최근 AI 코딩 도구 부작용에 대한 데이터가 빠르게 쌓이고 있다.
개발자들은 20% 빨라졌다고 느꼈지만, 실제로는 19% 느렸다.
METR이 2025년 진행한 무작위 대조 실험 결과다(METR, 2025). 평균 5년 이상의 경력을 가진 오픈소스 개발자 16명이 246개의 실제 이슈를 처리했고, Cursor Pro + Claude 조합을 허용한 과제는 오히려 19% 더 오래 걸렸다. 현장에서 “AI 쓰니까 더 피곤하다”는 말이 돌던 이유에 드디어 숫자가 붙었다.
더 불편한 건 이게 생산성만의 문제가 아니라는 점이다. AI 코딩 도구 부작용은 개발 문화의 가장 안쪽, 멘토링과 학습 고리부터 부수기 시작했다.
“4천 줄 Claude 코드”에 박수를 치는 회사
한 시니어 엔지니어가 최근 타운홀에서 본 장면이다. 주니어들이 새 기능을 시연했는데, 정작 본인들이 그 기능의 목적도, 작동 방식도 설명하지 못했다. 매니저는 자랑스럽게 덧붙였다.
이건 Claude가 쓴 4천 줄짜리 코드입니다.
박수가 쏟아졌다. 회의실 한쪽에 앉아 있던 그 시니어만 얼굴이 굳었을 것이다.
한 회사의 해프닝으로 끝날 얘기가 아니다. The Register가 METR 결과를 정리하며 짚은 대목이 여기와 닿는다(The Register, 2025). “개발자들은 AI가 작업을 가속한다고 믿었지만, 실제로는 수락률 44% 미만의 제안을 정리하고 재작성하는 데 시간을 더 썼다”는 분석이다. 타운홀에서 박수받은 4천 줄은, 결국 누군가의 야근으로 되돌아온다.
멘토링이 사라지면 엔지니어링도 사라진다
소프트웨어 엔지니어링이 유지해온 가장 값진 자산은 코드 자산이 아니다. 시니어와 주니어 사이의 피드백 루프다. 주니어가 쓴 코드를 시니어가 읽고, 토론하고, 주니어가 다시 쓰는 반복이 엔지니어를 키워왔다.
이 루프가 지금 끊어지고 있다. 시니어의 리뷰 코멘트가 주니어의 학습 재료가 아니라 다음 LLM 프롬프트의 입력값으로 쓰이는 현장이 흔해졌다. GitHub 커밋 URL을 보내며 “왜 이렇게 바꿨냐”고 물으면, LLM을 한 번 거친 매끈한 문장이 그대로 돌아온다. 묘한 위화감이 드는 이유는 단순하다. 대화가 끊긴 것이다.
2026년 2월 InfoQ가 소개한 Anthropic의 내부 연구도 같은 방향을 가리킨다(InfoQ, 2026). AI 코딩 도구 의존이 높은 개발자일수록 코드 이해도 테스트에서 평균 17% 낮은 점수를 받았다. 생산성 향상은 통계적으로 유의미한 수준에 도달하지 못했다. 이해를 건너뛴 생산성은 결국 품질로 되돌아온다.
주니어가 먼저, 더 크게 다친다
인간 중심 AI 도구 설계: 대체가 아니라 사고를 키우는 EDGE 방법론에서 다룬 인지 위축 연구와도 맞닿는다. 2026년 3월 UTS의 경고는 직설적이었다. 무분별한 AI 사용은 젊은 세대의 비판적 사고 능력을 실제로 떨어뜨린다. 주니어 개발자는 이 위험의 한가운데 서 있다. 처음부터 이해 대신 출력에 익숙해진 세대는, 나중에 시니어가 됐을 때 무엇을 리뷰할 수 있을까.
코드 리뷰 지옥: AI가 쓴 걸 사람이 청소한다
AI가 생성한 코드를 사람이 리뷰하는 구조 자체가 이상하다는 목소리도 커지고 있다. Scientific American은 2026년 보도에서 AI 도구를 적극 쓰는 개발자일수록 근무 시간이 더 길어진다고 정리했다(Scientific American, 2026). “AI가 30초 만에 만든 코드를 사람이 3시간 동안 검토한다”는 농담이 실제 업무 흐름이 됐다.
현장에서 흔히 보이는 악순환은 이렇다.
- 주니어가 AI로 PR을 뽑는다
- 시니어가 리뷰로 수정 요청을 단다
- 주니어는 그 요청을 다시 AI에 넣는다
- AI가 또 다른 모양의 엉성한 코드를 내놓는다
- 시니어가 같은 리뷰를 반복한다
Faros AI가 2026년 정리한 “AI Productivity Paradox” 리포트도 같은 현상을 짚는다(Faros AI, 2026). AI 도구는 선형적으로 코드를 찍어내지만, 리뷰와 디버깅 시간은 비선형적으로 불어난다. ChatGPT 월 20달러로 “비용 절감”을 외치는 사이, 엔지니어 네 명이 한 달을 태운다. 어디서 절감이 일어났는지 진지하게 세어봐야 한다.
6개월 동안 AI를 껐을 때 생긴 일
반대 방향 실험도 있다. 한 시니어 개발자가 6개월간 유지하던 Claude Pro 구독을 끊었다. 변화는 이렇다.
- 스스로 판단한 결과의 정확도가 오히려 올라갔다
- 공식 문서, Stack Overflow, 1차 자료를 직접 읽는 시간이 늘었다
- 문제 해결에 드는 총 시간은 비슷했지만, 이해의 흔적이 남았다
METR 결과와 겹쳐 읽어야 이 경험담의 의미가 살아난다. 숙련 개발자에게 현재 수준의 AI 도구는 “속도는 못 올리면서 학습만 깎아내는” 트레이드를 종종 만든다. 모든 상황에 해당되는 말은 아니다. 다만 “AI만 쓰면 무조건 빨라진다”는 믿음은 데이터가 깨고 있다.
스타트업 생태계: 누가 이 비용을 치르는가
개별 팀의 이슈를 넘어 구조로 확장해보자. 지금 다수의 AI 스타트업 모델은 이 흐름과 비슷하다.
- 기존 도메인에 “AI”를 붙여 창업
- VC로부터 투자 유치
- OpenAI, Anthropic 등 모델 제공사에 사용료 지불
- 본인들은 수익 구조를 찾지 못한 채 소진
엔터프라이즈 AI 투자 지도: AI 혁명의 진짜 승자는 누구인가에서 이미 정리했듯, 기업 AI 도입률 88% 대비 EBIT 5% 이상 기여 비율은 한 자릿수에 머문다. 파이프라인은 화려한데, 바닥에서 돈을 버는 곳은 드물다. 전력 소비와 탄소 배출은 올라간다. 결국 이 비용을 누군가 어딘가에서 치른다.
그래서 AI를 끊으라는 이야기냐고? 아니다
오해를 풀자. 이 글은 AI 코딩 도구 폐지 선언이 아니다. 도구 자체가 아니라 사용법이 문제다.
업계 흐름은 이미 방향을 틀고 있다. “프롬프트 엔지니어링”에서 “컨텍스트 엔지니어링”으로, 속도에서 정확도로. 전환 논리는 컨텍스트 엔지니어링 바이브 코딩 전환: AI 개발자가 알아야 할 구조 설계에 풀어뒀다. 실제 팀에 오늘 붙일 수 있는 구체 기법은 AI 협업 최적화 전략: 컨텍스트 엔지니어링으로 성과 2배 만드는 법에서 다뤘다.
공통되는 결론은 하나다. AI가 만든 코드를 사람이 사후 청소하는 구조가 아니라, 사람의 맥락을 AI가 정확히 따르도록 설계하는 방향으로 가야 한다는 것.
AI 코딩 도구 부작용을 뒤집는 팀 체크리스트
당장 내 팀에 적용해볼 만한 다섯 가지다.
- AI 코드에도 “왜 이렇게 짰냐” 질문을 의무화한다. PR 설명에 의도·대안·트레이드오프가 빠지면 머지 금지.
- 리뷰 반복 횟수를 측정한다. 같은 PR에 “AI 재생성 → 시니어 재리뷰”가 3회 넘게 붙으면 사람끼리 앉아 다시 짠다.
- 주니어에게 “AI 없이 쓰는 주간”을 분기에 한 번, 한 주 준다. 근육이 빠지는 속도가 체감된다.
- 시니어 시간을 코드 리뷰가 아니라 설계 리뷰에 쓴다. 조각이 아니라 시스템 다이어그램을 같이 그린다.
- “Claude가 쓴 4천 줄”을 박수받는 KPI에서 뺀다. 양 대신 결함 밀도·이해도 지표로 바꾼다.
이 중 한두 가지만 살려도 끊어졌던 피드백 루프가 다시 돌기 시작한다.
결국 남는 질문
AI 시대 개발자 경쟁력은 도구 목록이 아니라 도구와의 관계 설정 능력에서 갈린다. 노동 가치의 변화는 이미 시작됐다. 이 전환이 개인에게 어떤 의미인지는 당신의 노동 가치가 마이너스가 되는 시대에서 더 깊게 풀었다.
AI가 대신 코드를 쓰는 건 괜찮다. 단, 대신 생각하는 법까지 가져가게 두면 안 된다. 오늘 당장 해볼 만한 한 가지. 다음에 AI가 만든 PR을 받으면 “이 코드가 왜 이렇게 생겼는지 네 입으로 설명해봐”라고 한 번만 물어보자. 대답이 얼마나 단단한지에 따라 팀의 엔지니어링 문화가 어디쯤 서 있는지 보인다.
19%는 경고다. 17%는 예고다. 어느 쪽에도 무관심한 팀이 남는 자리는, 결국 없다.
참고 자료
- METR, “Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity”
- The Register, “AI coding tools make developers slower, study finds”
- InfoQ, “Anthropic Study: AI Coding Assistance Reduces Developer Skill Mastery by 17%”
- Scientific American, “Why Developers Using AI Are Working Longer Hours”
- Faros AI, “The AI Productivity Paradox Research Report”