토발즈와 스트롭스트룹이 말하는 AI 코딩의 한계

그 이유는 간단하다. 소프트웨어 엔지니어링에서 ‘코드 작성’은 전체 작업의 일부에 불과하기 때문이다.

개발자는 여전히 다음과 같은 일을 해야 한다.

• 코드가 정확히 동작하는지 검증
• 예외 상황과 버그 디버깅
• 기존 시스템과 통합
• 장기 유지보수와 보안 확보

AI가 만든 코드가 **“거의 맞지만 완전히 맞지는 않은 상태”**라면 개발자는 결국 이를 확인하고 수정해야 한다. 미할체아는 이런 추가 작업까지 고려하면 실제 생산성 향상은 크지 않을 수 있다고 설명한다.

개발자 설문 조사에서도 비슷한 결과가 나타난다. 2025년 Stack Overflow 개발자 설문에서는 66%의 개발자가 거의 맞지만 틀린 AI 코드 때문에 오히려 수정 작업이 늘었다고 답했다.

또 다른 연구에서는 경험 많은 개발자가 AI 도구를 사용할 때 작업 완료 시간이 약 19% 더 오래 걸렸다는 결과도 보고됐다.

기업들의 메시지: AI 엔지니어 시대

반면 기술 기업 경영진은 AI가 소프트웨어 개발을 크게 바꿀 것이라는 전망을 내놓고 있다.

예를 들어 메타(Meta) CEO 마크 저커버그는 AI가 곧 중급 소프트웨어 엔지니어와 비슷한 수준의 코딩 작업을 수행할 수 있을 것이라고 말했다.

업계 전반에서도 비슷한 전망이 이어지고 있다. 일부 기술 기업 리더들은 몇 년 안에 AI가 대부분의 코드를 작성할 수 있을 것이라고 예측하고 있다.

아마존 역시 AI 인프라와 개발에 대규모 투자를 진행 중이다. CEO 앤디 재시는 인공지능이 고객 경험과 기술 개발 방식을 크게 바꿀 것이라고 강조했다.

실제 논쟁의 핵심: ‘생산성’의 정의

이 논쟁의 핵심은 AI가 도움이 되느냐가 아니라 생산성을 어떻게 측정하느냐에 있다.

기술 기업들은 보통 다음과 같은 지표에 집중한다.

• 코드 생성 속도
• 기능 출시 속도
• 작은 팀으로 더 많은 기능 개발

반면 경험 많은 개발자들은 소프트웨어의 전체 생애주기를 기준으로 생산성을 평가한다.

• 시스템 설계
• 정확성과 안정성
• 보안
• 디버깅과 테스트
• 장기 유지보수

이 모든 과정을 고려하면 단순히 코드를 빨리 생성하는 것만으로는 전체 생산성이 크게 향상되지 않을 수 있다는 것이다.

현실적인 중간 지점

흥미로운 점은 베테랑 개발자들이 AI 자체를 부정하지는 않는다는 것이다.

많은 개발자들은 AI가 다음과 같은 영역에서 특히 유용하다고 본다.

• 반복적인 보일러플레이트 코드 작성
• 빠른 프로토타입 제작
• 문서 작성

하지만 동시에 소프트웨어 엔지니어링은 단순한 코드 입력 이상의 작업이라는 점을 강조한다. 시스템 구조 설계, 문제 해결, 디버깅, 복잡한 판단은 여전히 인간 개발자의 핵심 역할이라는 것이다.

결국 현재 개발자 커뮤니티에서 형성되는 분위기는 비교적 현실적인 결론으로 수렴하고 있다. AI는 개발 방식을 바꾸고 있지만, 숙련된 엔지니어의 필요성을 곧 사라지게 만들지는 않을 것이라는 시각이다.