# 소프트웨어 엔지니어링과 생성 AI에 대한 “8가지 오해”는 무엇인가?

> https://bookfactory.kr/c/news/8850
> 게시판: 뉴스
> 작성자: tachikoma43
> 작성일: 2026-08-05T10:18:39.339Z

---

최근 생성형 AI 도구를 업무에 통합하는 움직임이 가속화되면서, 특히 소프트웨어 개발 현장에서는 코딩 AI의 사용이 일반화되고 있습니다. 이러한 상황에서 컴퓨터 잡지 ACM Queue는 소프트웨어 개발에 관한 AI에 대한 주장에는 마케팅상의 홍보나 오해가 섞여 있다고 지적하며, 소프트웨어 엔지니어링과 생성 AI와 관련된 “8가지 오해”를 정리했습니다.

Eight Myths on Software Engineering and GenAI - ACM Queue (https://queue.acm.org/detail.cfm?id=3807963)에 따르면, 생성형 AI는 급속도로 소프트웨어 엔지니어링 환경을 변화시키고 있지만, AI의 장점이라고 알려진 것들 중에는 마케팅상의 홍보, 예외적인 사례, 잘못 해석된 연구 결과 등이 포함되어 있다는 것입니다. ACM Queue가 최근의 대규모 연구, 인터뷰, 개발 현장 관찰 등을 바탕으로 발견한 “8가지 오해”는 다음과 같습니다.

◆1: 개발자는 대부분 시간을 코딩하는 데 보낸다

소프트웨어 엔지니어링은 창의성과 장시간 집중, 그리고 많은 협업을 필요로 하는 까다로운 업무이지만, 예상외로 실제로 개발자가 코딩하는 시간은 그다지 길지 않습니다. 큰 소프트웨어는 여러 명의 팀이나 다양한 그룹이 협력하여 만들어지기 때문에, 개발자는 코딩 외에도 회의, 계획 수립, 코드 리뷰와 같은 그룹 활동에 많은 시간을 할애해야 합니다. 2025년에 Microsoft에서 근무하는 450명 이상의 엔지니어에 대한 조사에서, 개발자가 코딩에 투자한 시간은 근무 시간의 약 14%였으며, 나머지는 다른 업무에 사용된 것으로 보고되었습니다. 또 다른 연구에서는 엔지니어가 “오늘은 컨디션이 좋다”고 느끼는 날이건만 코딩에 투자하는 시간이 18%에 불과했으며, “컨디션이 좋지 않다”고 느끼는 날은 11% 정도였다고 나타났습니다.

◆2: 코딩이 병목 현상을 일으킨다

현장에서 소프트웨어 개발에 관여하지 않은 사람들은 “소프트웨어 개발에서 가장 큰 병목은 코드의 생성이며, 코딩 AI 도입으로 인해 생산성이 극적으로 향상될 것이다”라고 생각하는 경우가 많습니다. 하지만 개발자가 코딩하는 시간은 근무 시간 전체에서 보게 되면 15% 정도에 불과하기 때문에, 코딩 작업을 가속화하는 코딩 AI를 도입해도 전체적인 생산성 향상은 15% 미만에 그칠 수 있다는 것입니다. 또한, 소프트웨어의 설계 작업, 기존 코드의 이해, 환경 구축과 같은 주변 작업을 고려하지 않고 AI로 코드 생성을 가속화하면, 예상치 못한 결과를 초래할 가능성도 있습니다. 예를 들어, 코드 생성 능력이 증가하면, 그만큼 코드 리뷰, 테스트, 제품 통합과 같은 후속 공정의 부담도 함께 증가합니다. ACM Queue는 “전체 개발 주기는 가장 느린 단계의 속도에 좌우되지만, 코딩은 반드시 가장 느린 단계가 아닙니다. 따라서 AI를 주로 코드 생성 툴로 사용하는 것은 개인에게는 유용하지만, 소프트웨어를 보다 빠르게 출시하기 위한 AI의 최적 방법이라고 반드시 말할 수 없습니다”라고 언급했습니다.

AI가 쓴 코드의 행 수가 영향을 미치는 최적의 지표라는 소프트웨어 개발에서, 반드시 코드의 수가 많을수록 좋다는 의미는 아닙니다만, 많은 조직은 여전히 개발자의 생산성을 “시간당에 쓴 코드 행 수”로 측정하고 있습니다. 따라서, 유사한 지표가 코딩 AI에도 전이되어, 생성하는 코드 행 수가 AI의 성능을 측정하는 것으로 이야기되고 있습니다. 하지만, 건전하지 않은 조직 문화에서 코드 행 수를 지표로 삼는 것은 위험합니다. 예를 들어, 개발자가 코드 행 수를 우선하도록 강요받는 경우, 주변과의 협업이나 설계 품질을 희생하거나, 기술 부채나 보안 취약성이 증가할 위험이 있습니다. 코딩 속도를 향상시키는 코딩 AI는 이러한 상황을 악화시켜, 결과적으로 리뷰, 테스트, 유지보수와 같은 업무의 부담이 증가할 가능성이 있습니다.

AI는 모든 업무와 엔지니어를 평등하게 지원하지 않습니다. 생성 AI 도구와 생산성 향상에 대한 연구 결과는 엇갈리고 있으며, 많은 연구에서는 생산성이 크게 향상된다고 보고하는 반면, 생산성이 크게 변하지 않거나 오히려 악화된다고 하는 연구도 있습니다. 그 이유는 생성 AI가 코딩 작업에서 유용하게 되는지 여부는 작업 자체의 성격이나 개발자의 숙련도와 같은 다양한 요인에 따라 달라지기 때문입니다. Microsoft가 2024년에 발표한 조사 보고서에서는, 개발자에게 익숙하고 잘 이해하고 있는 작업은 그렇지 않은 작업에 비해 AI를 통한 생산성 향상이 크다는 것이 나타났습니다. 또한, 소프트웨어 개발 경험과 AI를 활용한 경험, 문제 해결 방식 등도 영향을 미치는 것으로 보입니다. ACM Queue는 “생성 AI는 소프트웨어 엔지니어링에 큰 이점을 제공할 잠재력을 가지고 있지만, 그 유효성은 복잡한 요인들의 상호 작용에 의해 결정됩니다. 작업의 특성, 개발자의 경험, 코드 베이스에 대한 숙련도, 자신감, 프롬프트 작성 기술 등 모두 결과에 영향을 미치는 것입니다”라고 언급했습니다.

AI는 개별 개발자의 생산성을 10배 향상시킨다는 AI와 소프트웨어 엔지니어링에 얽힌 신화 중 하나는 “AI 도구가 개별 개발자를 10배의 생산성을 가진 개발자로 변화시킨다”는 것입니다. 분명, 고립된 작업을 수행하는 경우를 가정한 실험 환경에서는 생산성이 크게 향상될 수 있지만, 이는 현실 세계의 소프트웨어 개발에서 나타나는 복잡성을 간과하는 것입니다. 단독으로 측정된 작업에서의 생산성 향상은 소프트웨어 개발의 성공에 필수적인 조정, 협력, 지식 공유를 고려하지 않았다고 ACM Queue는 지적했습니다.

AI를 활용할 수 있는 것은 개별 개발자에게 달려 있다는 것입니다. 현재까지 AI와 소프트웨어 엔지니어링에 대한 연구는 대부분 “개별 개발자가 생성 AI 도구를 어떻게 활용하는가”에 초점을 맞추고 있습니다. 이는 생성 AI를 통한 생산성 향상의 책임을 개발자 개인에게 전가하는 방식이지만, 역사적으로 볼 때 큰 생산성 향상은 개인 수준이 아닌 조직 수준의 체계적인 변화에 의해 이루어져 왔습니다. 예를 들어 자동차 제조업체인 포드는 생산성 향상을 위해 세계 최초로 조립 라인 방식을 도입했는데, 이는 단순한 영감이 아니라 수많은 실패와 시행착오를 반복하고 조직적으로 막대한 투자를 통해 이루어진 개선입니다. 그러나 최근에는 생성 AI 도구가 조직적인 지침 없이 개발자에게 전달되어 자신의 업무를 크게 개선해 달라는 요구를 받고 있습니다. ACM Queue는 “많은 사람들이 기대했던 것처럼 극적인 생산성 향상이 나타나지 않는 것은 접근 권한만으로는 충분하지 않음을 시사한다”고 말하며, 생성 AI의 잠재력을 최대한 활용하려면 조직 수준에서 소프트웨어 엔지니어링 시스템과 프로세스를 재고하고, 개발자가 더욱 생산적인 생태계 안에서 더 큰 성과를 낼 수 있는 환경을 구축해야 한다고 주장했습니다. 생산성 향상에는 조직적인 개혁이 필요하다는 것입니다.

개발자가 AI 도구를 도입할지 여부의 판단 기준은 “그것으로 인해 성능이 향상되는가”만을 고려하는 사람도 있습니다. 그러나 실제로 개발자가 새로운 도구를 도입하는지 판단할 때는 사회, 조직, 인지적 장벽과 같은 다양한 문제를 고려해야 합니다. 코딩 AI의 정확성에 의문을 품는 개발자도 있고, 기존 워크플로우에 통합할 수 없거나 사용하지 않는 개발자도 있으며, 엔지니어로서의 기술 저하를 두려워하여 채택하지 않는 개발자도 있으며, 윤리적 또는 환경적 우려에서 AI에 부정적인 태도를 보이는 개발자도 있습니다. 또한, 업무에 AI를 활용하면 다른 사람으로부터의 평가가 더욱 엄격해진다는 연구 결과도 보고되고 있으며, 이러한 요인들도 AI 도구 도입을 저해할 수 있습니다. AI를 사용하면 다른 사람으로부터 엄격한 평가를 받기 쉬워진다는 연구 결과 - GIGAZINE

◆8：생성 AI(Generative AI)를 사용한다면 기업은 스타트업과 같은 속도로 혁신을 일으킬 수 있다. 생성 AI의 등장이 작고 규모가 작은 스타트업이 엄청난 속도로 새로운 제품을 출시하는 사례가 늘어남에 따라 “왜 대기업도 생성 AI 툴을 사용하는데도 비슷한 속도로 신제품을 출시하지 못하는가?”라는 의문이 제기되고 있다. 이 질문에 대해 ACM Queue는 스타트업과 대기업에는 구조적인 차이가 있기 때문이라고 답하고 있다. 스타트업은 일반적으로 오픈 소스 컴포넌트나 널리 문서화된 프레임워크를 기반으로 제품을 구축하기 때문에, 이를 학습 데이터로 활용하는 코딩 AI와의 시너지가 좋다는 것이다. 반면 대기업은 AI 훈련에 사용되지 않는 독자 코드를 비롯한 레거시 코드를 의존하고 있으며, 스타트업 규모에서는 간과할 수 있는 컴플라이언스, 보안, 개인 정보 보호, 규제 요건 등에도 얽매여 있다. 또한 생성 AI는 기존 툴의 제약이 없는 새로운 개발 환경에서 최고의 성능을 발휘한다. 반면 대기업의 상용 소프트웨어는 후방 호환성을 유지하거나, 수많은 내부 시스템과 제3자 툴과 원활하게 통합되어야 하기 때문에, 소프트웨어 개발의 목적 자체가 다르다고 할 수 있다. ACM Queue는 “AI는 스타트업과 대기업 모두의 움직임을 가속시키는 데 도움이 되지만, 구조적인 현실에 의해 양자가 같은 조건에서 사업을 운영하는 것은 결코 아니 될 것이다. 속도는 눈에 띄지만, 복잡함은 눈에 보이지 않는다”라고 말했다.

[원문 보기](https://gigazine.net/news/20260805-8-myths-software-engineering-gen-ai/) | 출처: Gigazine