Video: 92%가 채택하지만 29%만 신뢰한다? — AI 코딩의 이상한 동거
Channel: 코딩하는기술사
Duration: 10m 9s
Source: subtitle (auto, ko)
Transcript:
안녕하세요. 개발자 여러분. 어 바이브 코딩 2026년도 동양 보고서라는게 6월 달에 발표된게 있네요. 어 저는 근래 뭔가 자료 조사할게 있어서 찾아보다가 발견한 건데요. 우리 개발자분들 이거 보셨는지 모르겠습니다. 오늘은이 자료에이 흥미로운 수치들이 많이 있어서 요거 한번 가볍게 리뷰해 보는 시간을 가져 보겠습니다. 우리 현장에서 바이브 코딩 많이 이용을 하시는데요. 현재 전 세계적으로 어떤 형태로 사용되고 있고 어떤 우려가 있는지 한번 보겠습니다. 자, 바이브 코딩 2026년 동양 보고서 리뷰 시간입니다. 자,이 보고서의 개요입니다. 이홀 소프트웨어라고 하는 미국의 소프트웨어 개발 컨설팅 회사에서 올해 6월 달에 발표를 한 거고요.이 이 보고서에 따르면 2026년 1월에서 4월까지 공개된 14개의 산업 리포트 그리고 설문 시장 분석 데이터를 종합해서 보고서로 만들었다고 합니다. 자,이 보고서에서 다루는 내용은 AI 코딩의 뭐 채택, 도입율, 그리고 뭐 생산성을 어떻게 향상시켰는지 그리고 품질율 보완은 또 어떻게 되는지 AI 코딩에 대한 전반적인 동양에 대한 내용입니다.

어, 본격적으로 리뷰를 하기 전에이 키홀 소프트웨어라는 회사가 결국이 소프트웨어 컨설팅 하는 회사죠. 그렇기 때문에 뭐 공식적인 조사 기관이라든지 연구 기관은 아니기 때문에 약간은 본인들의 어떤 사업 영역에 유리한 쪽으로 데이터를 모을 수도 있다는 점을 말씀을 드리고요. 그리고 그 부분은 뒤에서 한번 짚어 보겠습니다. 일단이 보고서에서 말하고 있는 내용부터 한번 보겠습니다. 자, 먼저 AI 코딩은 이미 대세로 되어 있다라는 수치들을 보여주고 있습니다. 미국 개발자의 92%가이 AI 코딩 도구를 사용한다고 하고요. 그리고이 신규 프로젝트에 41%에서 46%가이 AI 코드가 만든 것이라고 하고 그리고이 바이브 코딩을 이용하는 사람들 중에서이 비개발자가 63%나 된다고 합니다. 그리고 어 올해 시장 규모가 47억 달러라고 하네요. 자, 또 그리고 지금까지이 대부분의 엔터프라이즈 기술들이이 기업에 전파되고 포화되기까지는이 7년 정도가 걸렸다고 하는데이 AI 코딩 같은 경우에는 3년 만에 벌써 이렇게 확산이 되고 있다고 합니다.

굉장히 빠른 속도로 확산이 되고 있는 거죠. 어, 또 그런데이 반대되는 지표들도 있습니다. 자, 앞서 92%의 개발자가 사용을 한다고 했는데요. 반면에 AI가 만든 코드에 대한 신뢰성은 29%밖에 안 된다고 하고요. 그리고 AI 도구 도입 후에 버그가 발생한 비율이 41% 증가했다고 합니다. 그리고 바이브 코딩 앱 중에서이 보안 취약점이 발견된 비율이 91.5%라고 5%라고 하고요. 그리고이 AI의 어떤 결과물로 인해서 재구축이 필요한 스타트업 회사가 8,000개가 넘는다고 보고서에서 말하고 있습니다. 한마디로이 도입과 채택은 굉장히 빠르게 늘고 있지만 AI 코드의 신뢰와 품질은이 속도를 따라오지 못하고 있다라는 것을 보여주고 있습니다. 자, 그리고 또이 생산성 측면에서도 조금 다른 결과들이 있는데요.이 이 생산성이 올라갔다라는 보고를 보면 MIT 실험에서이 과제를 완료하는 비율이 26%가 증가했고 그리고 또 구글에서이 여러 파일을 작업하는 속도가 21% 향상했고 그리고 맥킨지에서 반복 코딩 시간이 46% 감소했다는 통계를 보여주고 있고요.

어또 반면에이 미터라고 하는 AI 안정성을 연구하는 기간이죠.이 이 미터에서이 숙련된 오픈 소스 개발자들이 본인들이 익숙한이 대규모 코드 베이스에서 무작이 대조 실험을 했더니 9%가 더 느렸다고 합니다. 생산성이 더 안 좋았다고 하죠. AI 코드를 사용하지 않았을 때보다. 그런데 재밌는 건이 실험에 참가한이 숙련된 오픈 소스 개발자들이 본인들의 체감으로는 AI 코드를 이용해서 20% 더 빨리 만들었다라고 그렇게 느꼈다고 합니다. 그런데 실제로는 19% 더렸다는 재밌는 결과죠. 자,이 보고서에서 AI 코드가 실패하는 패턴을 몇 가지로 이렇게 안내를 하고 있는데요. 첫 번째는이 카피엔 베이스트 아키텍처라는 재밌는 표현을 쓰고 있습니다.이 AI 도우가 비슷하지만 다른 구현을 반복적으로 생성을 하고 그리고 공통된 함수 하나로 추상화하면 될 것을 중보 코딩을 하고 그렇기 때문에 규칙 하나가 바뀌면 전부 다 찾아서 고쳐야 되는 이런 단순 복사 붙여 넣기 형태로 개발을 하는 패턴을 보인다고 하고요. 그리고 언뜻 정도인데 보이는 코드 다시 말해서 문법도 맞고 린트도 통과를 하고 그래서이 깔끔해서 리뷰에서 놓치기 쉬운데이 코드들이 실제로 통합을 해서 어떤 부하 단계에 들어가면은 코드에서 문제점이 잘 드러난다고 하네요.

그리고 가장 문제는 AI에게 주어지지 않는 맥락이라고 하는데요. 발령 기존 데이터베이스의 스키마, 또 API의 계약, 그리고이 도메인 고유의 어떤 예외 처리, 제약사항 또 기존 시스템이 왜 그렇게 만들어졌는지에 대한 이런 맥락을 AI한테 충분히 설명하지 않아서 AI가 맥락가는 다른 코드를 생상하고 그게 결국 문제로 될 수 있다는 것이고요.이 세 가지의 공통점은 하나죠. 행성하는 시점에는 어 문제가 잘 드러나지 않는데이 시스템에 본격적으로 편입되고 프로덕션 환경에서 사용될 때 어떤 보안이나 성능 확장성 문제가 드러난다는 말이죠. 어, 또 그리고 보고서에는이 AI 에이전트 도구를 이용해서 AI를 개발하는 방식을 세 가지 형태로 말하고 있고요. 결국 이런 식으로 성숙해 나가야 된다는 방향성을 제시하고 있습니다. 자, 첫 번째는 단순 바이브 코딩인데요. 어, 프롬프트 중심으로 명령을 내리고 그리고 AI의 통제를 최소화해서 AI가 자율적으로 코딩하게 만드는 거죠. 어, 이런 방식은 프로토타입이나 개인 유틸리티성 소프트에는 적합하지만이 품질 책임이 불명확하다는 단점이 있고요.

다음으로 AI 엑셀레이터 개발인데요. AI 가속 개발이죠. 아키텍트가 개발 의도를 정확히 전달하고 AI가 그 의도에 따라서 구현하도록 하고 책임은 사람이 지도록 하고 반드시 테스트를 통과시키는 이런 형태로 바이브 코딩 AI 에이전트를 사용해야 된다는 방식을 AI 가속 개발이라고 하고요. 그리고 에이전틱 엔지니어링이라고 해서 정확한 명세 그리고이 컨텍스트 명락을 AI한테 반드시 제공을 하고 그리고 그런 제약간에서 AI의 자율성을 제한시키고 그리고 생산 배포에는 반드시 사람의 성인을 거치도록 하는 이런 것을 에이전틱 엔지니어링이라 하고 이렇게 바이브 코딩 AI 코딩을 사용해야 된다라고 제시하고 있습니다. 어 키홀이라는이 보고서를 만든 회사에서 이런 거버넌스 그리고 뭐 관리책의 관련 방법론 그리고 관련된 컨설턴트들을 제공하는 회사기 때문에 뭐 이런 제한을 한 걸 수도 있는데요. 전반적으로는 또 저도 동의하는 그런 방향성이라고 생각합니다. 어, 그리고 참고로이 수치들 아까 앞서 말씀드린 대로이 소프트웨어 컨설팅하는 회사기 때문에 본인들에게 어떤 유리한 형태의 통계 수치를 가지고 설명을 했을 수도 있기 때문에 제가 조금 더 알아봤는데요.

먼저 미국 개발자의 92%가 매일 사용한다라고 보고서에는 되 있는데 실제 조금 더 들어가 보면이 자료는 2023년 기 허브에서 조사한 내용을 인용을 한 것인데요. 미국 대기업의 개발자 500명을 대상으로 AI 코딩 도구의 사용 경험을 물어본 것이지 매일 사용한 것은 아니라는 점을 발견을 했습니다. 다시 말해서 92%가 사용을 해 봤다라는 것이고요. 뭐 그렇지만 제 주변에도 보면 거의 모든 개발자가 바이브 코딩을 이용하고 있습니다. 가끔 보안 때문에 사용하지 못하는 사람들도 있는데요. 어, 그런 분들도 직접 프로젝트에 붙여서 사용하진 않지만 인터넷이 되는 그런 PC에서이 코드 블록 단위로는 사용을 하고 있습니다. 자, 그리고 보고서에는 63%가이 바이브 코딩 사용하는 63%가 비개발자라는 내용이 있는데요. 어, 이건 버셀 자료를 인용한 것입니다. 자, 그렇지만이 63% 비발자라는 표본과 분류 기준이 정확하게 공개되어 있지 않다는 점 참고하시고요. 그리고 버그가 41% 이렇게 생성됐다는 것은이 코파일럿 한정된 리포트에서 가져온 내용이더라고요.

하지만이 표에서는 뭐 AI 도구 전반으로 일반화시켜 보이는 그런 문제점이 있고요. 그리고 취약점이 91.5%라는 는 못프로라는 수치는이 특정 바이브 코딩 서비스 공개 앱을 분석한 결과이고요. 이건 역시 지금 전체 앱에 일반화 하기에는 조금 문제가 있다는 점을 말씀을 드리고요. 그리고 미터에서이 오픈소스 개발자들한테 시켰을 때 재간보다 실제로는 19%가 생산성이 더 지연됐다 하는 것도 16명이라는 소규모 실험이기 때문에 크게 의미 있는 수치는 아니라고 보여집니다. 자, 이렇게 수치 자체가 아주 잘못된 건 아니고요. 다만 인용하는 시점에서 정확한 근거나 통계나 수학적 기준으로 아주 명확하지 않은 것도 있다는 점이고요. 어, 그렇지만이 AI 도입을 빠르게 확산하는 거에 비해서이 소프트웨어 품질 관리는 중요하다라는 측면에서는 충분히 참고할 만한 수치입니다. 자, 정리하겠습니다. 어, AI 코딩 도구의 채택은 굉장히 빠르게 늘고 있습니다. 그렇지만이 코드의 신뢰와 분질이 그 속도를 따라오고 있는지 한번 생각해 볼 문제입니다.

자, AI는 구현을 가속시킬 수 있지만이 소프트웨어의 결과물에 대한 책임은 여전히 우리 개발자 그리고 그 소프트웨어를 런칭하고 배포하고 서비스하는 조직에 있다는 점 반드시 명심을 해야 될 것 같습니다. 우리 현장에서 AI 코드 에이전트 도구 많이 사용을 하시는데요. 100% 무조건 맹신을 한다든지 아니면 반대로 무조건 의심을 한다든지 두 방향 다 좋지 않죠. 비개발자라면 모르지만 적어도 개발자라면이 AI의 생산성과 효율성은 최대한 활용을 하면서 그 결과에 대한 신뢰, 품질 이런 부분들은 무조건 맹신하면 안 되겠죠. 자, 우리 개발자분들 의견 댓글로 남겨 주시면 감사하겠고요.