늘었는데 기능은 제자리

AI 에이전트 도입 뒤 **총 코드 라인 30% 증가**, 커밋 20% 증가, 풀리퀘스트 23% 증가. 그런데 지라(Jira)로 추적하는 이슈·에픽 해결률은 **통계적으로 유의한 변화가 없었다**. 이슈 크기·복잡도 분포도 그대로다. 코드만 더 쌓였을 뿐, 사용자 눈에 보이는 기능 배포 속도는 안 빨라졌다.

## 병목은 '리뷰'… 시간 49% 늘었다

풀리퀘스트 제출부터 머지까지 평균 리뷰 시간이 **49% 길어졌다**. 변경 요청 비율은 **거의 두 배**, PR당 댓글 수는 **35% 증가**했다. 사람 리뷰어가 감당해야 할 양이 폭증한 셈이다. 이에 대응해 **리뷰 참여 인력 비중이 14% 늘었으나**, 전체 고용 규모엔 유의미한 변화가 없었다(링크드인 교차 검증 결과).

## AI 리뷰 도구는 아직 보조에 그쳐

측정 기업 80%가 2026년 3월까지 어떤 형태든 AI 코드 리뷰를 썼다. 하지만 **전체 리뷰 댓글의 23.3%, PR의 10.8%만 AI가 담당**했다. 사람 손길이 여전히 주도한다. 연구진도 "AI가 리뷰 병목을 풀어줄 영향은 현재로선 미미하다"고 적었다.

## 해커뉴스 반응: "5% 빨라지는 게 고작"

해커뉴스 댓글 85개 중 다수가 회의적이다. 한 사용자는 BCG 보고서를 인용하며 **"AI가 코드 작성 속도 두 배로 높여도 전체 속도는 5% 빨라질 뿐"**이라고 썼다. 또 다른 댓글은 "비즈니스 문제를 풀 소프트웨어를 만드는 게 여전히 내 일"이라며 **생산성 지표와 실제 가치의 괴리**를 지적했다.

## 쉽게 풀어보면

하버드 연구진이 700개 넘는 소프트웨어 회사의 실제 작업 기록 3억 건을 분석했습니다. AI 코딩 에이전트를 쓰자 코드 양은 30% 넘게 늘었습니다. 그런데 **실제로 배포되는 기능 수는 전혀 늘지 않았습니다.**

이유는 단순합니다. **코드 리뷰가 병목**이 됐기 때문입니다. AI가 코드를 쏟아내니 사람이 검토할 양이 폭증했습니다. 리뷰 시간이 49% 길어졌고, 수정 요청은 거의 두 배로 뛰었습니다. 사람 리뷰어를 14% 더 투입해도 따라잡기 벅찼습니다. AI 리뷰 도구도 80% 회사가 쓰지만, 실제 리뷰 코멘트의 4분의 1만 담당할 뿐입니다.

**핵심은 이겁니다.** AI가 '타자 속도'를 높여줘도, '검토·판단·승인'이라는 사람 단계가 그대로면 전체 파이프라인은 안 빨라집니다. 마치 고속도로 입구만 넓혀놓고 톨게이트는 하나만 둔 꼴입니다.

본지가 35일 전 다룬 [AI에게 글쓰기를 맡기면 내 생각이 사라질까](/posts/2026-09-08-ai에게-글쓰기를-맡기면-내-생각이-사라질까/)에서도 비슷한 지적이 나왔습니다. AI가 초안을 쏟아내면 사람이 고르는 데 더 오래 걸린다는 현상, 코드에서도 똑같이 나타납니다.

## 나에게 미치는 영향

**개발자라면**  
- PR 올리기 전 **자체 테스트·린트·문서화**를 더 꼼꼼히 하세요. 리뷰어가 볼 짐을 줄이는 게 지금껏 가장 빠른 길입니다.  
- **작은 단위로 자주 커밋**하세요. 거대 PR 하나로 올리면 리뷰 지연이 기하급수적입니다.

**팀 리드·관리자라면**  
- '코드 라인 수'나 '커밋 수'를 생산성 지표로 쓰지 마세요. **이슈 해결률·사이클 타임·변경 실패율** 쪽을 보세요.  
- AI 리뷰 도구를 **'1차 필터'**로만 돌리고, 사람 리뷰어는 **아키텍처·보안·비즈니스 로직**에 집중하게 설계하세요.

**비개발 직군이라면**  
- "AI 도입했으니 개발 속도 2배" 같은 보고서를 보거든 **"리뷰 병목 어떻게 풀었나?"** 한 가지 물어보세요. 답이 없으면 숫자만 부풀린 겁니다.

## 남은 쟁점

연구 데이터는 2026년 3월까지입니다. 그 뒤 모델 업데이트로 에이전트 코드 품질이 더 좋아졌을 가능성은 열려 있습니다. 다만 **'사람이 최종 승인해야 한다'는 조직 문화·규제·책임 구조**가 바뀌지 않는 한, 리뷰 병목은 형태만 바꿔 지속될 공산이 큽니다. 다음 분기 젤리피시나 깃허브 코파일럿 엔터프라이즈 데이터가 다시 나와야 진짜 변화인지 알 수 있습니다.

---

## 출처

- [Hacker News] AI coding agents generate more code, but not more software — https://news.ycombinator.com/item?id=50059523

## 집필 방식 고지

이 기사는 위 원문과 커뮤니티 반응을 바탕으로 AI의 도움을 받아 작성했으며, 발행 전 사람이 확인했습니다.
인용 시 출처를 "AI 브리핑"으로 표기하고 https://ai-news-1c0.pages.dev/posts/2026-10-13-ai%EA%B0%80-%EC%BD%94%EB%93%9C-30-%EB%8D%94-%EC%8D%A8%EB%8F%84-%EC%86%8C%ED%94%84%ED%8A%B8%EC%9B%A8%EC%96%B4%EB%8A%94-%EC%95%88-%EB%8A%94%EB%8B%A4/ 로 연결해 주세요.