AI 코드 출력은 300% 급증했지만, 소프트웨어 출시는 30% 증가에 그쳐

두 건의 새로운 연구에 따르면 AI의 생산성 향상이 최종 결실로 이어지기 전에 사라지고 있어, 해당 섹터의 주식 시장 랠리를 이끌었던 조 단위 투자 논리에 의문을 제기하고 있다.

매사추세츠공과대학(MIT)의 연구에 따르면, 인공지능 도구는 폭발적인 속도로 코드를 생성하고 있지만, 그 결과물의 대부분은 완성된 소프트웨어 제품으로 전환되지 않는 것으로 나타났다. AI 어시스턴트를 사용하는 개발자가 생성하거나 수정한 코드 파일의 수는 거의 300% 증가한 것으로 조사됐다. 이러한 증가율은 코드가 검토 단계에 도달했을 때는 약 150%로 좁혀졌고, 최종 소프트웨어 출시 단계에서는 약 30%로 급감했다.

"병목 현상은 코드를 작성하는 단계에서 그 이후의 모든 과정, 즉 검토, 통합, 테스트, 배포 단계로 이동했습니다,"라고 MIT 연구원이자 이 연구의 공동 저자인 메르트 데미레르는 말했다. 연구는 소프트웨어 생산 파이프라인의 여러 수준에 걸친 개발자들을 추적했다. "AI는 업스트림 작업을 극적으로 가속화하지만, 다운스트림 프로세스는 변하지 않았습니다."

이러한 발견은 베인앤드컴퍼니(Bain & Co.)가 9개 산업군의 951개 대기업을 대상으로 실시한 별도 설문조사 결과와도 일치한다. AI 비용 절감 효과를 수치화할 수 있었던 기업 중 가장 큰 그룹(40%)은 10% 이하의 비용 절감을 보고해 초기 기대치에 크게 못 미쳤다. 베인은 글로벌 기업의 AI 지출이 현재 1조 달러를 넘어섰지만, 대부분의 조직에서 AI 투자 수익은 여전히 찾기 어렵다고 추정했다.

깔때기 문제(Funnel Problem)

MIT의 연구는 AI 생산성 향상이 어디서 손실되는지에 대한 가장 상세한 지도를 제시한다. 이 연구는 원시 코드 파일 생성, 개별 파일 편집, 코드 검토 제출, 최종 소프트웨어 출시의 네 가지 단계에서 개발자 결과물을 조사했다. 각 단계에서 AI 향상 효과는 절반 이상씩 감소했다.

이러한 패턴은 코드를 넘어 실제 시장 수요까지 확장된다. AI 도구가 개발 장벽을 낮추면서 모바일 앱 출시는 지난 1년 동안 크게 증가했지만, 연구진에 따르면 앱 다운로드 수는 이에 비례해 증가하지 않았다. 대부분의 새 애플리케이션은 적당한 사용자 기반조차 확보하는 데 실패해, AI가 가속화한 생산이 자동으로 시장 가치를 창출하지는 않는다는 것을 시사한다.

베인의 설문조사는 더 구조적인 문제를 지적했다. 대기업의 44%가 아직 실현되지 않은 이전 라운드의 비용 절감 효과를 통해 차기 AI 투자를 위한 자금을 조달하고 있는 것으로 나타났다. 컨설팅 회사는 이러한 역학을 "구조적 결함이 있는 순환 베팅"이라고 설명했다. 가트너(Gartner)는 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 중단될 것으로 전망한다.

네이티브 vs. 기존 기업의 격차

생산성 격차는 경제 전반에 걸쳐 균일하지 않다. AI를 기반으로 처음부터 구축된 기업들은 기존 워크플로우에 AI를 접목시키는 전통적인 기업들과는 극명하게 다른 결과를 보여주고 있다.

Claude 모델의 개발사인 Anthropic은 자사 AI가 현재 코드베이스에 병합된 코드의 80% 이상을 작성하고 있다고 보고했다. 이는 2025년 2월 Claude Code가 리서치 프리뷰로 출시되기 전의 낮은 한 자릿수에서 급등한 수치다. 회사 측에 따르면 엔지니어들은 2024년보다 약 8배 더 많은 코드를 출시하고 있다. Anthropic은 보고서 "When AI Builds Itself"에서 엔지니어 1인당 일일 코드 라인 수는 회사 첫 4년간 일정하게 유지되다가 2025년에 급격히 증가했다고 밝혔다.

이러한 대비는 MIT 연구진이 언급했듯이 20세기 초 공장의 전력화와 유사하다. 제조업체들이 공장 레이아웃을 변경하지 않고 단순히 증기 엔진을 전기 모터로 교체했을 때 생산성 향상은 미미했다. 진정한 도약은 엔지니어들이 개별 작업 스테이션에 전용 모터를 갖춘 형태로 공장을 재설계한 수십 년 후에야 이루어졌다. AI도 비슷한 궤적을 따를 수 있으며, 완전한 이점을 얻으려면 단순한 부착형 도구가 아닌 새로운 조직 구조가 필요할 수 있다.

투자 재평가

투자자들에게 이 데이터는 AI 관련 주식의 밸류에이션에 대한 불편한 질문을 제기한다. 엔비디아에서부터 하이퍼스케일 클라우드 제공업체, AI 소프트웨어 기업에 이르기까지 현재 AI 주식의 프리미엄은 실현된 수익이 아닌 미래 생산성 향상에 대한 기대에 기반을 두고 있다. 깔때기 효과가 지속된다면 AI 지출과 측정 가능한 비즈니스 성과 간의 격차는 재평가를 촉발할 수 있다.

우버(Uber)의 다라 코스로샤히 최고경영자(CEO)는 최근 회사가 연간 AI 예산을 단일 분기 만에 모두 소진했으며, 최전방 도구는 특정 사용 사례에만 남겨두고 대부분의 AI 사용을 저비용 모델로 전환할 계획이라고 밝혔다. 법률 애플리케이션에 대한 별도의 연구에 따르면, 저비용 오픈소스 AI를 프리미엄 모델과 짝지었을 때 비용의 극히 일부만으로 더 나은 결과를 얻을 수 있는 것으로 나타났다.

"기술은 작동하지만, 가치는 아직 도착하지 않았습니다,"라고 베인은 보고서에 적었다.

Anthropic은 자체 분석에서 불확실성을 인정했다. "이 중 어느 것도 재귀적 자기 개선이 임박했음을 보장하지 않습니다,"라고 회사는 밝혔다. "Claude가 연구 판단 능력, 즉 해결해야 할 올바른 문제를 선택하는 능력을 갖추고 있는지는 아직 명확하지 않습니다."

AI 기반 생산성 향상에 베팅하는 투자자들에게 기다림은 시장이 현재 가격에 반영하고 있는 시간보다 더 길어질 수 있다. 기술은 그 가치를 포착하는 데 필요한 조직과 프로세스보다 더 빠르게 발전하고 있다.

본 기사는 정보 제공 목적으로만 작성되었으며 투자 조언을 구성하지 않습니다.