오픈 소스 프로젝트는 신규 참여자의 꾸준한 유입에 의존합니다. 최근 커지는 우려 중 하나는 AI 코딩 에이전트(자연어 지시로부터 코드를 작성하는 Cursor 및 Claude Code와 같은 도구)가 초보자들이 시작하는 단순한 작업들을 흡수하고 코드를 읽기 어렵게 만듦으로써 이들을 몰아낼(crowd out) 것이라는 점입니다. 우리는 이 우려에 대해 인과적인 답변을 제시합니다. GitHub 코드 검색을 사용하여, 설정 파일의 첫 번째 커밋을 통해 에이전트를 도입한 것으로 식별된 1,888개의 프로젝트를 식별했습니다. 우리는 매칭된 비도입 대조군을 대상으로 이중차분법(difference-in-differences)을 적용하였으며, 주요 분석은 실제 도입 전 기간이 존재하는 603개의 도입 프로젝트로 제한했습니다. 우리는 몰아내기 현상(crowding-out)의 증거를 발견하지 못했습니다. 여러 추정치에 걸쳐 신규 유입은 도입 후 유의미한 감소를 보이지 않았으며(점 추정치는 소폭 증가에서 가장 보수적인 추세 사양 하에서의 미미하고 유의미하지 않은 하락까지 나타남), 온보딩(onboarding)과 유지율(retention)은 변하지 않았습니다. 또한, (평행 추세를 테스트할 수 없는) 희소하고 상관관계적인 초보자 작업 측정 지표(good-first-issue 레이블)도 감소를 보이지 않았습니다. 우려했던 메커니즘은 실재하지만 분리되어 있습니다. 즉, 도입은 함수당 코드 복잡성을 높이지만(Python의 인지적 지표(cognitive metric) 기준 약 +11%로 이전 추정치의 4분의 1 수준, 모든 언어에 걸친 순환 복잡도(cyclomatic complexity) 기준 +3~4%), 복잡성이 상승한 고정 단위 하위 집합(인지적 지표의 Python, 순환 복잡도 지표의 모든 언어)에서도 신규 참여자의 참여는 감소하지 않습니다. 이러한 결과는 기존 오픈 소스 프로젝트에서 AI 코딩 에이전트를 도입하는 것이 코드를 약간 더 복잡하게 만들 수는 있지만, 프로젝트가 의존하는 인간 신규 참여자를 몰아내지는 않는다는 것을 시사합니다. 즉, AI 지원과 인간 참여 사이의 우려되었던 트레이드오프(trade-off)는 실현되지 않습니다.