이 CTO는 개발자의 93%가 AI를 사용하지만 생산성은 여전히 10%에 머물러 있다고 말한다

저는 올해 Pragmatic Summit에 참석하여 DX의 CTO이자 경영 고문이며 '올해의 오스트리아 혁신가(Austrian Innovator of the Year)'인 Laura Tacho의 기조연설을 들을 기회가 있었습니다.

그녀는 2월 1일까지 수집된 3개월간의 데이터를 바탕으로 한 최신 연구인 *개발자 생산성 및 AI 영향 측정 (Measuring Developer Productivity & AI Impact)*을 발표했습니다.

이 연구는 450개 이상의 기업에 걸친 121,000명의 개발자를 대상으로 설문조사를 실시했습니다. 놀랍게도 그들 중 92.6%가 한 달에 최소 한 번은 AI 코딩 어시스턴트 (AI coding assistant)를 사용하며, 약 75%는 매주 사용합니다. 분명히 AI는 더 이상 단순한 부수적인 실험이 아니라 워크플로 (workflow)의 일부가 되었습니다.

다음은 Laura의 연구에서 제가 가장 흥미롭다고 느낀 주요 시사점들입니다.

10% 생산성 정체기

대부분의 사람들이 AI 지원에 대해 가장 먼저 떠올리는 것은 시간 절약입니다. 연구에 따르면, 개발자들은 매주 약 4시간을 절약하고 있다고 답했습니다. 이는 2025년 2분기(Q2 2025)와 거의 비슷하며, 2025년 4분기(Q4 2025) 수치는 약 3.6~3.7시간 수준입니다.

시간 절약 효과는 정체된 것으로 보입니다. 생산성 또한 동일한 패턴을 보입니다. AI가 처음 급부상했을 때 약 10% 정도 급증했으며, 그 이후로는 해당 수준에서 꾸준히 유지되고 있습니다.

실제로 변화하고 있는 것은 'AI 작성 코드 (AI-authored code)'의 양입니다. 즉, 인간의 개입이 거의 또는 전혀 없이 메인 저장소(repository)나 운영 환경(production environment)에 병합(merge)되는 코드를 의미합니다. Laura는 최신 데이터를 사용하여 이를 다음과 같이 분석합니다.

2025년 11월부터 2026년 2월 사이의 약 420만 명의 개발자를 살펴보면, AI 작성 코드는 이제 전체 운영 코드의 26.9%를 차지하고 있으며, 이는 지난 분기의 22%에서 상승한 수치입니다. 일일 AI 사용자들 또한 이정표를 달성하고 있습니다. 그들이 병합하여 리뷰를 통과하고 운영 환경으로 들어가는 코드의 거의 3분의 1이 AI에 의해 작성됩니다.

Laura가 강조하기를 좋아하는 한 가지 예시는 AI가 어떻게 **온보딩 프로세스 (onboarding process)**를 가속화하고 있는가 하는 점입니다:

2024년 1분기(Q1)부터 2025년 4분기(Q4)까지 분기별 데이터를 살펴보면, 온보딩 시간(onboarding time)이 절반으로 단축되었습니다. 구체적으로, 저희는 이를 "10번째 풀 리퀘스트(Pull Request, PR)까지 걸리는 시간"으로 측정하고 있습니다.

(성공적인 온보딩의 핵심 지표로 널리 간주되는) 이 지표가 이제 절반으로 줄어들었습니다. 그 덕분에 Laura는 신입 사원, 프로젝트를 전환하는 엔지니어, 또는 기술적인 워크플로우(workflow)에 진입하는 비엔지니어에 이르기까지, AI를 사람들이 업무에 빠르게 적응하도록 돕는 강력한 도구로 보고 있습니다.

누군가가 업무에 더 빨리 적응할수록, 생산성 향상 효과는 보통 최소 2년 동안 더 오래 지속됩니다. 이는 더 큰 트렌드를 시사합니다. 즉, AI가 개발자들이 더 빠르게 업무에 적응하도록 돕고, 정신적 부하(mental load)를 줄여주며, 복잡한 코드베이스(codebase)에 온보딩하는 것을 더 쉽게 만들어주고 있다는 점입니다.

어려움을 겪는 조직에서 AI는 문제를 해결하는 대신 결함을 드러낸다

Laura는 또한 AI가 기업 성과에 어떤 영향을 미치는지를 살펴보는 연구의 일부를 지적했습니다. 이 섹션은 2025년 11월부터 2026년 2월 사이에 67,000명의 개발자 데이터를 분석했으며, 그 결과는 극명하게 나뉘었습니다.

어떤 기업들은 고객 접점의 장애(incident)가 두 배로 늘어난 반면, 다른 기업들은 50% 감소하는 모습을 보였습니다.

그 차이는 AI를 어떻게 사용하는가에 달려 있습니다. 잘 구조화된 조직에서 AI는 "승수 효과(force multiplier)" 역할을 하여 팀이 더 빠르게 움직이고, 더 높은 품질로 확장하며, 신뢰성을 높일 수 있도록 돕습니다. 반면 어려움을 겪는 조직에서 AI는 문제를 해결하기보다는 기존의 결함을 부각하는 경향이 있습니다. 이를 바탕으로 Laura는 다음과 같이 결론지었습니다.

변화는 불편합니다. 클라우드나 애자일(agile) 전환을 포기할 준비가 되었던 조직들은 이제 AI 전환 또한 포기하고 있습니다. 조직 전체를 바라보며 수익(bottom line)에 실질적인 영향을 미치기 위해서는 근본적인 무언가가 변해야 한다는 사실을 깨닫는 것은 어려운 일입니다.

그녀에 따르면, 도입 그 자체만으로는 결과를 보장할 수 없으며, 단지 도구를 사용하는 것만으로는 조직이 자동으로 개선되지 않습니다.

이것은 정말로 경영의 문제입니다. 과도한 기대(Hype)는 단순히 AI를 시도하는 것만으로도 자동으로 보상이 따를 것처럼 들리게 만들었습니다. 하지만 지금까지 대부분의 도구는 개별적인 코딩 작업에만 사용되어 왔습니다. 실질적인 영향을 확인하려면 단일 작업이 아니라 조직적 차원에서 AI를 사용해야 합니다.

Laura는 또한 개발자들 사이에서 가장 인기 있는 AI 도구들에 대해 언급하며, 특히 Codex를 강조했습니다:

Codex 데스크톱 앱은 2월 2일에 출시되어 이미 100만 다운로드를 돌파했으며, 지난주에만 60%의 성장률을 기록했습니다. 그들은 최근 GPT-5.3 Codex를 출시했습니다. OpenAI 내부에서는 개발자의 95%가 Codex를 사용하고 있으며, 이 사용자들은 매주 약 60% 더 많은 풀 리퀘스트 (Pull Requests)를 제출합니다.

실제 사례로, Laura는 18,000명의 엔지니어가 복잡한 마이그레이션 (Migrations)과 코드 리뷰 (Code reviews)를 위해 매일 Codex를 사용하고 있는 Cisco를 강조했습니다. 이를 통해 코드 리뷰 시간을 절반으로 단축했습니다. 하지만 Laura는 문제에 정면으로 맞서지 않는 한 AI가 조직의 더 깊은 문제를 해결해주지는 않을 것이며, 그 시작은 문제의 존재를 인정하는 것이라고 경고합니다.

조직이 여전히 인간적, 시스템적 마찰로 인해 제약을 받고 있기 때문에, Laura는 다음과 같이 언급합니다:

"저는 근본적인 제약 사항들을 해결하지 않고 기술만으로 성능을 개선할 수 있다는 약속에 회의적입니다. 시스템적인 문제를 해결하지 못한다면, 우리는 그 문제들을 '우주까지 그대로 가지고 갈' 뿐입니다. 진짜 질문은 화성을 어떻게 식민지화하느냐가 아니라, 어떻게 실제적인 조직적 영향력을 달성하느냐입니다."

DevEx가 그 어느 때보다 중요해졌다

마지막으로, Laura는 AI를 통해 "승리"하고 있는 이들의 성공 비결을 공개했습니다:

1. 명확한 목표를 설정하고 결과를 측정한다.

2. 개발자 경험 (Developer Experience, DevEx)이 그 어느 때보다 중요하다는 것을 인식한다.

3. 빠른 지속적 통합 (Continuous Integration, CI), 명확한 문서화, 그리고 잘 정의된 서비스와 같은 요소들이 갖춰졌을 때 AI는 성공한다.

결국, 실질적인 조직적 성과를 얻는다는 것은 AI를 전사적인 과제로 다루는 것을 의미합니다. 연구 결과에 따르면 장벽은 기술적인 문제가 아니라, 변화 관리 (Change Management)와 리더십의 지원 문제로 귀결됩니다. Laura는 다음과 같이 요약합니다:

성공적인 조직은 실제 고객의 문제를 해결함으로써 실험을 진행합니다. 화성을 탐사하는 것은 흥미롭게 들릴 수 있지만, 지속 가능하지 않습니다. 비용이 많이 들고 핵심 비즈니스(Core Business)로부터 주의를 분산시키기 때문입니다. 의미 있는 결과를 도출하려면 실험의 초점을 고객에게 맞추십시오. 결국, 어딘가에는 발견되기를 기다리는 놀라운 무언가가 있습니다.

생산성 격차는 유일한 문제가 아닙니다. 왜 개발자의 84%가 AI를 사용하면서도 대부분은 이를 신뢰하지 않는지 읽어보세요. 신뢰 문제는 이 방정식의 일부입니다.