AI로 코딩 시간 52% 단축됐지만, 오픈소스 유지보수 부담은 커졌다

생성형 AI는 오픈소스 소프트웨어가 만들어지는 방식을 바꾸고 있다. 하지만 변화의 핵심은 단순히 코드를 더 빨리 작성하는 데 있지 않다. 리눅스 재단의 보고서 ‘Navigating Open Source Software Development in the Generative AI Era’에 따르면, 응답자들은 생성형 AI를 사용한 뒤 코드 작성 작업에 걸리는 시간이 평균 52% 줄었다고 추정했다. 동시에 유지보수 담당자들은 늘어난 변경 사항을 선별하고 검증해야 하는 상황에 놓였다.

핵심 수치

• 유지보수 담당자의 59%가 코드 기여 증가를 보고했으며, 대형 프로젝트에서는 69%였다.
• 풀 리퀘스트의 약 25%가 낮은 품질의 기여로 추정됐고, 대형 프로젝트에서는 31%로 높아졌다.
• 71%는 생성형 AI가 오픈소스 참여 문턱을 낮췄다고 봤지만, 53%는 커뮤니티 신뢰를 개선했다고 생각하지 않았다.
• AI 지원 기여에 관한 공식 정책을 마련한 프로젝트는 35%에 그쳤다.
• 복잡한 작업의 경우 21%는 생성형 AI 사용으로 오히려 시간이 더 걸렸다고 답했다.

‘AI 슬롭’이라는 표현은 신중하게 해석해야 한다. 이 수치는 유지보수 담당자 설문에 기반한 추정치이며, 연구진이 깃허브 등 플랫폼의 모든 풀 리퀘스트를 직접 판별해 얻은 객관적 통계가 아니다. 또한 모든 저품질 기여가 AI로 생성됐다는 뜻도 아니다. 핵심 문제는 변경 사항을 제안하는 비용은 낮아졌지만, 정확성, 아키텍처 적합성, 보안 위험, 장기 유지보수 비용을 확인하는 일은 여전히 사람의 시간을 요구한다는 점이다.

절약된 시간은 어디로 갔나

절약된 시간이 단순히 더 많은 코드 생산으로만 이어진 것은 아니다. 응답자의 66%는 기술 부채 해소에, 63%는 새 기능 개발에, 58%는 학습과 역량 향상에 시간을 사용했다고 답했다. AI는 개발자의 시간 배분을 개선할 수 있지만, 개인의 생산성 향상이 협업 과정 전체의 효율 향상을 자동으로 보장하지는 않는다.

AI는 새로운 기여자가 특정 언어, 프레임워크, 프로젝트 경험 부족으로 겪는 진입 장벽을 낮춘다. 그러나 프로젝트 규칙을 이해하고 설계 결정을 설명하며 제출한 변경 사항을 계속 유지해야 하는 책임까지 없애지는 않는다. 유지보수 담당자의 46%는 신규 기여자 지도 필요성이 늘었다고 답했다. 교육의 중심이 코드 작성 방법에서 코드 검증, 문제 설명, 기여 품질 관리로 이동할 가능성을 보여주는 대목이다.

거버넌스 정비가 필요하다

AI 지원 코드가 보편화될수록 AI 사용 공개, 테스트 수행 여부, 기여자가 자신이 제출한 내용을 설명할 수 있는지가 검토 비용과 신뢰를 좌우한다. 리눅스 재단은 AI 사용, 테스트, 문서화, 공개 기준을 담은 명확한 정책을 프로젝트가 마련해야 한다고 제안했다. OpenSSF 관련 권고도 기여자가 제출 내용을 이해하고 테스트해야 하며, 보안 검토의 책임을 유지보수 담당자에게만 맡겨서는 안 된다고 강조한다.

이번 조사는 AI가 오픈소스 품질을 반드시 떨어뜨린다는 결론이 아니다. 다만 생산성을 코딩 시간만으로 판단해서는 안 된다는 점을 보여준다. 앞으로는 작업 완료 수와 코드 작성 속도뿐 아니라 풀 리퀘스트 채택률, 검토 시간, 결함 수정 비용, 장기 유지보수 부담도 함께 살펴야 한다. 코드를 생성하는 속도는 빨라질 수 있지만, 신뢰할 수 있는 소프트웨어로 만드는 검증 비용은 사라지지 않는다.

출처: InfoQ 中文