State of AI-assisted Software Development (2025)
발표: 2025년 9월 · 원문: https://dora.dev/research/2025/dora-report/
한 줄 요약
AI의 주된 역할은 증폭기(amplifier) 다. 즉 AI는 조직이 이미 가진 강점은 물론 약점까지도 확대한다. AI 투자의 최대 수익은 도구가 아니라 그 아래 조직 시스템에 대한 전략적 집중에서 나온다.
배경: "트릴로지"의 중심
2025년 DORA 리포트는 이전까지 쓰던 "Accelerate State of DevOps" 대신 State of AI-assisted Software Development라는 제목으로 발표되었습니다. 이 리포트는 2025년 3월에 나온 Impact of Gen AI 리포트를 잇는 트릴로지의 중심축으로, 2025 AI Capabilities Model의 모체가 됩니다.
연구 방법과 한계
이 리포트는 전 세계 기술 전문가 5,000명 가까이(nearly 5,000)의 설문 응답과 100시간이 넘는 정성 데이터(인터뷰 등)를 바탕으로 합니다(근거: Google Cloud 발표 블로그). 리포트 본문에 따르면 설문은 2025년 6월 13일부터 7월 21일까지 진행되었습니다. 설문은 응답자의 자기 보고에 기반하고 한 시점의 데이터를 분석하므로, 아래 수치는 AI 도입과 성과 사이의 연관 관계를 보여 줄 뿐 인과관계를 입증하지 않습니다. 표본의 지역·직군 구성과 통계 모델의 세부 사항은 이 요약에서 확인하지 못했으므로 원문 PDF를 참고하세요.
이 페이지에서는 데이터로 확인된 내용은 "관찰", 결과를 설명하려는 가설은 "설명 가능성", 조직에 대한 제안은 "권고"로 구분해 적습니다.
핵심 수치(관찰)
| 지표 | 값 |
|---|---|
| 직장에서 AI를 사용하는 기술 전문가 | 90% |
| AI가 생산성을 높였다고 답한 비율 | 80% 이상 |
| AI 출력을 '조금' 신뢰하거나 '전혀' 신뢰하지 않는다 | 약 30% |
| AI 도입↑ → 딜리버리 처리량 | 증가 |
| AI 도입↑ → 딜리버리 안정성 | 감소(불안정 증가) |
핵심 명제
1. AI는 증폭기다
조직의 기존 역량 수준에 따라 AI 도입과 성과의 관계가 달라진다는 것이 이 리포트의 중심 해석입니다.
- 내부 플랫폼 품질이 높고, API·워크플로·테스트가 탄탄하면 AI는 강력한 협업자다.
- 도구가 파편화되고 데이터가 사일로화되며 인프라가 취약하면 AI는 기술 부채를 더 빨리 생성하게 돕는다.
2. 처리량과 안정성의 트레이드오프
AI 도입 수준이 높을수록 처리량과 불안정성이 함께 높게 나타납니다(인과가 아닌 연관 관계). 2024년 연구는 AI가 코드 생성 속도를 높이면서 배치가 커지고 리뷰·검증 부담이 커진다는 점을 설명 가능성으로 제시했습니다(Impact of Gen AI 요약). DORA는 이 긴장에 대한 대응으로 AI Capabilities Model의 7대 역량을 권고합니다.
3. J-커브(생산성 침체)
새 기술을 도입하면 학습·프로세스 조정으로 일시적으로 생산성이 떨어지는 구간이 생깁니다. DORA는 이 침체를 실패로 판단하지 말고 계획에 반영해 전략적으로 실행하라고 권고합니다. J-커브는 이 리포트가 제시하는 해석 틀이며, 침체의 폭과 기간은 조직마다 다를 수 있습니다.
4. 4개에서 5개로 진화한 딜리버리 지표
DORA는 전통적 "4 keys"를 5개 지표로 확장했습니다.
DORA는 앞의 세 지표를 처리량(throughput), 즉 변경이 얼마나 빠르게 흐르는지를 보는 지표로, 뒤의 두 지표를 불안정성(instability), 즉 배포가 얼마나 자주 문제를 일으키는지를 보는 지표로 분류합니다(근거: DORA 지표 가이드, DORA 지표 연혁).
- 변경 리드 타임(Change lead time) — 처리량. 변경이 버전 관리에 커밋된 뒤 운영 환경에 배포되기까지 걸리는 시간.
- 배포 빈도(Deployment frequency) — 처리량. 일정 기간의 배포 횟수 또는 배포 사이의 간격.
- 실패 배포 복구 시간(Failed deployment recovery time) — 처리량. 즉시 개입이 필요한 실패 배포에서 복구하는 데 걸리는 시간.
- 변경 실패율(Change fail rate) — 불안정성. 전체 배포 중 배포 직후 롤백이나 핫픽스 같은 즉시 개입이 필요했던 배포의 비율.
- 배포 재작업률(Deployment rework rate) — 불안정성. 전체 배포 중 운영 장애 때문에 계획 없이 수행된 배포의 비율. 2024년 리포트에서 도입
이 리포트가 남긴 것
- 측정은 결과 중심으로. 활동량이 아니라 성과를 본다.
- 문화와 시스템이 기술보다 앞선다. 심리적 안전, 학습 문화, 사용자 중심.
- "AI 도입률"이 아니라 "AI 효과"를 목표로. 도입은 필요조건이고, 효과는 시스템이 만든다.
함께 볼 자료
- DORA AI Capabilities Model 리포트 — 이 리포트의 동반 가이드
- AI 도입에서 효과적 SDLC 활용으로 — 1,110명 엔지니어 정성 분석
- 7대 역량 개요
출처
이 글은 DORA의 State of AI-assisted Software Development 2025를 요약한 것입니다. 원문 © Google LLC, CC BY 4.0.