100%.

이 수치는 관리되지 않은 코드의 유지보수 비용이 결국 개발자의 모든 시간을 잠식하게 되는 극단적인 상황을 의미한다. 마치 집을 두 배 빠르게 지었지만 지붕에서 새는 물의 양도 두 배로 늘어난 상황과 같다. 그런데 최근 AI 코딩 에이전트(스스로 코드를 작성하고 수정하는 AI 도구)의 도입은 이 파괴적인 속도를 가속하고 있다. 지루한 회의 시간 중에 AI가 생성한 방대한 양의 코드가 담긴 풀 리퀘스트(변경한 코드를 메인 코드에 반영해달라고 요청하는 절차)를 제대로 읽지도 않고 승인 버튼을 누르는 장면이 일상이 되었다.

유지보수 비용의 산술적 누적

집단 지성(Wisdom of the Crowd: 다수의 의견을 모아 정확한 예측을 도출하는 방식)을 통해 도출된 유지보수 비용의 기준점은 명확하다. 코드를 작성하는 데 한 달을 소비했다면 첫해에는 10일의 유지보수 시간이 필요하며 이후 매년 5일의 시간이 추가로 소요된다. 이 수치를 기반으로 계산하면 프로젝트 시작 후 2.5년이 지나는 시점에 개발 시간의 50% 이상이 유지보수에 투입된다. 10년이 흐르면 개발자는 새로운 기능을 추가하는 대신 기존 코드를 유지하는 일 외에는 아무것도 할 수 없는 상태에 이른다.

실제 컨설팅 현장에서 목격되는 후기 단계 스타트업들의 모습은 이 그래프와 일치한다. 설립 5년에서 9년 사이의 기업들은 팀의 생산성이 급격히 저하되는 현상을 겪는다. 일부 팀은 모든 버그를 수정하지 않거나 의존성 업데이트를 포기하는 방식으로 문제를 덮으려 한다. 반면 일부는 속도가 느려진 팀에 인원을 계속 추가하거나 전체 코드를 폐기하고 다시 작성하는 방식을 택한다. 그러나 이러한 임시방편은 근본적인 유지보수 비용의 증가라는 팩트를 해결하지 못한다.

생산성 역설과 역비례 법칙

예전에는 사람이 직접 코드를 작성하며 속도와 품질 사이의 균형을 맞췄다. 이제는 Rock Lobster(가상의 에이전트 기반 코딩 프레임워크) 같은 도구가 코드 생산량을 2배로 늘려준다. 하지만 AI가 짠 코드가 이해하기 어렵고 검토 과정이 생략된다면 유지보수 비용 역시 2배로 증가한다. 결과적으로 유지보수 부담은 4배로 뛰며 도입 5개월 만에 생산성은 AI 도입 전 수준으로 회귀한다. 이후에는 AI를 전혀 사용하지 않았을 때보다 더 낮은 생산성 지점에 도달하게 된다.

주목할 점은 LLM(거대언어모델: 방대한 데이터를 학습해 인간처럼 텍스트를 생성하는 AI)이 코드 생산량을 늘린 만큼 유지보수 비용을 정확히 역비례하게 낮춰야만 이 계산이 성립한다는 것이다. 생산량이 2배가 되면 유지보수 비용은 50%로 줄어야 하고 생산량이 3배가 되면 비용은 3분의 1이 되어야 한다. 반면 현재의 코딩 에이전트들은 시스템 이해도를 높이는 데 도움을 줄 뿐 유지보수 비용을 획기적으로 낮추는 결과는 보여주지 못하고 있다.

개발자가 체감하는 가장 위험한 지점은 도구의 교체 시점이다. 에이전트 사용 비용이 너무 높아져 다시 수동 코딩 방식으로 돌아가기로 결정했을 때 문제가 발생한다. AI가 제공하던 생산성 이점은 즉시 사라지지만 AI가 남긴 방대한 양의 코드와 그에 따른 유지보수 비용은 그대로 남는다. 결국 개발자는 AI를 사용하지 않았을 때보다 더 열악한 생산성 환경에서 기존 코드를 관리해야 하는 영구적인 구속 상태에 놓이게 된다.

AI 코딩 도구의 진짜 가치는 코드 생성 속도가 아니라 유지보수 비용의 절대적 감소량으로 증명되어야 한다.