개발자 92%가 AI를 쓰자, Uber가 사용 한도를 둔 이유

들어가며

AI 코딩 도구를 도입할 때 기업이 처음 묻는 질문은 대개 “개발자들이 실제로 쓸 것인가”이다. 하지만 Uber의 사례는 도입이 충분히 확산된 뒤에는 질문이 바뀐다는 점을 보여준다. 이제 핵심은 AI가 만들어내는 생산성이 비용과 품질 측면에서 정당화될 수 있느냐는 것이다.

InfoQ 中文에 따르면 Uber는 ‘Zero Growth Stack’이라는 인프라 전략을 추진하면서, 내부 생성형 AI 개발 도구에 대한 비용 거버넌스도 강화하고 있다. 이는 단순한 비용 절감이 아니라, AI 활용을 장려하는 단계에서 성과를 정밀하게 측정하는 단계로 넘어가는 변화다.

핵심 내용

• 인프라 증가를 억제하는 전략. Zero Growth Stack은 서비스 규모가 커져도 물리적 하드웨어 증가가 같은 비율로 따라가지 않도록 하는 것을 목표로 한다.
• Go 런타임 최적화가 중요한 축. Uber는 메모리 사용량이 100MB에서 1GB까지 크게 다른 서비스에 정적인 GC 설정만으로 대응하기 어렵다고 보고, GOGC를 동적으로 조정하는 GOGCTunner를 개발했다.
• 가시적인 자원 회수 효과. 이 방식은 30개 핵심 서비스에서 약 70,000개의 CPU 코어를 회수했다. 다만 힙 크기와 메모리 사용률 임계값 사이의 균형을 계속 맞춰야 하는 제어 루프도 필요하다.
• AI 코딩은 이미 일상화. Uber 내부에서는 엔지니어의 92%가 매월 AI Agent를 사용하고, 신규 코드의 31%가 AI로 작성된다. Autocover는 매월 5,000개가 넘는 단위 테스트를 생성한다.
• 비용 부담이 빠르게 커짐. AI 관련 비용은 2024년 이후 6배 증가했고, 2026년 초에는 개발자 1인당 월 비용이 2,000달러에 도달했다. Uber는 현재 이를 1,500달러 이하로 제한하고 있다.

의미와 영향

Uber의 경험은 AI 코딩 도구가 단순한 생산성 보조 수단이 아니라 엔지니어링 시스템 전체에 영향을 주는 요소가 되었음을 보여준다. AI는 코드 작성 속도를 높일 수 있지만, 동시에 리뷰 부담, 테스트 중복, 클라우드 비용, 운영 후 수정 비용을 늘릴 수도 있다.

그래서 Uber는 사용률이나 생성된 코드량만으로 AI의 성과를 판단하지 않으려 한다. AI 작성 코드와 사람이 작성한 코드가 배포 후 얼마나 자주 핫픽스를 필요로 하는지 비교하는 ‘순 코드 품질 비율’과, 기능 하나를 제공하는 데 필요한 컴퓨팅 효율 같은 지표를 검토하고 있다.

앞으로 기업의 AI 도입 평가는 “얼마나 많이 쓰는가”에서 “얼마나 지속 가능한 가치를 만드는가”로 이동할 가능성이 크다. Uber의 사용 한도 설정은 AI 코딩이 성숙 단계에 들어섰고, 이제는 예산과 품질로 검증받아야 한다는 신호다.

출처: InfoQ 中文