---
title: "미국 700개 기업, 코딩 AI에 코드만 30% 늘었다"
author: "VibeTimes"
published: "2026-10-12T23:09:48.224Z"
section: "technology"
tags: ["AX", "AI전환", "코딩AI", "코드리뷰", "생산성", "하버드대연구"]
language: "ko"
url: "https://vibetimes.co.kr/news/cmv5v70363vltjxq9hjp4a4lw"
---

# 미국 700개 기업, 코딩 AI에 코드만 30% 늘었다

미국 소프트웨어 기업 700곳이 코딩 AI를 도입했더니 나오는 코드는 30% 늘었다. 그런데 회사가 완성하는 기능의 수는 통계적으로 그대로였다. 코드는 늘었는데 소프트웨어는 안 늘어난 셈이다. 늘어난 것은 개발자가 검토해야 할 코드였다.

## 늘어난 건 코드지 완성이 아니었다

이 숫자는 하버드대 연구진이 젤리피시라는 개발팀 분석 회사의 데이터로 잰 결과다. 2021년부터 올해 3월까지 소프트웨어 기업 700곳, 직원 70만 명의 작업 기록 3억 건을 뒤진 뒤 각 회사가 코딩 AI를 도입한 시점을 기준으로 앞뒤를 비교했다. 코드 줄 수는 30%, 코드 제출 횟수는 20%, 반영 요청은 23% 늘었다. 반면 업무 관리 도구 지라로 세는 기능 단위 완성률은 변동이 없었다. 백 줄 짓던 사람이 백삼십 줄을 짓는데, 나오는 결과물은 그대로인 것이다.

## 화려한 숫자의 밑은 뚫려 있다

회사

붙인 업무

지표

변화

출처

소프트웨어 기업 700곳(미국)

개발팀 코드 작성

코드량

+30%

하버드대 연구(Ars Technica 보도)

같은 기업 700곳

코드 검토·반영

검토 소요 시간

+49%

하버드대 연구

여행 서비스 제품팀 4곳(익명)

대화형 AI 상담

대화 턴당 정확도

97.6%

r/AI\_Agents

같은 제품팀 4곳

같은 상담

고객이 거절한 상품을 재추천한 세션 비율

7.4%

r/AI\_Agents

윗줄 두 숫자는 하버드대 연구 기준이고 아랫줄은 익명 커뮤니티 자진 신고다. 둘은 같은 이야기를 한다. 재는 단위를 코드량이나 건당 정확도로 잡으면 성공처럼 보인다.

## 병목은 코드 읽는 사람에게로 갔다

연구가 짚은 원인은 검토다. AI가 제출한 코드가 반영되기까지 걸리는 검토 시간은 평균 49% 늘었다. 8시간 하던 검토가 12시간이 되는 셈이다. 수정 요청이 붙은 반영 건 비율은 두 배 가까이 커졌고 건당 댓글 수도 35% 늘었다. 회사들은 검토를 맡는 인력 비중을 14% 늘렸지만 전체 고용은 줄지도 늘지도 않았다. 해커뉴스 토론에서 현직 개발자 한 명은 "코드 검토가 원래 병목이었는데 AI가 코드를 대신 짜는 시대에 더 심해졌다"고 썼다. 다른 익명 댓글은 "AI가 아껴준 개발자 시간은 도무지 셀 수가 없다"고 했다. 벤더 발표의 절감 숫자와 정확히 충돌하는 지점이다.

## 측정 단위를 잘못 잡으면 실패가 성공으로 보인다

r/AI\_Agents의 한 실패담은 이 연구를 상담 업무에서 되풀이한다. 여행 서비스 제품팀 넷이 대화형 AI를 검증했다. 대화 턴 6만 4천 개를 턴 단위로 점수를 매기니 관련성이 97.6%로 깨끗했다. 그런데 세션 전체를 다시 보니 7.4%에서 고객이 이미 거절한 일정을 AI가 다시 추천하고 있었다. 각 대답은 따로 보면 합격점인데 대화가 길어지며 거절 기억이 사라진 것이다. 검토자들이 각 세션의 첫 1분만 확인하고 넘어가던 탓에 이 오류는 숫자 밖에 있었다.

## 한국 개발 조직이 걸리는 지점

한국 기업은 이 병목을 더 크게 안는다. 대기업과 SI 개발 문화에서 코드 검토가 형식적 통과 절차에 가까운 조직이 적지 않다. 검토가 약한 조직에서 코드량이 30% 늘면 그 코드를 걸러낼 마지막 안전망이 없다. 검토 문화가 강한 조직은 미국 700곳처럼 검토 인력이 터진다. 어느 쪽이든 비용은 기계가 아니라 사람에게 옮겨 온다. 코드 줄 수로 생산성을 평가하는 사내 지표가 있다면 그 숫자부터 무너뜨릴 필요가 있다.

## 기술이 아니라 절차의 문제로

이 연구가 말하는 건 코딩 AI가 무용하다는 뜻이 아니다. 이득이 사라지는 지점이 검토라는 것만 정확하다. AI가 짠 코드를 사람이 확인하는 절차를 먼저 고쳐야 AI가 짠 만큼 결과가 늘어난다. 자신이 AI 기술자보다 먼저 한 사람이라고 말한 페이페이 리의 말을 빌리면, 코딩 AI의 성과는 모델을 만든 회사가 아니라 그 출력을 검토하는 사람들의 몫이다. 절차를 그대로 두고 도입만 하면 회사는 30% 많은 코드와 그대로인 기능, 그리고 늘어난 검토 부담을 함께 받게 된다.

* * *

_분석 근거: Ars Technica가 보도한 하버드대 연구(젤리피시 데이터), Hacker News 토론, r/AI\_Agents 실패담. 공개 자료에 근거한 분석입니다._