코드는 늘었지만 해결된 이슈는 그대로
하버드대학교 연구진 피오나 첸(Fiona Chen)과 제임스 스트래턴(James Stratton)은 AI 코딩 도구가 기업의 소프트웨어 생산성에 미치는 영향을 분석한 연구 결과를 내놨다. 엔지니어링 분석 업체 젤리피시(Jellyfish)의 집계 데이터를 활용했으며, 2021년부터 2026년 3월까지 700여 개 기업, 70만 명 이상 직원의 커밋·풀 리퀘스트 등 약 3억 건의 작업 이력이 대상이다.
연구진은 기업별로 AI 도구를 도입한 시점 전후를 비교하는 이중차분(difference-in-differences) 회귀 방식을 썼다. 분석 결과 AI 코딩 에이전트를 도입하면 코드 총량은 평균 30%, 커밋 수는 20%, 풀 리퀘스트 수는 23% 증가했다. 반면 지라(Jira) 등으로 추적하는 이슈와 에픽, 즉 기능 단위 작업의 해결률은 통계적으로 유의미한 변화가 없었다. 이슈의 규모나 복잡도 역시 달라지지 않았다.
병목은 사람의 코드 리뷰
연구진은 원인을 코드 리뷰 단계에서 찾았다. 풀 리퀘스트가 제출된 뒤 병합되기까지 걸리는 시간은 AI 에이전트 도입 후 평균 49% 늘었다. 수정 요청이 달린 풀 리퀘스트 비율은 거의 두 배로 높아졌고, 풀 리퀘스트당 댓글 수도 35% 증가했다. 코딩 단계에서 얻은 효율이 이후 공정의 제약에 흡수됐다는 것이 연구진의 설명이다.
이에 따라 코드 리뷰에 참여하는 인력 비중은 14% 늘었다. 다만 링크드인(LinkedIn) 자료와 교차 검증한 결과, AI 때문에 고용이 의미 있게 변했다고 보기는 어렵다고 연구진은 밝혔다.
AI를 코드 리뷰에 활용하는 방안도 아직은 제한적이다. 2026년 3월까지 조사 대상 기업의 80%가 AI 코드 리뷰를 쓰고 있었지만, AI가 작성한 리뷰 댓글은 전체의 23.3%, 처리한 풀 리퀘스트는 10.8%에 그쳤다. 대부분의 리뷰는 여전히 사람이 맡고 있다는 뜻이다.
한계와 전망
이번 연구는 2026년 3월까지의 데이터에 기반해, 이후 이뤄진 에이전트 성능 개선은 반영하지 못했다. 조사 대상 기업의 95%가 현재 AI 코딩 에이전트를 도입한 만큼, 활용 경험이 쌓이면 코딩과 리뷰 사이의 시간 배분이 개선될 여지도 있다. 다만 당분간은 코딩 속도 향상이 리뷰 부담 증가로 상쇄되는 구조가 이어질 것으로 보인다. AI 코딩 도구 도입을 검토하는 국내 기업도 코드 생성량이 아닌 리뷰와 병합까지의 전체 흐름을 기준으로 효과를 따져볼 필요가 있다.
