이제 GitHub 코드 리뷰의 5건 중 1건 넘게를 AI 리뷰어가 수행한다. Copilot 코드 리뷰는 정식 출시 1년이 채 되지 않은 2026년 3월까지 60백만 건의 리뷰를 넘어섰다 (GitHub Blog, 2026년). 리뷰해야 할 물량도 계속 늘고 있다. GitHub 사용자들은 2025년에 월평균 43.2백만 건의 풀 리퀘스트를 머지했으며, 이는 전년 대비 23% 증가한 수치다 (GitHub Octoverse 2025). 하지만 신뢰는 그 속도를 따라가지 못하고 있다. 개발자의 96%가 AI 생성 코드를 완전히 신뢰하지 않으며 (Sonar State of Code Developer Survey 2026), 설문에 응한 개발자와 기술 구매 담당자의 85%는 AI가 병목을 코드 작성에서 코드 리뷰로 옮겼다는 데 동의한다 (GitLab AI Accountability Report 2026). 우리는 Stack Overflow Developer Survey, GitHub Octoverse, GitLab의 DevSecOps 연구, Google의 DORA 보고서, Sonar, Qodo, Veracode, CodeRabbit, Faros AI, METR, JetBrains, Atlassian, Gartner의 데이터를 종합했다. 코드를 작성하는 쪽의 이야기는 저희의 관련 정리 글인 AI 코드 생성 통계를 참고하세요.
요약
- Copilot 코드 리뷰는 GitHub 코드 리뷰의 5건 중 1건 넘게를 차지하며, 완료된 리뷰는 60백만 건 (GitHub Blog, 2026년)
- 85%는 AI가 병목을 코드 작성에서 코드 리뷰와 검증으로 옮겼다는 데 동의 (GitLab AI Accountability Report 2026)
- 개발자의 96%는 AI 생성 코드를 완전히 신뢰하지 않지만, 커밋 전에 항상 검증하는 비율은 48%뿐 (Sonar State of Code 2026)
- 개발자의 10.2%는 코드 커밋과 리뷰에 주로 AI를 사용하며, 58.7%는 사용할 계획이 없음 (Stack Overflow Developer Survey 2025)
- AI 도입률이 높은 팀은 PR을 98% 더 많이 머지하지만 PR 리뷰 시간은 91% 증가 (Faros AI Productivity Paradox Report 2025)
- AI 리뷰를 사용하는 개발자의 81%가 품질 향상을 경험, AI 리뷰가 없는 비슷하게 빠른 팀은 55% (Qodo State of AI Code Quality 2025)
- 100개가 넘는 LLM에서 AI 생성 코드 샘플의 45%가 보안 테스트에 실패 (Veracode GenAI Code Security Report 2025)
- AI가 공동 작성한 PR은 PR당 10.83건의 문제를 안고 있으며, 사람만 작성한 PR은 6.45건 (CodeRabbit State of AI vs Human Code Generation 2025)
- Copilot 코드 리뷰 사용자의 72.6%는 자신의 효율이 향상되었다고 답변 (GitHub Octoverse 2025)
- 80%는 자사가 AI 도구를 통제할 정책을 마련하는 것보다 더 빠르게 도입했다고 답변 (GitLab AI Accountability Report 2026)
- 기술 전문가의 90%가 이미 업무에 AI를 사용하지만, 30%는 AI 생성 코드에 대한 신뢰가 거의 또는 전혀 없음 (Google DORA 2025)
- 기업 소프트웨어 엔지니어의 90%가 2028년까지 AI 코드 어시스턴트를 사용하게 되며, 2024년 초에는 14% 미만 (Gartner, 2025년)
1. 개발자의 AI 도입: 자동 리뷰의 기반
자동 리뷰는 자동 작성의 후속 결과다. 기술 전문가의 90%가 이제 업무에 AI를 사용한다 (Google DORA State of AI-assisted Software Development 2025). 따라서 리뷰 대기열에 들어오는 거의 모든 풀 리퀘스트에는 기계가 작성한 코드가 담겨 있을 가능성이 있다. 이는 리뷰의 목적을 바꾼다. 리뷰는 더 이상 동료 간 점검에 그치지 않고, 어떤 사람도 온전히 작성하지 않은 코드에 대한 핵심 통제 지점이 된다.
도입은 넓을 뿐 아니라 깊기도 하다. Sonar의 응답자들은 자신이 커밋하는 코드의 42%가 이미 AI가 생성하거나 지원한 것이라고 말하며, JetBrains는 개발자의 62%가 적어도 하나의 AI 코딩 어시스턴트, 에이전트 또는 AI 코드 에디터에 의존하고 있음을 확인했다. 엔지니어링 리더들에게 던져지는 질문은 팀이 AI를 쓰는지에서, 파이프라인이 얼마나 많은 미검토 AI 출력을 감당할 수 있는지로 옮겨갔다.
| 지표 | 값 | 출처 |
|---|---|---|
| 업무에 AI를 사용하는 기술 전문가 | 90% (전년 대비 14% 증가) | Google DORA State of AI-assisted Software Development 2025 |
| 하루 AI 사용 시간 중앙값 | 2시간 | Google DORA 2025 |
| AI 도구를 사용 중이거나 사용할 계획인 개발자 | 84% (2024년 76%에서 증가) | Stack Overflow Developer Survey 2025 |
| AI 도구를 매일 사용하는 전문 개발자 | 51% | Stack Overflow Developer Survey 2025 |
| 코딩과 개발에 AI를 정기적으로 사용하는 개발자 | 85% | JetBrains State of Developer Ecosystem 2025 |
| 적어도 하나의 AI 코딩 어시스턴트, 에이전트 또는 AI 에디터에 의존하는 개발자 | 62% | JetBrains State of Developer Ecosystem 2025 |
| AI 코딩 도구를 써보고 지금은 매일 사용하는 개발자 | 72% | Sonar State of Code Developer Survey 2026 |
| SDLC에서 AI를 사용 중이거나 사용할 계획인 DevSecOps 전문가 | 97% | GitLab Global DevSecOps Report 2025 |
참고: 이 설문들은 모집단이 서로 다르므로 (Stack Overflow는 모든 개발자에게 열려 있고, DORA는 기술 전문가를 대상으로 하며, JetBrains는 194개국의 개발자 24,534명을 조사했다) 도입률은 하나의 수치가 아니라 84%에서 97% 사이의 일관된 범위로 읽는 것이 가장 적절하다. 질문 문구 전체는 Stack Overflow 2025 AI 결과 페이지와 JetBrains의 State of Developer Ecosystem 2025에서 볼 수 있다. 산업 전반의 더 넓은 수치는 저희 개발자 설문 통계 정리를 참고하세요.
2. AI 코드 리뷰의 도입과 규모
리뷰는 개발자가 통제권을 넘기는 데 가장 주저하는 워크플로 단계이며, 설문 데이터도 이를 보여준다. 코드 커밋과 리뷰에 주로 AI를 사용하는 개발자는 10.2%뿐이고, 58.7%는 그럴 계획이 없다고 답한다 (Stack Overflow Developer Survey 2025). 그러나 플랫폼 텔레메트리는 다른 이야기를 들려준다. AI 리뷰는 조직 단위로 켜지고 있으며, 개별 개발자가 요청했는지와 무관하게 모든 풀 리퀘스트에서 실행된다.
개인의 의사와 조직의 기본 설정 사이의 이 간극이 2026년 이 시장을 규정하는 특징이다. GitHub에 따르면 Copilot 코드 리뷰 사용량은 출시 이후 10배 증가했으며, 12,000개가 넘는 조직이 모든 풀 리퀘스트에서 이를 자동으로 실행하고 있다 (GitHub Blog, Copilot 코드 리뷰 60백만 건). 여러 도구를 함께 쓰는 것이 표준이어서, GitLab의 2026년 설문에서 조직의 91%는 둘 이상의 AI 코딩 도구를 실제로 사용하고 있다.
| 지표 | 값 | 출처 |
|---|---|---|
| 2025년 4월 출시 이후 완료된 Copilot 코드 리뷰 | 60백만 건 | GitHub Blog, 2026년 3월 |
| Copilot 코드 리뷰가 처리하는 GitHub 전체 코드 리뷰의 비중 | 5건 중 1건 넘게 | GitHub Blog, 2026년 3월 |
| 모든 PR에서 Copilot 코드 리뷰를 자동 실행하는 조직 | 12,000개 이상 | GitHub Blog, 2026년 3월 |
| 실행 가능한 피드백을 제공하는 Copilot 코드 리뷰 | 71% (리뷰당 평균 5.1개 코멘트) | GitHub Blog, 2026년 3월 |
| Copilot 코드 리뷰로 효율이 향상되었다고 답한 사용자 | 72.6% | GitHub Octoverse 2025 |
| 코드 커밋과 리뷰에 AI를 주로 / 부분적으로 사용하는 개발자 | 10.2% / 22.6% | Stack Overflow Developer Survey 2025 |
| 이 작업에 AI를 부분적으로 / 주로 사용할 계획인 개발자 | 31.4% / 16.3% | Stack Overflow Developer Survey 2025 |
| 둘 이상 / 셋 이상의 AI 코딩 도구를 실제로 사용하는 조직 | 91% / 54% | GitLab AI Accountability Report 2026 |
이상치에 대한 참고: 실행 가능한 피드백 비율이 71%라는 것은 Copilot 리뷰의 29%가 코멘트를 남기지 않는다는 뜻이기도 한데, GitHub는 이를 결함이 아니라 문제가 없을 때는 침묵한다는 의도된 설계상의 선택으로 설명한다. Copilot 코드 리뷰 기능은 GitHub Octoverse 2025에 따르면 2025년 4월 4일에 정식 출시되었다. 앞선 선례는 Google에서 나왔는데, 내부 ML 모델이 정밀도 50% 목표에서 리뷰어 코멘트의 약 52%를 처리할 수 있었고, 코드 작성자들은 미리 보기로 제시된 수정 제안의 40%에서 50%를 적용했다 (Google Research, 2023년). 이 내부 연구에 대해 입수 가능한 최신 데이터: Google Research, 2023년.
3. 신뢰와 정확성: 검증의 간극
신뢰는 사용과 반대 방향으로 움직이고 있다. 개발자의 96%는 AI 생성 코드가 기능적으로 올바르다고 완전히 신뢰하지 않지만, 커밋 전에 항상 검증하는 비율은 48%에 불과하다 (Sonar State of Code Developer Survey 2026). 의심과 성실함 사이의 이 48포인트 간극이 바로 자동 리뷰 도구가 팔리고 있는 영역이다. 사람이 AI 출력을 꾸준히 확인하지 않는다면, 다른 무언가가 해야 한다.
이 패턴은 독립된 여러 표본에서 반복된다. Stack Overflow는 개발자의 3분의 2가 거의 맞지만 완전하지는 않은 AI 답변을 접한다는 사실을 확인했고, DORA는 80% 이상이 생산성 향상을 보고하면서도 30%는 AI 생성 코드에 대한 신뢰가 거의 또는 전혀 없다는 사실을 확인했다. 개발자들은 AI를 빠르지만 틀릴 수 있어서 결과물을 반드시 확인해야 하는 협업자로 대하는 쪽으로 자리를 잡았고, 이는 Sonar 응답자들이 AI 생성 코드의 리뷰와 검증을 AI 시대의 가장 중요한 단일 역량으로 꼽은 이유이기도 하다.
| 지표 | 값 | 출처 |
|---|---|---|
| AI 생성 코드가 기능적으로 올바르다고 완전히 신뢰하지 않는 개발자 | 96% | Sonar State of Code Developer Survey 2026 |
| 커밋 전에 AI 코드를 항상 검증하는 개발자 | 48% | Sonar State of Code Developer Survey 2026 |
| AI가 올바르게 보이지만 신뢰할 수 없는 코드를 만든다는 데 동의하는 개발자 | 61% | Sonar State of Code Developer Survey 2026 |
| AI 출력의 정확성을 매우 신뢰하는 / 적극적으로 불신하는 개발자 | 3.1% / 46% | Stack Overflow Developer Survey 2025 |
| 거의 맞지만 완전하지는 않은 AI 해법에 좌절하는 개발자 | 66% | Stack Overflow Developer Survey 2025 |
| AI 생성 코드에 대한 신뢰가 거의 또는 전혀 없는 기술 전문가 | 30% | Google DORA 2025 |
| 사람의 검토 없이 AI가 일상 업무를 처리한다고 신뢰하는 응답자 | 37% | GitLab Global DevSecOps Report 2025 |
| 환각이 적고 AI 코드를 배포할 자신감도 높다고 답한 개발자 | 3.8% | Qodo State of AI Code Quality 2025 |
참고: Stack Overflow의 리더용 자료는 AI 정확성에 대한 신뢰가 2024년 40%에서 2025년 29%로 하락했다고 보고하는 반면, 공개 결과 페이지는 어느 정도 신뢰와 매우 신뢰를 합쳐 33%를 보여준다. 이 차이는 응답을 묶는 방식에서 비롯된 것이며, 두 수치 모두 하락을 가리킨다 (Stack Overflow 2025 survey for leaders). Qodo는 개발자의 25%가 AI 제안 5건 중 1건에 사실 오류나 오해의 소지가 있는 코드가 포함되어 있다고 추정하며, 환각을 덜 본다고 느끼는 개발자는 리뷰 없이 코드를 머지할 가능성이 2.5배 높다는 점(24% 대 9%)도 덧붙인다.
4. 생산성과 리뷰 병목
AI 리뷰가 성장하는 이유를 가장 빨리 파악하는 방법은 시간이 어디로 갔는지 보는 것이다. AI 도입률이 높은 팀은 풀 리퀘스트를 98% 더 많이 머지하지만, PR 리뷰 시간은 91% 증가한다 (Faros AI, The AI Productivity Paradox Research Report 2025). 쓰는 일은 싸졌지만, 읽는 일은 그렇지 않았다. Faros는 PR 평균 크기가 154% 증가했다는 사실도 확인했으며, 리뷰어는 더 많은 풀 리퀘스트와 더 큰 풀 리퀘스트를 동시에 마주하게 된다.
자체 보고 데이터도 일치한다. GitLab의 2026년 설문에서는 응답자의 78%가 개발자들이 코드를 더 빠르게 작성하고 커밋한다고 답했고, 85%는 AI가 병목을 리뷰와 검증으로 옮겼다는 데 동의했다. METR의 통제 연구는 인식에 관한 경고를 보탠다. 숙련된 오픈소스 개발자들은 AI 도구를 쓰면 이슈를 완료하는 데 19% 더 오래 걸렸음에도, 이후에도 AI 덕분에 20% 더 빨라졌다고 믿었다 (METR, 2025년 7월).
| 지표 | 값 | 출처 |
|---|---|---|
| AI 도입률이 높은 팀의 머지된 PR 수 변화 | +98% | Faros AI Productivity Paradox Report 2025 |
| AI 도입률이 높은 팀의 PR 리뷰 시간 변화 | +91% | Faros AI Productivity Paradox Report 2025 |
| PR 평균 크기 변화 | +154% | Faros AI Productivity Paradox Report 2025 |
| 개발자 1인당 완료 작업 수 변화 | +21% | Faros AI Productivity Paradox Report 2025 |
| 개발자 1인당 하루 처리하는 풀 리퀘스트 수 변화 | +47% | Faros AI Productivity Paradox Report 2025 |
| AI 코드를 리뷰하는 데 동료의 코드를 리뷰하는 것보다 더 많은 노력이 든다고 답한 개발자 | 38% | Sonar State of Code Developer Survey 2026 |
| GitHub에서 월간 머지된 풀 리퀘스트 (2025년 평균) | 43.2백만 건 (전년 대비 +23%) | GitHub Octoverse 2025 |
| 무작위 실험(개발자 16명, 이슈 246건)에서 AI 도구 사용 시 작업 완료 시간 변화 | +19% 느림 | METR, 2025년 |
참고: Faros는 AI 도입과 회사 차원의 DORA 지표 사이에서 유의미한 상관관계를 찾지 못했다. 즉 개인 차원의 성과가 전달 성과에 닿기 전에 사라졌다는 뜻이다. Atlassian의 State of Developer Experience 2025(개발자와 관리자 3,500명)도 같은 상쇄를 보여준다. 68%는 AI로 주당 10시간 넘게 절약하는 반면, 50%는 조직 내 마찰로 주당 10시간 이상을 잃는다 (Atlassian, 2025년). 자동 리뷰는 시간이 실제로 쌓이고 있는 단계를 겨냥한 몇 안 되는 수단 중 하나다.
5. 코드 품질과 보안 조사 결과
품질 데이터는 깔끔하게 두 가지 이야기로 나뉜다. AI가 작성하고 리뷰되지 않은 코드는 측정 가능한 수준으로 더 많은 결함을 안고 있다. AI가 공동 작성한 풀 리퀘스트는 PR당 평균 10.83건의 문제가 있었고, 사람만 작성한 PR은 6.45건으로 약 1.7배 많았다 (CodeRabbit, State of AI vs Human Code Generation Report 2025). 또한 Veracode는 AI 생성 코드 샘플의 45%가 보안 테스트에 실패했으며 OWASP Top 10 취약점을 유입시켰다는 사실을 확인했다.
두 번째 이야기는 리뷰가 과정에 들어가면 결과가 달라진다는 것이다. Qodo는 AI 코드 리뷰를 사용하는 개발자의 81%가 품질 향상을 보고한 반면, 사용하지 않는 비슷하게 빠른 팀은 55%였다는 점과, AI 리뷰를 도입한 팀은 생산성이 그대로여도 품질 향상을 경험했다는 점(36% 대 17%)을 확인했다. 함께 읽으면 이 수치들은 위험이 AI 출력 자체가 아니라 리뷰되지 않은 AI 출력에 있음을 시사한다. 더 넓은 위협 환경을 추적하는 독자라면 이 수치들을 저희 사이버 보안 통계와 비교해 볼 수 있다.
| 지표 | 값 | 출처 |
|---|---|---|
| 보안 테스트에 실패한 AI 생성 코드 샘플 (100개 이상의 LLM) | 45% | Veracode GenAI Code Security Report 2025 |
| 언어별 보안 실패율: Java / C# / JavaScript / Python | 72% / 45% / 43% / 38% | Veracode GenAI Code Security Report 2025 |
| AI가 크로스 사이트 스크립팅(CWE-80)을 방어하지 못한 샘플 | 86% | Veracode GenAI Code Security Report 2025 |
| PR당 문제 수: AI 공동 작성 대 사람만 작성 (오픈소스 PR 470건) | 10.83 대 6.45 | CodeRabbit State of AI vs Human Code Generation 2025 |
| AI 공동 작성 PR 대 사람만 작성한 PR의 보안 문제 | 최대 2.74배 많음 | CodeRabbit State of AI vs Human Code Generation 2025 |
| AI 리뷰 사용 대 미사용 시 품질 향상 (빠른 팀 중에서) | 81% 대 55% | Qodo State of AI Code Quality 2025 |
| AI가 코드 품질에 긍정적 영향을 줬다고 답한 응답자 | 59% | Google DORA 2025 |
| 접근 제어 결함에 대한 CodeQL 경고가 있는 리포지토리 | 151,000개 이상 (전년 대비 +172%) | GitHub Octoverse 2025 |
참고: Veracode는 더 크고 최신인 모델이 더 안전한 코드를 만들어내지 않았다고 보고하므로, 모델 업그레이드만으로는 리뷰를 대체할 수 없다. 긍정적인 면으로, GitHub의 Octoverse 2025는 지난 1년간 취약점 수정 시간이 30% 개선되었고 심각한 경고를 받은 리포지토리가 26% 줄었다고 보고한다. Faros는 AI 도입률이 높은 팀에서 개발자 1인당 버그가 9% 늘었다는 점도 덧붙인다. Veracode 보고서 요약에 전체 방법론이 나와 있다.
6. 거버넌스, 기업의 과제, 그리고 앞으로의 방향
기업들은 AI 코딩 도구를 그것을 통제할 규칙을 만드는 것보다 더 빠르게 구매했다. 응답자의 80%는 자사가 AI 도구를 통제할 정책을 마련하는 것보다 더 빠르게 도입했다고 말하며, 92%는 AI 생성 코드와 관련해 어떤 형태로든 거버넌스 과제가 있다고 보고한다 (GitLab AI Accountability Report 2026). 따라서 자동 리뷰의 다음 단계는 오타를 잡는 일보다 출처 추적에 더 가까워진다. 어떤 코드가 모델에서 나왔는지, 어떤 도구가 만들었는지, 누가 승인했는지를 아는 것이다.
추적 가능성 수치가 가장 우려스럽다. 87%는 AI 생성 코드가 프로덕션 장애에 영향을 미쳤는지 24시간 안에 알아낼 수 있다고 자신하지만, 지난 1년간 실제로 장애를 겪은 조직의 34%는 그 판단을 내리지 못했다. 한편 AI가 작성하는 코드의 비중은 계속 오르고 있어서, 거버넌스 문제는 분기마다 복리로 커진다. 저희 기업 AI 도입 통계는 소프트웨어 팀 밖에서 나타나는 동일한 정책 지연 패턴을 다룬다.
| 지표 | 값 | 출처 |
|---|---|---|
| 거버넌스 정책보다 빠르게 AI를 도입한 조직 / 거버넌스 과제를 보고한 조직 | 80% / 92% | GitLab AI Accountability Report 2026 |
| AI 생성 코드와 사람이 작성한 코드를 안정적으로 구분하지 못하는 응답자 | 43% | GitLab AI Accountability Report 2026 |
| AI 코드가 새로운 형태의 기술 부채를 초래할 위험이 있다고 답한 응답자 | 82% | GitLab AI Accountability Report 2026 |
| AI가 규정 준수 관리의 복잡성을 높인다고 답한 응답자 | 70% | GitLab Global DevSecOps Report 2025 |
| 개발 중보다 배포 후에 더 많은 규정 준수 문제를 발견하는 응답자 | 76% | GitLab Global DevSecOps Report 2025 |
| AI가 생성하거나 지원한 커밋 코드: 현재 대 2027년 기대치 | 42% 대 65% | Sonar State of Code Developer Survey 2026 |
| AI 코드 어시스턴트를 사용하는 기업 소프트웨어 엔지니어: 2024년 초 대 2028년 예측 | 14% 미만 대 90% | Gartner Top Strategic Trends in Software Engineering 2025 |
참고: GitLab의 2025년 DevSecOps 보고서(전문가 3,266명, The Harris Poll이 수행)에서 나온 배포 후 규정 준수 문제 76%라는 결과는 점검을 리뷰 단계로 옮겨야 한다는 직접적인 논거가 된다 (GitLab 보도자료, 2025년 11월). Gartner의 예측은 DevOps Digest의 2025년 7월 Gartner 발표 보도를 통해 인용했으며, 같은 발표는 소프트웨어 엔지니어링 팀의 최소 55%가 2027년까지 LLM 기반 기능을 개발하게 될 것이라고 예측한다. ROI 측면에서는 GitLab의 2026년 응답자 중 60%가 AI 코딩의 ROI가 기대를 넘어섰다고 답하므로, 압력은 AI 코드에서 물러서는 것이 아니라 AI 코드를 통제하는 쪽을 향한다.
정리: 숫자로 보는 AI 코드 리뷰
| 지표 | 값 | 출처 |
|---|---|---|
| Copilot 코드 리뷰가 처리하는 GitHub 코드 리뷰의 비중 | 5건 중 1건 넘게 | GitHub Blog, 2026년 |
| 완료된 Copilot 코드 리뷰 | 60백만 건 | GitHub Blog, 2026년 |
| 모든 PR에서 AI 리뷰를 실행하는 조직 (Copilot) | 12,000개 이상 | GitHub Blog, 2026년 |
| 효율이 향상되었다고 보고한 Copilot 코드 리뷰 사용자 | 72.6% | GitHub Octoverse 2025 |
| 코드 커밋과 리뷰에 AI를 주로 사용하는 개발자 | 10.2% | Stack Overflow Developer Survey 2025 |
| 코드 커밋과 리뷰에 AI를 사용할 계획이 없는 개발자 | 58.7% | Stack Overflow Developer Survey 2025 |
| 업무에 AI를 사용하는 기술 전문가 | 90% | Google DORA 2025 |
| AI 생성 코드를 완전히 신뢰하지 않는 개발자 | 96% | Sonar State of Code 2026 |
| 커밋 전에 AI 코드를 항상 검증하는 개발자 | 48% | Sonar State of Code 2026 |
| AI 출력의 정확성을 적극적으로 불신하는 개발자 | 46% | Stack Overflow Developer Survey 2025 |
| AI가 병목을 코드 작성에서 리뷰로 옮겼다 | 85%가 동의 | GitLab AI Accountability Report 2026 |
| AI 도입률이 높은 팀의 PR 리뷰 시간 변화 | +91% | Faros AI 2025 |
| AI 도입률이 높은 팀의 머지된 PR 수 변화 | +98% | Faros AI 2025 |
| AI 리뷰 사용 대 미사용 시 품질 향상 | 81% 대 55% | Qodo State of AI Code Quality 2025 |
| 보안 테스트에 실패한 AI 생성 코드 샘플 | 45% | Veracode GenAI Code Security Report 2025 |
| PR당 문제 수, AI 공동 작성 대 사람만 작성 | 10.83 대 6.45 | CodeRabbit 2025 |
| 거버넌스 정책보다 빠르게 AI를 도입한 조직 | 80% | GitLab AI Accountability Report 2026 |
| AI 생성 코드에 대한 신뢰가 거의 또는 전혀 없는 기술 전문가 | 30% | Google DORA 2025 |
| 커밋 코드에서 AI의 비중, 현재 대 2027년 기대치 | 42% 대 65% | Sonar State of Code 2026 |
| 2028년까지 AI 코드 어시스턴트를 사용하는 기업 엔지니어 | 90% (예측) | Gartner, 2025년 |
방법론과 출처
- Stack Overflow Developer Survey 2025, AI 섹션: 도입, 신뢰, 불만, 그리고 코드 커밋과 리뷰에 대한 AI 사용 (AI 사용 관련 질문에는 33,662명의 응답자가 답했다).
- Stack Overflow 2025 Developer Survey for Leaders, AI 도입: 신뢰의 전년 대비 비교 (2024년 대 2025년).
- GitHub Octoverse 2025: Copilot 코드 리뷰의 효과, PR과 커밋 규모, CodeQL 및 취약점 수정 시간 데이터.
- GitHub Blog, Copilot 코드 리뷰 60백만 건, 그리고 계속 증가 중 (2026년 3월): 리뷰 건수, GitHub 리뷰에서의 비중, 조직 수, 실행 가능한 피드백 비율.
- GitLab AI Accountability Report 2026 보도자료: The Harris Poll, 6개국 개발자와 기술 구매 담당자 1,528명, 2026년 6월 23일 공개.
- GitLab Global DevSecOps Report 2025 보도자료: The Harris Poll, DevSecOps 전문가 3,266명, 2025년 11월 10일 공개.
- Google Cloud, 2025 DORA 보고서 발표와 Google Blog의 DORA 2025 요약: 기술 전문가 약 5,000명과 100시간 이상의 정성 데이터.
- Sonar State of Code Developer Survey 2026과 Sonar의 AI 신뢰 격차 분석: 전문 개발자 1,100명 이상, 2026년 1월 공개.
- Qodo State of AI Code Quality 2025: 다양한 기업 규모와 지역의 개발자 609명.
- Veracode 2025 GenAI Code Security Report: Java, Python, C#, JavaScript에 걸쳐 100개 이상의 LLM을 테스트, 2025년 7월 30일 공개.
- CodeRabbit State of AI vs Human Code Generation Report: 오픈소스 PR 470건 (AI 공동 작성 320건, 사람만 작성 150건), 2025년 12월 17일 공개.
- Faros AI, The AI Productivity Paradox Research Report: 1,255개 팀에 걸친 개발자 10,000명 이상의 텔레메트리, 2025년 7월 공개.
- METR, 2025년 초 AI가 숙련된 오픈소스 개발자의 생산성에 미치는 영향 측정: 무작위 대조 시험, 개발자 16명, 이슈 246건.
- JetBrains State of Developer Ecosystem 2025: 194개국 개발자 24,534명, 2025년 4월부터 6월까지 조사.
- Atlassian State of Developer Experience 2025: 6개국 개발자와 관리자 3,500명.
- Google Research, ML로 코드 리뷰 코멘트 해결하기 (2023년): 리뷰어 코멘트에 대한 내부 ML 제안 수정.
- Gartner Top Strategic Trends in Software Engineering 2025, DevOps Digest 경유: Gartner의 원본 발표는 공개적으로 가져올 수 없었으며, 수치는 보도된 그대로 인용했다.
- Zhong 외, From Human-Centric to Agentic Code Review (arXiv, 2026년 7월): 207개 GitHub 프로젝트에서 리뷰된 PR 1.02백만 건을 분석한 결과, 에이전트가 관여한 리뷰는 더 빠른 결정과 관련이 있지만 더 나은 리뷰 품질과는 관련이 없다고 밝혔다. 정성적 배경으로만 사용했다.
- 데이터 참고 사항: 벤더가 수행한 연구(GitHub, Sonar, Qodo, CodeRabbit, Faros AI)는 AI 코딩 또는 리뷰 도구를 판매하는 기업에서 나온 것이므로, 방법론이 공개되어 있더라도 그 프레임은 신중하게 받아들여야 한다. CodeRabbit의 470개 PR 표본과 METR의 개발자 16명 시험은 규모가 작으며, 방향성은 더 큰 설문과 일치하지만 정확한 배수를 일반화해서는 안 된다. Stack Overflow는 응답 묶음 방식의 차이로 2025년 신뢰도 수치를 두 가지(리더용 자료 29%, 결과 페이지 33%)로 공개한다. Google의 ML 코드 리뷰 데이터는 2023년 것이다 (이 내부 연구에 대해 입수 가능한 최신 데이터). AI 코드 리뷰 도구의 시장 규모 추정치는 방법론을 공개한 두 기업 간에 교차 검증할 수 없어서 제외했다. 앞으로 나올 최신 데이터: Stack Overflow Developer Survey 2026, GitHub Octoverse 2026, 2026년 DORA 보고서.
마지막 업데이트: 2026년 10월 3일. 저희는 이 정리를 분기마다 업데이트하며, 다음 갱신은 GitHub가 Octoverse 2026을 공개할 때 이루어질 것으로 예상한다.