AI 생성 코드의 양이 시니어 엔지니어들을 압도하고 있다는 연구 결과가 나왔습니다.

AI 지원 개발의 인지적 병목 현상

2025년 Neuron에 발표된 연구에 따르면, 인간의 뇌는 의식적이고 분석적인 사고를 초당 약 10비트의 속도로 처리합니다. 작업 기억은 한 번에 대략 4개의 정보 덩어리를 보유합니다. 이러한 생물학적 한계는 AI가 생성한 코드 출력과 근본적인 불일치를 초래합니다.

작업량 증가의 정량화

GitHub의 Octoverse 2025에 따르면, 월간 병합되는 풀 리퀘스트는 4,320만 건으로 전년 대비 23% 증가했습니다. 개발자당 코드 라인 수는 8개월 만에 4,450줄에서 7,839줄로 증가했으며, 이는 76%의 증가율입니다. Faros AI가 10,000명 이상의 개발자를 분석한 결과, AI 사용자는 AI 지원으로 풀 리퀘스트를 98% 더 많이 병합하는 것으로 나타났습니다.

SmartBear/Cisco 연구는 100줄 미만의 PR에 대한 결함 탐지율이 87%인 반면, 1,000줄 이상의 PR에 대해서는 28%로 떨어진다는 사실을 확인했습니다. 리뷰 60분 후 품질이 급격히 하락합니다. 한 OCaml 관리자는 대역폭 제약으로 인해 13,000줄에 달하는 AI 생성 PR을 완전히 거부했습니다.

번아웃과 작업량 확산

Upwork Research Institute는 AI를 사용하는 직원의 77%가 AI가 자신의 작업량을 줄이는 것이 아니라 늘렸다고 말한다는 사실을 발견했습니다. 71%는 번아웃을 보고했습니다. 가장 우려되는 발견은 '가장 생산적인' AI 사용자들 사이에서 88%의 번아웃 비율이 나타났으며, 이들은 퇴사할 가능성이 두 배 더 높다는 점이었습니다.

UC 버클리 연구진은 '작업량 확산'의 세 가지 메커니즘을 확인했습니다: 작업 확장(AI가 더 많은 것을 가능하게 하여 모든 사람의 업무 범위가 팽창함), 경계 모호화(점심시간, 출퇴근길, 저녁 시간에 AI 프롬프팅이 이루어짐), 암묵적 압력(동료들이 AI로 더 많은 일을 하는 것이 눈에 띄면, 모든 사람에 대한 기대치가 상승함).

전문성이 문제를 악화시키는 이유

Microsoft Research는 2024년에 AI 시스템이 어려운 작업을 더 어렵게 만들어 사용자에게 동일하거나 증가한 인지 부하를 남길 수 있다는 점을 확인했습니다. 메커니즘은 비대칭적입니다: 코드를 작성할 때 개발자는 이미 존재하는 정신 모델을 외부화하지만, AI 생성 코드를 검토할 때는 비즈니스 문맥을 이해하지 못하는 시스템이 생성한 산출물로부터 추론을 역공학해야 합니다.

800명의 소프트웨어 전문가를 대상으로 한 Clutch 설문조사에 따르면, 개발자의 59%가 완전히 이해하지 못하는 AI 생성 코드를 사용합니다. 시니어 엔지니어들은 이러한 환경에서 가장 낮은 확신을 보고했습니다.