Impact of Generative AI in Software Development (2024년 연구)
발표: 2025년 3월 (2024년 연구 기반, 근거: DORA 2025: Year in review) · 원문: https://dora.dev/ai/gen-ai-report/
한 줄 요약
생성형 AI는 개인의 웰빙과 생산성을 높이지만, 아직 소프트웨어 딜리버리 성과에는 부정적일 수 있다. DORA는 AI가 만든 코드가 더 큰 배치로 흘러들어가 리뷰·검증 부담을 키운다는 점을 가능한 설명으로 제시한다.
배경
DORA는 2024 DORA 리포트에서 AI의 도입 실태·태도·하류 영향을 심층 분석했습니다. 2025년 3월에 나온 이 리포트는 그 2024년 연구의 정량 데이터와 개발자 인터뷰를 결합해, 과장된 담론을 넘어 개인 → 팀 → 조직 수준의 영향을 균형 있게 조망합니다.
연구 방법과 한계
이 리포트는 2024 DORA 설문 데이터, 2024년 9월에 개발 실무자 10명을 대상으로 진행한 약 90분 길이의 심층 인터뷰, Google 내부 개발자 연구 결과를 함께 사용합니다(근거: 리포트 PDF 본문). 설문 분석 결과는 AI 도입 수준과 성과 사이의 연관 관계이며, 무작위 실험으로 인과관계를 입증한 것은 아닙니다. 2024 설문의 정확한 응답자 수와 표본 구성은 이 요약에서 확인하지 못했으므로 원문 PDF를 참고하세요.
이 페이지에서는 DORA가 데이터로 확인한 내용은 "관찰", DORA가 그 결과를 설명하려고 제시한 가설은 "설명 가능성", DORA가 조직에 제안하는 행동은 "권고"로 구분해 적습니다.
핵심 발견 6가지
1. AI는 개인의 웰빙과 생산성을 높인다
생성형 AI를 많이 쓰는 개발자일수록 몰입(flow) 시간, 직무 만족, 생산성이 높고 번아웃이 낮다고 보고하는 경향이 관찰되었습니다(자기 보고 설문 기반).
2. "가치 있는 일"의 역설
AI 도입 수준이 높을수록 개발자가 가치 있다고 여기는 일에 쓰는 시간은 줄고, 반복적이고 지루한 작업 시간은 그대로인 경향이 관찰되었습니다. DORA는 이를 진공 가설(vacuum hypothesis) 이라는 설명 가능성으로 해석합니다. 이 가설에 따르면 AI는 개발자가 즐기는 가치 작업을 빨라지게 했지만, 관료제·회의 같은 고통스러운 일은 아직 자동화하지 못했습니다.
3. AI는 현재 딜리버리 성과를 해친다
기대와 달리, AI 도입이 25% 늘어나는 것은 딜리버리 처리량 1.5% 감소, 딜리버리 안정성 7.2% 감소와 연관되어 있었습니다(관찰). DORA는 AI가 코드를 훨씬 빠르게 생성하면서 배치 크기가 커지고 리뷰가 느려지며 시스템 불안정이 커질 수 있다는 점을 설명 가능성으로 제시합니다. 이 메커니즘 자체를 직접 측정해 입증한 것은 아닙니다.
4. 신뢰가 생산성을 직접 좌우한다
생성형 AI를 신뢰하는 개발자는 제안을 더 많이 수용하고, 변경 리스트를 더 많이 제출하며, 정보 탐색 시간이 짧습니다. 그러나 2024년 조사에서 39%의 개발자는 AI 출력을 '조금' 신뢰하거나 '전혀' 신뢰하지 않는다고 답해, 상당수 팀이 잠재적 생산성 이득을 놓치고 있습니다.
5. 다섯 개의 렌즈로 보는 '가치'
AI는 개발자가 자기 노동의 가치를 인식하는 방식을 바꿉니다. DORA는 가치를 다섯 차원으로 정리합니다.
| 차원 | 의미 |
|---|---|
| 실용적(utilitarian) | 세상에 미치는 영향 |
| 평판적(reputational) | 인정·기여의 귀속 |
| 경제적(economic) | 보상 |
| 내재적(intrinsic) | 배움·성취의 가치 |
| 쾌락적(hedonistic) | 즐거움 |
6. 신뢰와 가치가 도입을 결정한다
조직이 불안을 다루고, 학습 시간을 주고, 명확한 정책을 세운 경우 팀의 AI 도입 수준이 더 높게 추정되었습니다(아래 전략 참조).
조직을 위한 실행 전략 4가지(권고)
아래 백분율은 DORA가 설문 1,000건을 베이지안 회귀 모델로 분석해 얻은 모델 추정치입니다(도입 전략 요약의 방법론 노트). 전략이 있는 조직과 없는 조직의 팀 AI 도입 수준을 비교한 상대적 차이이며, 퍼센트포인트 증가가 아니고 실제로 도입했을 때 얻을 효과를 보장하는 값도 아닙니다.
- 일자리 대체 우려를 투명하게 다룬다. 일자리 대체 등 개발자의 AI 관련 우려를 명확히 다루는 조직은 그렇지 않은 조직보다 팀 AI 도입이 약 125% 높은 것으로 추정된다. (AI 전략을 투명하게 공유하는 것만으로 연결된 추정치는 약 11.4%로, 별개의 전략이다. 도입 전략 인사이트 참고)
- 전용 학습 시간을 제공한다. 업무 시간 내 실험·탐색 시간을 준 조직은 팀 도입이 약 131% 높은 것으로 추정된다. 개인 시간을 기대하면 좌절과 번아웃으로 이어진다.
- 명확한 허용 사용 정책(AUP)을 세운다. 사용 사례·데이터 프라이버시·보안 위험을 규정한 조직은 그렇지 않은 곳보다 AI 도입이 약 451% 높은 것으로 추정된다.
- 빠르고 고품질의 피드백 루프에 투자한다. 자동화 테스트와 빠른 코드 리뷰로 AI가 유발한 오류를 운영 전에 차단해야 신뢰와 신뢰성의 선순환이 만들어진다.
실무자를 위한 함의
개인 차원에서는 낮은 위험의 작업부터 AI를 쓰며 신뢰를 쌓고, 팀 차원에서는 배치를 작게 유지하는 것이 핵심입니다. AI가 생성한 코드의 양이 늘어날수록 리뷰·테스트·통합의 병목이 커지므로, 기본 엔지니어링 규율이 오히려 중요해집니다.
출처
이 글은 DORA의 Impact of Generative AI in Software Development를 요약한 것입니다. 원문 © Google LLC, CC BY 4.0.