하버드 경제학 박사과정 피오나 첸과 제임스 스트래턴의 논문(첫 판 1월, 현재 판 8월 4일)은 엔지니어링 분석 회사 젤리피시의 집계 데이터로 2021년 1월~2026년 3월 기업 718곳의 작업 기록 3억 건(깃허브 활동·지라 이슈·구글 캘린더)을 보고, 기업마다 도입 시점이 다른 점을 이용해 효과를 추정했어요. AI 에이전트를 들인 기업은 코드 줄 30%, 커밋 20%, 풀 리퀘스트 23%가 늘었지만, 배포 뒤 닫히는 지라 이슈와 에픽 해결은 통계적으로 의미 있게 늘지 않았고 증가 폭은 많아야 12%로 추정됐어요. 대신 풀 리퀘스트 리뷰 시간이 49% 늘고 수정 요청을 받는 비율이 거의 2배, 풀 리퀘스트당 댓글이 35% 늘어, 연구진은 코드 리뷰를 병목으로 지목했어요.
용어 풀이
- NBER
- 미국 전미경제연구소. 경제학 워킹 페이퍼를 공개하는 비영리 연구 기관
운영자 인사이트
에이전트로 늘어난 코드를 리뷰가 받아 내지 못하면 배포량은 그대로예요. 도입 효과는 커밋·풀 리퀘스트 수 대신 이슈 해결·배포 단위로 재고, 리뷰 대기 시간과 수정 요청 비율을 함께 지켜보세요. 다만 동료 심사 전 박사과정 구직 논문이고, 개인이 아닌 기업 단위 도입 기준이라 효과가 작게 잡혔을 수 있다고 연구진이 밝혔어요.
여러 관점으로 보기
- 보도 아스테크니카가 10월 9일 이 하버드 연구를 소개하며, 에이전트가 만든 코드는 수정이 더 자주 필요하고 리뷰 댓글도 더 많이 달린다고 전했어요. Ars Technica
- 같은 결론의 다른 연구 MIT·와튼 연구진의 NBER 워킹 페이퍼(9월 개정판)도 깃허브 개발자 50만여 명에게서 커밋은 최대 240% 늘었지만 릴리스는 30% 늘었다며, 사람이 맡는 리뷰·릴리스 단계를 병목으로 봤어요. NBER