요즘 개발자들 사이에서 이만큼 의견이 갈리는 주제도 없을 거예요. 누구는 'AI 덕분에 생산성이 몇 배가 됐다'고 하고, 누구는 '결국 내가 다 고쳐야 해서 별 차이 없다'고 하죠. 이런 혼란스러운 상황에서 ACM Queue에 생성형 AI와 소프트웨어 엔지니어링을 둘러싼 여덟 가지 통념을 하나씩 짚어보는 글이 실렸어요. ACM이 뭐냐면, 컴퓨터 과학 분야에서 가장 오래되고 권위 있는 국제 학회인데요. 그곳에서 실무자를 위해 발행하는 매체가 Queue예요. 과장된 기대와 막연한 공포 사이에서 균형을 잡아보자는 글이라, 지금 시점에 한 번 정리하고 갈 만해요. 글이 다루는 논점들을 큰 줄기로 묶어서 살펴볼게요.
'코드를 빨리 짜면 생산성이 오른다'는 착각
가장 먼저 짚어볼 통념은 코드 작성 속도가 곧 개발 생산성이라는 생각이에요. 그런데 실제 개발자의 하루를 떠올려보면, 키보드로 코드를 치는 시간은 생각보다 적어요. 요구사항을 이해하고, 설계를 고민하고, 동료와 논의하고, 코드를 리뷰하고, 버그를 추적하는 시간이 훨씬 길거든요. 소프트웨어 엔지니어링은 '코드를 생산하는 일'이 아니라 '문제를 이해하고 시스템을 유지하는 일'에 가까워요. 그래서 코드 생성이 아무리 빨라져도 전체 병목은 다른 곳에 있는 경우가 많아요. 타이핑 속도가 두 배가 된다고 프로젝트가 두 배 빨리 끝나지 않는 것과 같은 이치죠.
체감 속도와 실제 속도는 다르다
더 흥미로운 건 '빨라진 느낌'과 실제 데이터의 간극이에요. 2025년에 연구기관 METR이 발표한 실험이 유명한데요. 자기 코드베이스에 익숙한 숙련 오픈소스 개발자들에게 AI 코딩 도구를 쓰게 했더니, 작업 완료까지 오히려 평균 19% 더 오래 걸렸어요. 그런데 정작 본인들은 20% 정도 빨라졌다고 느꼈다는 게 반전이에요. 왜 이런 일이 생기냐면, AI가 내놓은 코드를 읽고 검토하고 고치는 비용이 생각보다 크기 때문이에요. 물론 이게 'AI는 쓸모없다'는 뜻은 아니에요. 낯선 언어나 프레임워크를 다룰 때, 반복적인 보일러플레이트 코드를 만들 때는 확실히 도움이 되거든요. 요점은 효과가 사람과 상황에 따라 크게 다르고, 체감만 믿으면 안 된다는 거예요.
생성은 싸졌지만 검증은 비싸졌다
또 하나의 중요한 통념은 'AI가 짠 코드는 검증 부담이 적다'는 거예요. 실제로는 정반대에 가까워요. AI가 만든 코드는 겉보기에 아주 그럴듯해서, 어설픈 코드보다 오히려 리뷰하기 어려워요. 사람이 짠 코드라면 '왜 이렇게 했어요?' 하고 물어볼 수 있지만, AI 코드는 그런 맥락 자체가 없거든요. 그래서 코드 생성 비용이 떨어질수록 테스트, 코드 리뷰, CI 같은 검증 체계의 가치는 오히려 올라가요. 소프트웨어 엔지니어링의 오래된 원칙들이 낡은 게 아니라, AI 시대에 더 중요해지는 거죠.
주니어가 필요 없어진다는 오해
'AI가 주니어 일을 다 하니까 시니어만 있으면 된다'는 이야기도 자주 들리는데요, 이것도 위험한 통념이에요. 시니어의 검증 능력은 하늘에서 떨어지는 게 아니라, 주니어 시절에 직접 부딪히며 쌓은 경험에서 나오거든요. 주니어 채용을 끊으면 몇 년 뒤에 코드를 제대로 검증할 수 있는 사람 자체가 사라져요. 필요한 건 주니어를 없애는 게 아니라, AI를 활용하면서도 기본기를 탄탄히 쌓을 수 있는 새로운 성장 경로를 만드는 일이에요.
이 글이 나온 맥락도 흥미로워요. 지난 몇 년간 거의 모든 회사가 AI 코딩 도구를 도입했고, DORA 같은 소프트웨어 전달 성과 연구에서도 AI 도입률은 가파르게 올랐다고 보고돼요. 하지만 도입률과 별개로, 조직의 전달 속도나 안정성이 자동으로 좋아졌다는 증거는 아직 뚜렷하지 않아요. 도구는 넘치는데 그 효과를 냉정하게 따져보는 논의는 부족했던 셈이라, 이런 글이 학계 쪽 매체에서 나왔다는 것 자체가 하나의 신호라고 볼 수 있어요.
한국 개발자에게 주는 시사점
당장 실무에 적용할 수 있는 교훈은 분명해요. 첫째, AI 도구 도입 효과를 체감이 아니라 데이터로 측정해보세요. 배포 빈도, 결함률, 리뷰 소요 시간 같은 지표를 도입 전후로 비교해보면 우리 팀에서 진짜 효과가 있는지 알 수 있어요. 둘째, AI를 잘 쓰는 팀의 공통점은 도구가 아니라 검증 체계예요. 테스트 커버리지와 리뷰 문화가 갖춰진 팀일수록 AI의 이득을 안전하게 가져가요. 셋째, 개인 차원에서는 '코드를 빨리 만드는 능력'보다 '만들어진 코드를 판단하는 능력'에 투자하는 게 장기적으로 유리해요. 설계, 디버깅, 시스템에 대한 이해 같은 근본기는 AI가 발전할수록 더 희소한 역량이 되거든요.
정리하면, 생성형 AI는 분명 강력한 도구지만 소프트웨어 엔지니어링의 본질인 이해와 검증을 대신해주지는 않는다는 이야기예요. 여러분 팀은 AI 도구를 도입하고 나서 실제로 뭐가 달라졌나요? 혹시 체감 말고 숫자로 확인해보신 분 계신가요?
🔗 출처: Hacker News