AI 코딩 활동 최대 180% 늘었지만 출시는 30% 증가…개발자 역할은 검토·통합·운영으로 이동

AI 코딩 도구가 개발자의 코드 작성 활동을 크게 늘려도 실제 소프트웨어 출시와 이용 증가로 이어지는 폭은 상대적으로 제한적이라는 연구 결과가 나왔다. 개발 초기의 속도보다 코드 검토, 통합, 테스트, 보안, 배포와 같은 후속 단계가 새로운 병목으로 부상하고 있다는 분석이다.

MIT 슬론경영대학원이 9월 2일 소개한 연구는 10만 명이 넘는 깃허브 개발자의 공개 활동 기록과 AI 도구 사용 자료를 결합해 생산성 변화를 살펴봤다. 연구진은 AI 코딩 도구를 개발자가 입력하는 동안 코드를 제안하는 자동완성 도구, 개발자와 실시간으로 코드를 작성·수정하는 대화형 에이전트, 과제를 받아 독립적으로 작업하는 자율형 에이전트 등 세 단계로 분류했다.

개발자의 커밋 활동을 기준으로 보면 자동완성 도구 도입 효과는 약 40%였다. 대화형 에이전트까지 사용했을 때 누적 효과는 약 140%, 자율형 에이전트까지 포함하면 약 180%로 커졌다. 다만 개발 절차의 상위 단계로 갈수록 증가 폭은 줄었다. 전체적인 도구 채택 효과를 종합한 비교에서 개발자가 참여한 프로젝트는 약 50%, 출시된 소프트웨어는 약 30% 늘었다. 자율형 에이전트는 설계상 직접 제품을 출시하지 않기 때문에 연구진은 해당 도구만의 출시 효과를 별도로 계산하지 않았다.

차이가 생긴 이유는 소프트웨어 개발이 코드 작성만으로 끝나지 않기 때문이다. AI가 만든 코드는 파일과 커밋으로 정리된 뒤 변경 요청, 사람의 검토, 기존 시스템과의 통합, 테스트와 승인 절차를 거쳐야 실제 제품으로 배포된다. 코드 생성 속도가 빨라져도 이 후속 과정에 필요한 전문 지식과 판단 시간이 같은 속도로 줄어들지는 않는다.

연구진이 애플 앱스토어, 구글 플레이, 크롬 웹스토어, 소스포지 등 주요 앱 마켓 네 곳을 분석한 결과도 비슷했다. AI 에이전트형 코딩 도구가 본격적으로 확산한 2025년 초 이후 신규 앱 공급은 전반적으로 증가했다. 특히 월별 신규 iOS 앱은 2025년 초부터 2026년 4월 사이 약 두 배로 늘었다. 그러나 증가세는 마켓마다 달랐고, 신규 앱 집단이 출시 후 초기 3개월 동안 얻은 다운로드·평가·리뷰 등 이용 지표는 같은 비율로 늘지 않았다.

연구진은 이를 두 가지 가능성으로 설명한다. 앱 제작 비용이 낮아지면서 이용자 수요가 충분히 검증되지 않은 제품도 시장에 나왔을 수 있고, 소비자의 제한된 관심과 앱 검색·발견 과정 자체가 또 다른 병목일 수도 있다. 현재 자료만으로 두 원인을 명확히 구분하기는 어렵다.

이번 결과는 AI가 개발자를 곧바로 대체한다는 의미보다 개발 업무에서 사람의 역할이 이동하고 있다는 신호에 가깝다. 코드 초안을 빠르게 만드는 능력의 희소성은 낮아질 수 있지만, 생성된 결과가 요구사항에 맞는지 판단하고 오류와 보안 위험을 찾아 안정적인 제품으로 완성하는 역할은 오히려 중요해질 가능성이 있다.

이 변화는 의료기기, 바이오테크, 로보틱스, 금융기술처럼 검증과 규제 절차가 중요한 산업이 모여 있는 보스턴권에서 특히 주목할 만하다. 이들 분야에서는 빠른 시제품 제작만큼 테스트 자동화, 코드 리뷰, 사이버보안, 데이터 품질 관리, 규제 문서화, 안정적인 클라우드 배포 능력이 실제 출시 여부를 좌우할 수 있다. 환자 정보나 금융 데이터를 다루는 제품이라면 개인정보 보호와 감사 가능한 개발 기록도 중요한 업무에 포함된다.

취업 준비생과 유학생에게는 포트폴리오를 설명하는 방식이 달라질 수 있다. AI로 여러 프로젝트를 만들었다는 사실만 제시하기보다 어떤 사용자 문제를 정의했는지, 어떤 테스트를 설계했는지, AI가 만든 코드의 오류와 보안 위험을 어떻게 검증했는지, 배포 후 반응을 바탕으로 무엇을 개선했는지를 보여주는 편이 실무 역량을 구체적으로 전달하는 데 도움이 된다. 지속적 통합·배포를 뜻하는 CI/CD, 품질보증, 클라우드 운영, 관측성, 개인정보 보호 같은 키워드도 함께 살펴볼 만하다.

현직 개발자는 코드 작성량보다 제품 출시 과정에 기여한 결과를 기록할 필요가 커질 수 있다. 장애 감소, 결함률 개선, 코드 검토시간 단축, 배포 빈도 향상, 보안 취약점 예방 등 운영과 연결된 지표가 AI 활용 능력을 설명하는 근거가 될 수 있다. 기업 역시 직원의 AI 도구 사용률만 측정하기보다 검토 대기시간, 출시 주기, 결함률과 실제 이용률을 함께 비교해야 투자 효과를 판단하기 쉽다.

취업비자 스폰서십이 필요한 지원자라면 채용 공고에 적힌 ‘AI 경험’만 볼 것이 아니라 해당 직무가 제품 검토와 배포, 운영에서 어떤 책임을 맡는지도 확인할 필요가 있다. 다만 스폰서십 가능 여부와 고용 조건은 회사와 개인 상황에 따라 다르므로 채용 담당자나 자격을 갖춘 전문가를 통해 별도로 확인하는 것이 적절하다.

연구 해석에는 한계도 있다. 이번 분석은 깃허브 개발자를 대상으로 한 관찰 자료와 매칭 방식에 기반한 작업논문으로, 무작위 실험은 아니다. 공개 저장소 중심의 활동이 기업 내부 개발환경을 모두 대표하지 않으며, 산업별 규제 수준이나 팀 구성에 따라서도 효과가 달라질 수 있다. 앱 마켓 분석 역시 신규 공급과 이용 변화를 보여주지만 개별 앱의 품질이나 AI 사용 여부를 모두 직접 확인한 것은 아니다.

현재 분명하게 나타나는 변화는 개발 초기 단계의 속도 향상이다. 장기적으로 확인할 변수는 기업들이 검토·테스트·보안·배포 절차까지 AI 환경에 맞게 재설계하는지, 늘어난 소프트웨어 공급이 실제 이용자 가치로 이어지는지다. 보스턴 테크 인재 시장에서도 코드 생성 자체보다 AI가 만든 결과를 평가하고 기존 시스템에 통합해 안정적으로 운영하는 역량의 비중이 커지는지를 지켜볼 필요가 있다.