AI가 빨라졌다는 착각을 어떻게 재나 — 89%가 '빨라졌다'는데 6%만 증명하는 생산성의 역설, 그리고 DX Core 4

크게 보기

프롤로그: 89% 대 6%

한 숫자 쌍에서 시작하자. 2025~2026년 여러 조사가 반복해서 확인한 것이다.

89%가 빨라졌다고 느끼는데, 그것이 실제 성과였다고 증명할 수 있는 사람은 6%뿐이다. 이 83%포인트의 간극이 이 글의 주제다. AI는 분명 무언가를 빠르게 만들었다. 문제는 그 '무언가'가 진짜 가치인지, 아니면 그냥 활동인지 — 대부분의 조직이 구분하지 못한다는 데 있다.

앞선 특집 우리는 네가 '태스크를 끝내라고' 뽑은 게 아니야에서 우리는 SPACE 프레임워크를 잠깐 스쳤다. "활동(Activity)을 성과의 대리지표로 쓰지 말라"는 경고였다. 이 글은 그 경고를 정면으로 파고든다. AI가 활동량을 무한대로 부풀릴 수 있게 된 지금, 우리는 무엇을, 어떻게 재야 하는가?

💡 이 글은 코어닷 'AI 시대의 일' 특집 시리즈의 측정 편이다. 개인의 값어치는 n00b 편, 인재 파이프라인은 부러진 사다리, AI 대체 도박의 실패는 저커버그의 고백에서 이어진다.

1부. 착각의 해부 — '느낌'과 '현실'은 왜 갈라지는가

앞 글에서 소개한 METR의 실험을 다시 꺼내자. 숙련 개발자 16명, 실제 저장소, 무작위 대조 시험. 결과는 이랬다.

이 39%p가 89% 대 6% 역설의 축소판이다. AI는 개별 순간을 쉽게 느끼게 만드는 데 천재적이다. 코드가 순식간에 화면을 채우니까. 하지만 그 뒤에 따라오는 검증·통합·수정의 비용은 느껴지지 않는다. 우리 뇌는 '생성의 쾌감'은 크게 세고 '검증의 피로'는 작게 센다. 그 결과가 체계적인 과대평가다.

여기에 더 무서운 구조가 있다. 개인이 빨라지는 것과 팀이 빨라지는 것은 다르다. 오히려 반대로 갈 수 있다. 한 연구가 이를 정면으로 보여준다 — AI 코딩 도구는 개인 산출은 늘리지만 회사의 생산성은 늘리지 않는다. 아래에서 그 이유를 숫자로 본다.

2부. 숨은 청구서 — 속도에는 뒷면이 있다

AI가 만든 '속도'가 왜 팀 단위에서 증발하는가? 청구서가 뒤늦게, 다른 부서로 날아오기 때문이다. 2025~2026년 데이터가 그 항목들을 하나씩 잡아냈다.

크게 보기

GitClear가 2억 1,100만 줄의 코드 변경을 분석한 결과가 이 그림을 뒷받침한다. 중복 코드 블록은 2024년에 8배로 늘었고, '이동(리팩터링)'된 라인의 비율은 24.1%에서 9.5%로 반토막 났다. 코드는 재사용·정리되는 대신 복사·붙여넣기로 쌓이고 있다. 앞 글의 '카드의 집'이 조직 규모로 벌어지는 셈이다.

이 숨은 비용에는 이름도 붙었다. 애틀래시안은 "AI가 개인은 빠르게, 팀은 느리게 만들 때" 생기는 조정 비용 — 파편화 세금(fragmentation tax) — 이 포춘 500대 기업에게 연간 1,610억 달러에 달한다고 추산했다. 개인 속도계의 눈금이 올라가는 동안, 조직의 실제 도착 시간은 그대로이거나 뒤로 간다.

3부. 거울 효과 — AI는 무엇을 하는가

그렇다면 AI는 대체 무엇을 하는가? 2025년 구글 DORA 팀이 전 세계 기술 전문가 약 5,000명과 100시간 넘는 심층 인터뷰로 낸 State of AI-assisted Software Development 보고서가 지금까지 가장 선명한 답을 준다. 이제 개발자의 90%가 매일 AI를 쓴다. 그런데 대부분의 조직은 극적인 종단 개선을 보지 못한다. 왜일까.

DORA의 결론은 한 단어로 압축된다 — 증폭기(amplifier).

크게 보기

크게 보기

이 '거울 효과'가 왜 중요한가. AI 도입의 성패가 AI가 아니라 당신의 조직에 달려 있다는 뜻이기 때문이다. 그리고 조직의 진짜 상태를 보려면, 거울을 제대로 읽을 자(尺)가 있어야 한다. 그런데 우리가 지금 쓰는 자들이 하나같이 부러져 있다.

4부. 낡은 자 — 왜 전통 지표가 2026년에 망가졌나

수십 년간 개발 조직은 세기 쉬운 것을 세서 생산성이라 불렀다. 코드 라인 수(LOC), 커밋 수, 주당 PR 개수. 이 지표들은 AI 이전에도 불완전했지만, AI 시대엔 아예 역효과를 낸다.

문제의 뿌리는 하나다. 이 지표들은 전부 활동(activity)을 재는데, AI는 활동을 공짜로 무한히 만들어낸다. LOC로 생산성을 재는 건 AI 이전에도 "무게로 비행기 제작 진척을 재는 것"이었는데, 이제는 그 저울에 AI가 깃털을 무한정 쏟아붓는 격이다. 주당 PR이 98% 늘었다는 건 자랑이 아니라 경고일 수 있다 — 리뷰 병목과 파편화 세금의 다른 이름이니까.

SPACE 프레임워크(Forsgren 외, 2021)가 이미 경고했듯, 생산성은 다차원이다. 활동은 그중 한 축일 뿐이고, 나머지 축 — 성과, 소통, 효율, 만족 — 과 종종 반대로 움직인다. 그렇다면 다차원을 실제로 잴 수 있는, 부러지지 않는 자는 무엇인가?

5부. 새로운 자 — DX Core 4

2024~2025년, DX의 로라 타초(Laura Tacho)와 아비 노다(Abi Noda)가 DORA·SPACE·DevEx의 저자들(포스그렌·스토리·치머만 등)과 함께 이 세 프레임워크를 하나로 통합한 실용 도구를 내놓았다. DX Core 4다. 네 개의 차원으로 생산성을 잰다.

크게 보기

DX Core 4의 진짜 영리함은 각 차원에 균형추(guardrail)를 둔다는 데 있다. 한 축만 밀면 반드시 다른 축이 망가지도록 설계해, 지표를 속이는 것(gaming)을 막는다.

• 속도(Speed)만 올리려 하면 → 품질(Quality) 가드레일이 변경 실패율·재작업으로 붙잡는다. AI로 PR을 98% 더 찍어내도, 그게 churn과 장애로 이어지면 점수가 깎인다.
• 효과(Effectiveness)·임팩트(Impact)는 "빨리·많이"가 아니라 "옳은 것을, 사업 성과로" 냈는지를 본다. 개발자 경험과 실제 비즈니스 기여를 함께 잰다.

바로 이 균형추가, AI 시대에 결정적이다. AI는 속도(Speed) 축을 공짜로 부풀리는 데 특화돼 있으므로, 품질·효과·임팩트라는 반대편 추가 없으면 조직은 가속된 혼돈을 '생산성 향상'으로 오독하게 된다. DORA 2025가 "Quality 가드레일이야말로 AI가 드러내는 약점을 잡는 장치"라고 강조한 이유다.

6부. 실전 — AI ROI를 진짜로 재는 법

프레임워크를 알았으니, 실무에서 AI의 진짜 성과를 재려면 무엇을 해야 하는가. 데이터가 가리키는 원칙 넷.

이 넷을 관통하는 정신은 앞 글들과 같다. 활동을 성과로 착각하지 마라. AI는 활동을 공짜로 만들었으므로, 이제 활동은 더더욱 성과의 증거가 되지 못한다. 재야 할 것은 "얼마나 많이·빨리 만들었나"가 아니라 "옳은 것을, 무너지지 않게, 사업 성과로 만들었나"다.

결론: 측정할 수 없으면, 관리할 수 없다

이 글을 관통한 그림은 이렇다. AI는 거울이다 — 조직의 강점도 약점도 키워서 되비춘다. 그리고 개인의 속도계 눈금을 올리는 데 천재적이지만, 그 속도가 팀의 도착 시간으로 이어지는지는 전혀 보장하지 않는다. 89%가 빨라졌다고 느끼면서 6%만 그것을 증명하는 역설은, 우리가 잘못된 자로 거울을 읽고 있기 때문에 생긴다.

피터 드러커의 오래된 격언이 AI 시대에 다시 날카로워진다 — "측정할 수 없으면 관리할 수 없다." 하지만 2026년의 진짜 교훈은 그 반쪽을 더한다. 잘못 측정하면, 잘못 관리한다. AI가 활동을 공짜로 쏟아내는 시대에, 무엇을 세느냐가 곧 무엇을 얻느냐를 결정한다. 속도계만 보는 조직은 가속된 혼돈을 성장으로 착각하고, 거울을 제대로 읽는 조직은 AI를 진짜 증폭기로 만든다.

코어닷이 이 특집 시리즈로 반복해 온 메시지도 하나다. AI 시대에 인간과 조직에게 남은 핵심 역량은 '더 많이 만드는 것'이 아니라 '무엇이 가치인지 판단하고, 그것을 제대로 측정하는 것'이다. 태스크는 기계에게, 판단과 측정은 사람에게.

참고 자료

• DORA, "State of AI-assisted Software Development 2025", Google (2025) — 약 5,000명, AI는 증폭기, "가속된 혼돈"
• Laura Tacho & Abi Noda(DX), "Introducing the DX Core 4" (2024~2025) — 속도·효과·품질·임팩트, DORA·SPACE·DevEx 통합
• Forsgren, Storey, Maddila, Zimmermann, Houck, Butler, "The SPACE of Developer Productivity", ACM Queue (2021)
• METR, "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity", arXiv:2507.09089 (2025)
• GitClear, "AI Copilot Code Quality 2025" (2억 1,100만 줄 분석) — 중복 8배, 리팩터링 24.1%→9.5%, churn 3.1%→5.7%
• Faros AI / Atlassian, AI 코딩 생산성 역설·파편화 세금($161B) 분석 (2026)
• 코어닷투데이, n00b 편 · 부러진 사다리 · 저커버그의 고백