AI 코딩 생산성 180퍼센트 증가 배포는 30퍼센트 NBER 인간 병목 현상 연구

AI 코딩 도구를 도입하면 생산성이 폭발적으로 늘어날 것이라는 기대가 있습니다. 실제로 코드 작성량은 늘었습니다. 180% 늘었습니다. 그런데 실제로 사용자에게 전달되는 소프트웨어는 30% 더 늘었을 뿐입니다. 미국 전미경제연구소(NBER)가 깃허브 개발자 10만 명 이상의 데이터를 분석해 이 간극의 원인을 밝혔습니다.

논문 제목은 “코드 작성 대 코드 배포(Writing Code vs. Shipping Code)“입니다. AI가 코드를 빠르게 생성해도 코드 리뷰, 테스트, 보안 점검, 승인, 배포라는 인간이 담당하는 후속 단계에서 병목이 발생한다는 분석입니다. 이 글에서는 연구 결과의 핵심 수치와 그 의미, 그리고 기업이 AI 도입 효과를 높이려면 무엇을 바꿔야 하는지를 살펴봅니다.

기사원문보기

NBER 연구가 밝힌 생산성 감쇠 구조

연구진은 세 세대의 AI 코딩 도구를 비교했습니다. 자동완성 도구, 대화형 코딩 에이전트, 자율형 코딩 에이전트입니다. 도구가 발전할수록 코드 작성량은 크게 늘었습니다. 자동완성 도구는 커밋(코드 저장 단위) 수를 40% 늘렸고, 대화형 에이전트는 140%, 자율형 에이전트는 180%까지 끌어올렸습니다.

그런데 이 효과는 개발 파이프라인(코드가 작성부터 배포까지 거치는 단계별 흐름)을 따라 내려갈수록 빠르게 줄었습니다. 프로젝트 수 기준으로는 50% 증가, 실제 사용자에게 전달된 소프트웨어 릴리스 기준으로는 30% 증가에 그쳤습니다. 작성 파일 수는 최대 300% 가까이 늘었지만 코드 리뷰로 넘어간 건 150%, 최종 배포는 30%였습니다.

약한 고리 가설 가장 느린 단계가 전체를 결정한다

연구진은 이 현상을 약한 고리(Weak-Link) 가설로 설명합니다. 쇠사슬의 강도는 가장 약한 고리가 결정하는 것처럼, 개발 파이프라인의 생산성은 가장 느린 단계가 결정한다는 것입니다.

코드 생성 자체는 AI가 담당할 수 있습니다. 그러나 코드 리뷰와 품질 검증, 테스트, 보안 점검, 승인 절차, 배포는 여전히 인간의 판단이 필요합니다. AI가 코드를 아무리 빠르게 만들어도 사람이 검토하는 속도는 그만큼 빨라지지 않습니다.

연구진이 추정한 AI와 인간 노동 사이의 **대체 탄력성(elasticity of substitution)**은 0.25입니다. 1이면 완전 대체, 0이면 완전 보완을 의미합니다. 0.25는 AI가 인간을 대체하는 것이 아니라 인간 역량을 증폭시키는 보완재에 가깝다는 뜻입니다.

앱은 늘었는데 사용량은 그대로 시장 효과는 제한적

연구진은 주요 모바일 앱 마켓 4곳의 데이터도 분석했습니다. AI 도입 이후 신규 앱 출시 수는 다소 늘었습니다. 그러나 전체 다운로드와 사용량은 증가하지 않았습니다. AI를 활용해 더 많은 소프트웨어가 만들어지고 있지만, 사용자들이 실제로 원하는 제품 수요가 함께 늘어난 것은 아닙니다.

이는 최근 AI 생산성 논쟁의 양쪽 주장 모두에 근거를 제공합니다. “AI로 생산성이 올랐다”는 주장도 맞고, “아직 시장에서 눈에 띄는 혁신이 없다”는 주장도 맞습니다. 개별 작업 수준에서는 혁신적이지만, 기업 차원의 가치 창출로 연결되는 과정에서 마찰 비용이 크게 발생하고 있습니다.

전기 혁명의 교훈 구조 재설계 없이는 한계

연구진은 전기 혁명 초기 공장을 비유로 들었습니다. 당시 공장들은 증기기관만 전기모터로 교체하고 생산 라인은 그대로 뒀습니다. 생산성 향상은 제한적이었습니다. 이후 개별 작업장 단위로 설비 구조 자체를 전기 중심으로 재설계했을 때 비로소 생산성 혁명이 일어났습니다.

현재 대부분의 기업은 AI를 기존 조직 구조에 단순히 덧붙이는 방식으로 활용합니다. 반면 OpenAI, Anthropic처럼 처음부터 AI 중심으로 설계된 기업들은 사용량, 매출, 생산성이 동시에 증가하고 있습니다. 연구진은 이를 “조직 구조가 AI와 충분히 통합되지 않아서 생기는 마찰”로 진단합니다.

AI 코딩 도구 도입은 필요하지만 충분하지 않습니다. 코드 리뷰, 테스트, 배포 프로세스 전체를 AI 속도에 맞게 재설계하지 않으면 투자 대비 효과는 계속 기대에 못 미칠 것입니다. 도구를 바꾸기 전에 프로세스를 먼저 점검해야 할 때입니다.

#AI코딩 #NBER #개발생산성 #인간병목 #코딩에이전트 #소프트웨어배포 #AI업무효율 #깃허브