AI가 짠 코드는 왜 ‘잘 깨질까’? 해커뉴스를 달군 메타 출신 개발자의 경고로 본 얕은 테스트·과한 복잡도·이해 부족·속도 4가지, 구글 DORA ‘배포 안정성 7.2%↓’·깃클리어 ‘중복 코드 10배’ 숫자 읽는 법과 AI 코딩 때 챙길 5가지까지 초보도 쉽게

요즘 개발자들 사이에서는 “코드는 이제 AI가 다 짠다”는 말이 농담이 아닙니다. 클로드 코드, 코덱스, 커서 같은 AI 코딩 도구에 “로그인 화면 만들어 줘”라고 말하면 몇 분 만에 그럴듯한 코드가 나오니까요. 그런데 최근 해외 개발자 커뮤니티 해커뉴스에서 정반대 경고를 담은 글 하나가 640점 넘는 추천과 600개 넘는 댓글을 받으며 크게 화제가 됐습니다. 제목은 “AI 사용은 깨지기 쉬운 코드베이스를 만든다(AI usage generates a fragile codebase)”입니다.

글쓴이는 스스로 “메타(Meta)에서 일하다 5월에 해고됐고, 지금은 다른 대형 테크 기업에서 코드의 100%를 AI로 만든다”고 소개한 개발자 에반 X. 머즈(Evan X. Merz)입니다. AI를 안 쓰자는 사람이 아니라, 매일 AI로 코딩하는 사람이 직접 본 문제를 적었다는 점에서 많은 공감과 반박을 함께 불렀습니다. 오늘은 이 글이 말하는 ‘깨지기 쉬운 코드’가 무슨 뜻인지, 실제 연구 숫자는 어떤지, 그리고 AI로 코딩하거나 AI가 만든 앱을 쓰는 우리가 무엇을 챙기면 좋은지 차근차근 정리해 보겠습니다.

깨지기 쉬운 AI 코드 탑
깨지기 쉬운 AI 코드 탑: 겉은 멀쩡해 보여도 얕은 테스트·과한 복잡도·이해 부족·너무 빠른 속도라는 네 군데 빈틈이 쌓인다(에반 머즈 글 요약)

1. 한눈에 보는 오늘 이야기

질문 짧은 답
무슨 일인가요? 개발자 에반 머즈가 11월 7일 블로그에 “AI로 짠 코드는 깨지기 쉽다”는 글을 올렸고, 해커뉴스에서 크게 토론됐습니다.
핵심 주장은? AI는 눈앞의 문제는 잘 풀지만, 몇 달·몇 년 뒤에 터질 장기적인 문제는 잘 보지 못한다는 것입니다.
원인 4가지 ① 얕은 테스트 ② 과하게 복잡한 코드 ③ 사람이 코드를 이해 못 함 ④ 리뷰가 따라가지 못하는 속도
증상 4가지 ① 장애(사고)가 늘어남 ② 복구가 오래 걸림 ③ 사용자만 보는 오류 ④ 나빠지는 사용 경험
연구로도 맞나요? 일부는 비슷한 방향의 데이터가 있습니다. 구글 DORA 2024 보고서는 AI 도입이 25% 늘 때 배포 안정성이 약 7.2% 줄어든다고 추정했습니다. 다만 반대 방향 결과도 있어 단정은 금물입니다.
나와 무슨 상관? AI로 업무 자동화나 ‘바이브 코딩’을 해 보는 분, AI로 만든 서비스를 쓰는 분 모두에게 “빨리 만든 것 = 튼튼한 것”은 아니다라는 교훈을 줍니다.

2. ‘코드베이스’와 ‘깨지기 쉽다’, 단어부터 정리

프로그래밍을 몰라도 괜찮습니다. 코드베이스는 ‘건물’, 코드 한 줄 한 줄은 ‘벽돌’이라고 생각해 보세요. 벽돌을 빨리 쌓는 기계(AI)가 생겼는데, 설계도를 잘 모르는 상태로 쌓다 보면 겉보기엔 멀쩡해도 작은 지진(사용자 급증, 새 기능 추가)에 금이 가기 쉽겠죠. 이것이 ‘깨지기 쉬운(fragile) 코드베이스’의 느낌입니다.

용어 쉬운 뜻 비유
코드베이스 한 서비스를 이루는 코드 전체 묶음 건물 전체
깨지기 쉬운(fragile) 코드 조금만 바꿔도 다른 곳이 고장 나는 코드 벽돌 하나 빼면 흔들리는 탑
테스트 코드 프로그램이 제대로 동작하는지 자동으로 확인하는 코드 건물 안전 점검표
PR(풀 리퀘스트) “이 코드 고쳤으니 검토 후 합쳐 주세요”라는 요청 공사 변경 결재 서류
머지(merge) 검토를 통과한 코드를 본 코드에 합치는 것 결재 후 실제 시공
기술 부채 지금 대충 처리해서 나중에 더 큰 비용으로 갚아야 하는 문제 임시로 테이프 붙인 누수
장애(인시던트) 서비스가 멈추거나 오류를 내는 사고 엘리베이터 고장
컨텍스트 윈도 AI가 한 번에 읽고 기억할 수 있는 글(코드)의 양 한 번에 볼 수 있는 설계도 면적

3. 글쓴이는 누구이고, 왜 이 글이 화제였나

이 글이 많이 읽힌 이유는 ‘AI 반대론자’의 글이 아니기 때문입니다. 글쓴이는 메타 시절 마지막 몇 달 동안 “코드의 최소 90%를 AI로 만들었다(그게 좋은 평가를 받기 위한 최소 기준이었다)”고 적었습니다. 지금 다니는 회사에서는 그것이 기대치라서 코드의 100%를 AI로 생성한다고 합니다. 그러면서도 “AI가 내 코드 양을 10배로 늘려 주지 않았고, 2배도 안 됐다. 나는 코드 품질에 집중했다”고 말합니다.

항목 글쓴이가 밝힌 내용 읽을 때 주의점
경력 메타에서 일하다 2026년 5월 해고, 현재 다른 대형 테크 기업 근무 본인 설명이며 회사명·사정은 확인되지 않음
AI 사용량 메타 마지막 몇 달 코드의 90% 이상, 현재 100% AI 생성 ‘90%가 최소 기준’이라는 말도 본인 경험담
관찰 AI에 많이 기대는 동료들의 코드가 “부서지기 쉬웠다” 한 사람의 현장 관찰이지 통계 연구는 아님
구체 사례 마우스를 올렸을 때 효과를 CSS의 :hover 대신 자바스크립트 이벤트로 처리하려던 코드 잘하는 개발자도 AI 결과를 그대로 넘기기 쉽다는 예
글 작성 방식 “이 글은 한 단어도 빠짐없이 사람이 썼다(이미지만 AI)” AI 글 홍수 속에서 일부러 밝힌 부분

쉽게 말해 :hover 사례는 “버튼 위에 마우스를 올리면 색이 바뀌게 하기”를 할 때, 원래 한 줄짜리 기본 기능이 있는데 굳이 복잡한 장치를 새로 만든 셈입니다. 당장은 잘 돌아가지만, 버튼이 수백 개가 되면 관리가 어려워지죠.

4. AI가 코드를 ‘깨지기 쉽게’ 만드는 4가지 이유

글쓴이가 꼽은 핵심 문장은 이것입니다. “AI는 컨텍스트 윈도 안에 들어오는 문제는 아주 잘 풀지만, 그 좁은 틀 안에서 이해할 수 없는 장기적인 문제는 전혀 모른다.” 이 생각을 바탕으로 네 가지 원인을 듭니다.

원인 글쓴이 설명 일상 비유
① 얕은 테스트 값을 넣고 꺼내는 사소한 기능만 잔뜩 테스트하고, 실제 사용자 흐름은 한 종류만 확인. ‘코드 몇 줄이 테스트됐나’ 숫자로는 빈틈이 안 보임 시험 범위에서 쉬운 문제만 백 번 풀어 보고 “준비 끝!”
② 과한 복잡도 함수 하나면 될 일을 도우미 함수 두세 개로 쪼갬. ‘중복 금지(DRY)’ 같은 원칙을 지나치게 지켜 오히려 이해·디버깅이 어려워짐 라면 끓이는 법을 열 단계 매뉴얼로 쪼개 놓기
③ 이해 부족 AI에 오래 맡길수록 코드를 아는 사람이 줄고, 새 구조가 기존 구조와 안 맞아도 알아채지 못함 집안일을 다 맡겼더니 두꺼비집 위치를 아무도 모름
④ 너무 빠른 속도 PR이 점점 빨리 쏟아지고 검토 시간은 더 짧아져 ‘훑어보기’가 되고, 작은 문제가 쌓여 스파게티 코드가 됨 결재 서류가 산더미라 도장만 찍는 상황
리뷰 병목
리뷰 병목: AI가 풀 리퀘스트(PR)를 쏟아내면 사람의 검토 시간은 줄고, 훑어보기 속에 작은 실수가 기술 부채로 쌓인다

5. “우리 코드가 위험하다”는 신호 4가지

글쓴이는 원인뿐 아니라 증상도 정리했습니다. 처음엔 별 차이가 없어 보이다가, 시간이 지나면서 ‘이번 달엔 사고가 한 번, 다음 달엔 두 번…’ 하는 식으로 늘어난다는 겁니다. 그는 “에이전트 코딩을 1~2년 하고 나니 주말마다 장애가 나는 것 같다”고 표현했습니다(본인 경험담).

신호 무슨 뜻인가 비개발자가 느끼는 모습
장애가 늘어남 AI 코딩 도입 뒤 고객에게 영향을 주는 사고가 서서히 늘어남 앱이 자주 멈추거나 “일시적 오류” 안내가 잦아짐
복구가 오래 걸림 사람이 코드를 잘 몰라서 원인을 찾는 데 시간이 걸림 “복구 중입니다” 공지가 몇 시간씩 이어짐
사용자만 보는 오류 테스트에서 안 잡히고 실제 사용자 환경에서만 생기는 오류 “나만 안 되나?” 싶은 이상한 버그
나빠지는 사용 경험 사람이 아닌 AI 기준으로 만들어져 쓰기 불편해짐 메뉴가 이상하게 배치되고 흐름이 어색함

6. 실제 연구 숫자는 어떨까? (그대로 믿기 전에 확인)

블로그 글은 한 사람의 경험입니다. 그래서 비슷한 질문을 다룬 연구·보고서를 함께 보는 게 좋습니다. 결과는 생각보다 엇갈립니다.

연구 숫자 3개
연구 숫자 3개: DORA 2024 ‘AI 도입 25%↑ 때 배포 안정성 약 7.2%↓’, 깃클리어 ‘중복 코드 블록 2022→2024 약 10배’, METR ‘2025년 초 숙련 개발자 작업 시간 19%↑’(METR는 이 결과가 이제 오래됐다고 밝힘)
자료 무엇을 봤나 핵심 숫자 해석 주의점
구글 DORA 2024 보고서 전 세계 개발 조직 설문 기반 분석 AI 도입이 25% 늘 때 배포 처리량 약 1.5%↓, 배포 안정성 약 7.2%↓(추정) 같은 조건에서 문서 품질 7.5%↑, 코드 품질 3.4%↑, 코드 리뷰 속도 3.1%↑도 함께 나옴
구글 DORA 2025 보고서 약 5,000명 설문 + 인터뷰 AI 사용 응답자 90%(전년 76%), AI 도입이 이제 처리량엔 긍정적, 하지만 불안정성은 여전히 증가 “팀은 빨라졌지만 시스템은 아직 AI 속도를 안전하게 감당할 준비가 안 됐다”는 해석
깃클리어(GitClear) 2025 분석 2020~2024년 바뀐 코드 2억 1,100만 줄 중복 코드 블록이 2022년 대비 약 10배, 정리(이동) 코드 비율 24.8%(2021)→9.5%(2024), 복사·붙여넣기 8.4%→12.3% AI만의 영향이라고 딱 잘라 증명한 건 아니고, 같은 시기 흐름을 본 것
METR 2025년 초 실험 숙련 오픈소스 개발자 16명, 실제 과제 246개 무작위 배정 AI를 쓰면 작업 시간이 19% 더 걸림. 본인들은 “20% 빨라졌다”고 느낌 METR 스스로 “이제는 오래된 결과”라고 밝힘
METR 2026년 2월 후속 2025년 8월부터 개발자 57명으로 다시 실험 기존 참가자 약 18% 빨라짐, 새 참가자 약 4% 빨라짐(신뢰구간 넓음) “AI 없이 일하기 싫다”며 빠진 사람이 많아 결과를 믿기 어렵다고 METR가 직접 경고

정리하면, “AI가 코딩을 빠르게 한다”는 쪽도, “AI가 코드를 불안정하게 만든다”는 쪽도 각각 근거가 있습니다. 특히 DORA는 2024년 보고서에서 “AI 덕분에 코드를 많이 만들수록 한 번에 바꾸는 양(배치)이 커지고, 큰 변경은 더 느리고 불안정해지기 쉽다”는 가설을 내놨습니다. 머즈의 ④번 ‘속도’ 이야기와 통하는 부분이죠.

7. 반대 의견도 있습니다

해커뉴스 댓글에는 공감만 있었던 건 아닙니다. 대표적인 반론과 함께 균형 있게 보는 법을 정리해 봤습니다.

반론 요지 함께 생각해 볼 점
“사람도 원래 엉망인 코드를 짰다” 나쁜 코드는 AI 이전에도 흔했다 맞는 말이지만, AI는 그 속도를 훨씬 빠르게 만든다는 점이 다름
“쓰는 방법의 문제다” 테스트·리뷰 규칙을 잘 세우면 AI로도 튼튼한 코드 가능 DORA도 ‘작은 배치·탄탄한 테스트’ 같은 기본기를 강조
“모델이 빠르게 좋아진다” 1년 전 문제를 지금 모델에 그대로 적용하긴 어렵다 METR 결과가 2025→2026에 달라진 것도 이런 변화를 보여 줌
“한 사람 경험일 뿐” 회사·팀마다 상황이 다르다 그래서 연구 숫자와 내 팀 데이터(장애 수·복구 시간)를 함께 봐야 함

8. 예시로 이해하기: AI에게 ‘회원가입 기능’을 맡겼다면

작은 쇼핑몰을 운영하는 A씨가 AI에게 “회원가입 기능 만들어 줘”라고 했다고 해 봅시다. 몇 분 만에 화면과 코드, 테스트까지 나왔습니다. 어디서 문제가 생길 수 있을까요?

단계 AI가 잘한 것 놓치기 쉬운 것 사람이 챙길 질문
화면 입력 칸·버튼이 깔끔하게 나옴 휴대폰 작은 화면, 시각장애인 화면 낭독기 “모바일에서도 눌러 봤나?”
테스트 정상 이메일 가입 테스트 통과 이미 가입한 이메일, 한글 이름, 특수문자 비밀번호 “이상한 입력도 넣어 봤나?”
구조 기능별 도우미 함수가 잔뜩 기존 로그인 코드와 비슷한 코드가 중복됨 “이미 있는 기능을 다시 만든 건 아닌가?”
보안 비밀번호 입력 처리 비밀번호를 안전하게 저장(해시)하는지 “비밀번호가 그대로 저장되진 않나?”
운영 바로 배포 가능 오류가 나면 기록이 남는지 “문제가 생기면 어떻게 알 수 있나?”

9. AI로 코딩할 때 챙길 5가지

개발자든, 회사에서 AI로 간단한 자동화 스크립트를 만들어 보는 직장인이든 아래 다섯 가지만 기억해도 ‘흔들리는 탑’을 꽤 막을 수 있습니다.

AI로 코딩할 때 챙길 5가지
AI로 코딩할 때 챙길 5가지: 작게 나눠 맡기기 → 테스트는 사람이 정하기 → 설명 못 하면 머지 금지 → 중복 코드 합치기 → 장애 기록 지켜보기
습관 이렇게 해 보세요 왜 도움이 되나
1. 작게 나눠 맡기기 “쇼핑몰 만들어 줘” 대신 “장바구니 수량 바꾸는 기능만”처럼 작게 요청 변경이 작을수록 검토가 쉽고 사고가 줄어듦(DORA의 ‘작은 배치’ 원칙)
2. 테스트는 사람이 정하기 “빈 값, 아주 긴 값, 한글, 중복 가입도 테스트해 줘”처럼 확인할 상황 목록을 직접 주기 AI가 쉬운 테스트만 쓰는 버릇을 보완
3. 설명 못 하면 머지 금지 합치기 전에 “이 코드가 뭘 하는지 내가 남에게 설명할 수 있나?” 자문 ‘아무도 모르는 코드’가 쌓이는 걸 막음
4. 중복 코드 찾아 합치기 가끔 AI에게 “비슷한 코드가 여러 곳에 있는지 찾아서 합칠 방법을 제안해 줘”라고 요청 깃클리어가 지적한 ‘복붙 코드’ 증가에 대응
5. 장애 기록 지켜보기 AI 도입 전후로 오류·장애 횟수와 복구 시간을 간단히 기록 느낌이 아니라 숫자로 “우리 팀은 괜찮은가”를 판단

상황별 추천 사용법

누구 AI 활용 추천 조심할 점
코딩 처음 배우는 학생 코드 설명 듣기, 오류 메시지 해석 부탁하기 정답 코드만 받아 쓰면 실력이 안 늚. 한 줄씩 이유를 물어보기
엑셀·업무 자동화하는 직장인 반복 작업 스크립트 초안 만들기 회사 데이터로 돌리기 전 복사본으로 먼저 시험
1인 창업자·소규모 팀 시제품(프로토타입) 빠르게 만들기 결제·개인정보 부분은 전문가 검토 필수
현업 개발자 반복 코드, 테스트 초안, 리팩터링 제안 PR 크기 제한, 리뷰 시간 확보, 테스트 시나리오는 사람이 설계

30초 체크리스트

번호 확인할 것 예/아니오
1 이번에 AI에게 맡긴 일이 한 번에 검토할 수 있는 크기인가요? □
2 정상 상황 말고 이상한 입력도 테스트했나요? □
3 새 코드가 하는 일을 내 말로 설명할 수 있나요? □
4 이미 있는 기능을 중복으로 다시 만든 건 아닌가요? □
5 문제가 생기면 알 수 있게 오류 기록이 남나요? □

10. 자주 묻는 질문

질문 답
그럼 AI로 코딩하지 말라는 건가요? 아닙니다. 글쓴이도 코드의 100%를 AI로 만든다고 했습니다. 핵심은 “AI가 만든 걸 사람이 이해하고 검증하는 과정”을 빼먹지 말자는 것입니다.
AI 코드가 사람 코드보다 무조건 나쁜가요? 그렇지 않습니다. DORA 2024는 AI 도입이 코드 품질·문서 품질을 조금 높인다는 결과도 냈습니다. 문제는 주로 ‘속도와 양’이 검토 능력을 앞지를 때 생깁니다.
“7.2% 감소”는 AI 쓰면 사고가 7.2% 는다는 뜻인가요? 정확히는 아닙니다. 설문 기반 분석에서 “AI 도입 수준이 25% 높아질 때 배포 안정성 지표가 약 7.2% 낮아지는 경향”을 추정한 값입니다. 인과를 확정한 숫자로 보면 안 됩니다.
비개발자도 알아 둘 필요가 있나요? 네. 우리가 쓰는 앱·은행·쇼핑 서비스도 점점 AI로 만든 코드가 많아집니다. 회사가 AI 코딩을 도입할 때 테스트·리뷰 체계도 함께 갖추는지가 서비스 안정성과 연결됩니다.
바이브 코딩으로 만든 내 앱, 괜찮을까요? 개인용 도구라면 큰 문제는 없을 수 있습니다. 다만 다른 사람의 돈·개인정보를 다루는 순간부터는 테스트와 보안 검토를 꼭 거치세요.

마무리: 빨리 쌓은 탑일수록 기초를 한 번 더

AI는 벽돌을 아주 빨리 쌓아 주는 든든한 조수입니다. 하지만 탑이 오래 서 있으려면 누군가는 설계도를 이해하고, 흔들리는 곳을 점검하고, 쌓는 속도를 조절해야 합니다. 이번 글이 많은 개발자에게 울림을 준 것도 “AI를 쓰지 말자”가 아니라 “AI가 빨라진 만큼 사람의 확인도 더 꼼꼼해져야 한다”는 메시지였기 때문일 겁니다. 오늘 AI에게 무언가를 만들어 달라고 했다면, 마지막에 “이거 내가 설명할 수 있나?” 한 번만 물어보세요. 그 질문 하나가 튼튼한 탑의 첫 번째 기초가 됩니다.