최근의 한 연구는 AI 도구가 소프트웨어 개발을 가속화한다는 널리 퍼진 믿음에 의문을 제기합니다. METR의 연구진은 Claude 3.5 및 Cursor Pro와 같은 AI 강화 개발 도구를 사용하는 숙련된 오픈 소스 (open-source) 개발자들을 대상으로 무작위 대조 시험 (randomized controlled trial, RCT)을 실시했습니다. 예상과는 반대로, 개발자들은 자신이 더 빠르게 작업하고 있다고 믿었음에도 불구하고 AI 지원 프로그래밍이 작업 완료 시간을 19% 증가시킨다는 사실을 발견했습니다. 이러한 결과는 AI의 인지된 약속과 실제 현실 세계의 영향력 사이에 잠재적인 격차가 있음을 보여줍니다.

현실적인 조건에서 AI의 영향을 평가하기 위해, 연구진은 프로덕션급 환경에 기반한 무작위 대조 시험 (RCT)을 설계했습니다. 합성 벤치마크 (synthetic benchmarks)를 사용하는 대신, 이들은 숙련된 기여자들을 모집하여 성숙한 오픈 소스 저장소 (repositories) 전반에서 실제 작업을 완료하도록 했습니다.

참가자는 배정된 프로젝트에서 평균 5년의 경험을 가진 16명의 전문 개발자였습니다. 저장소에는 매우 큰 규모(> 1.1m 라인 코드)의 잘 구축된 오픈 소스 프로젝트에서 추출한 실제 '긴급한 (in-anger)' 이슈들이 포함되었습니다.

246개의 작업에 걸쳐, 각 개발자는 AI 지원을 받거나 받지 않는 최대 2시간의 세션에 무작위로 배정되었습니다. 지원을 받는 그룹은 Claude 3.5/3.7 Sonnet 지원이 통합된 코드 에디터인 Cursor Pro를 사용했습니다. 대조군 (control group)은 AI 도구 사용이 명시적으로 차단되었습니다.

연구는 작업 지속 시간, 코드 품질, 개발자 인식을 포함한 객관적 및 주관적 지표를 모두 수집했습니다. 각 작업 전후로 개발자와 외부 전문가들은 AI가 생산성에 미칠 것으로 예상되는 효과를 예측했습니다.

핵심 결과는 놀랍고도 예상치 못한 것이었습니다. AI 지원을 받은 개발자들은 AI를 사용하지 않은 개발자들보다 작업을 완료하는 데 19% 더 오랜 시간이 걸렸습니다. 이는 평균 약 40%의 속도 향상을 예측했던 참가자와 전문가 모두의 작업 전 기대치와 상충되는 결과였습니다.

저자들은 이러한 속도 저하의 원인을 프롬프팅 (prompting)에 소비되는 시간, AI가 생성한 제안을 검토하는 시간, 그리고 출력물을 복잡한 코드베이스 (codebases)에 통합하는 시간 등 다양한 요인 때문이라고 분석했습니다. 140시간 이상의 화면 녹화 영상을 통해 그들은 속도 저하를 유발하는 다섯 가지 핵심 요인을 식별했습니다. 이러한 마찰 (frictions)은 코드 생성으로 얻는 초기 이점을 상쇄했을 가능성이 높으며, 인지된 생산성과 실제 생산성 사이의 상당한 괴리를 드러냈습니다.

연구진은 이 현상을 '인식 격차 (perception gap)'라고 강조합니다. 이는 AI 도구 사용으로 인해 발생하는 마찰이 순간적으로는 눈치채지 못할 만큼 미미하지만, 누적되면 실제 작업 결과물을 늦추는 현상을 의미합니다. 인식과 결과 사이의 이러한 대조는 AI 도구 평가를 단순히 사용자 정서 (user sentiment)에 의존할 것이 아니라, 엄격한 측정 (rigorous measurement)에 기반해야 한다는 본 연구의 중요성을 뒷받침합니다.

저자들은 연구 결과를 지나치게 일반화하는 것에 대해 주의를 당부했습니다. 본 연구는 특정 환경에서 AI 도구 사용 시 측정 가능한 속도 저하를 보여주었지만, 기여 요인 중 상당수가 해당 연구 설계에 특화된 것이라고 강조했습니다. 개발자들은 엄격한 검토 표준과 생소한 내부 로직을 가진, 규모가 크고 성숙한 오픈 소스 코드베이스 (open-source codebases) 프로젝트에서 작업했습니다. 또한 작업은 탐색을 제한하는 2시간 단위로 제한되었으며, 모든 AI 상호작용은 단일 도구 체인 (toolchain)을 통해서만 이루어졌습니다.

중요한 점은, 저자들이 미래의 시스템은 여기서 관찰된 과제들을 극복할 수 있을 것이라고 강조했다는 것입니다. 프롬프팅 (prompting) 기술, 에이전트 스캐폴딩 (agent scaffolding), 또는 도메인 특화 미세 조정 (domain-specific fine tuning)의 개선은 테스트된 환경에서도 실질적인 생산성 향상을 이끌어낼 수 있습니다.

AI 역량이 계속해서 빠르게 발전함에 따라, 저자들은 자신들의 발견을 AI 도구의 유용성에 대한 최종 판결이 아니라, 여전히 엄격한 실전 평가가 필요한 급변하는 환경 속의 하나의 데이터 포인트 (data point)로 규정하고 있습니다.