#DORA
3개의 포스트
「나는 AI를 그만 쓰기로 했다」 — 어떤 개발자의 이탈 선언이 드러낸 것
20년차 개발자가 18개월간 Claude Code를 쓰다가 전면 중단을 선언했고, 그 글이 2026년 개발 커뮤니티를 흔들었습니다. 그런데 이건 러다이트의 글이 아닙니다 — 1983년 배인브리지가 예측한 '자동화의 역설'이 소프트웨어에서 처음 대규모로 재현된 사건입니다. METR·DORA·GitClear·Veracode의 상반된 데이터를 전부 펼쳐놓고, 같은 도구가 에어비앤비에서는 18개월을 6주로 줄이고 그에게는 우울증을 준 이유를 끝까지 따져봅니다.
AI가 빨라졌다는 착각을 어떻게 재나 — 89%가 '빨라졌다'는데 6%만 증명하는 생산성의 역설, 그리고 DX Core 4
경영진의 89%가 'AI 덕분에 일이 빨라졌다'고 말한다. 그런데 그 성과를 조직 차원에서 실제로 짚어낼 수 있다고 답한 사람은 단 6%였다. AI는 분명 무언가를 빠르게 만들었는데, 그 무언가가 '가치'인지 '착각'인지 아무도 확신하지 못한다. 이 글은 앞선 n00b 편에서 흘깃 본 SPACE 프레임워크를 정면으로 끌어와, METR의 39%p 인식격차, GitClear가 잰 코드 품질의 숨은 청구서(리뷰 대기 4.6배·재작업 급증·보안 취약점 2.74배), DORA 2025의 'AI는 증폭기'라는 거울 효과, 그리고 이 혼란을 정리하려 나온 DX Core 4(속도·효과·품질·임팩트)까지 — '측정할 수 없으면 관리할 수 없다'는 오래된 진실을 AI 시대의 데이터로 다시 증명한다.
AI 코딩 측정의 12가지 함정 — 우리는 무엇을 잘못 재고 있는가
Greg Wilson의 'Twelve Ways to Be Wrong'을 깊이 읽는다. 왜 같은 도구가 +55%와 -19%라는 정반대 결과를 동시에 만들어내는가. 줄 수·커밋 수·수락률·도입률 — 우리가 매일 들이대는 잣대가 어떻게 우리를 속이고 있는지, 16편의 논문과 1984년 Goodhart 법칙까지 거슬러 올라가 풀어낸다.