2026년 4월, Google Cloud Next에서 구글 CEO 순다르 피차이는 "현재 구글에서 작성하는 내부 신규 코드의 75%가 AI에 의해 생성된다.” 고 밝혔다. 불과 18개월 전 25%, 25년 가을 50%를 거쳐 이제 75%에 이르렀다는 구글 CEO의 발언은 이제 엔지니어가 코드를 “작성하는 사람”에서 “AI와 함께 코드를 검토하고 지휘하는 사람”으로 이동했음을 공식화한 선언으로 볼 수 있다. 

Google: 에이전트 워크플로우의 선두주자

엔지니어가 단독으로 수행했다면 수개월이 걸렸을 복잡한 코드 마이그레이션이, 에이전트와 엔지니어가 협업하면서 6배 빠르게 완료됐다. Gemini macOS 앱은 사내 에이전틱 개발 플랫폼 “Antigravity”를 통해 아이디어에서 네이티브 Swift 프로토타입까지 며칠 만에 도달했다. 더 큰 변화는 정책 차원이다. 구글은 AI 활용도를 인사평가 항목으로 편입했다. 75%라는 수치가 “자연발생적 채택”이 아니라 “제도적으로 강제된 기준”이라는 뜻이다. 동시에 Gemini Enterprise Agent Platform과 8세대 TPU(8T·8I)로 인프라를 재편하며, GE Appliances의 800개 이상의 물류 에이전트, KPMG의 한 달 90% 도입률 같은 외부 사례까지 만들어내고 있다.

Microsoft: 인프라가 된 GitHub Copilot

Microsoft는 2025년 4월 사티아 나델라 대표가 “사내 코드의 20~30%가 AI를 통해 생성한다”라고 밝힌 이후, GitHub Copilot을 통해 외부 시장 장악에 집중해왔다. 2026년 1월 기준 Copilot의 누적 사용자는 2,000만 명, 유료 구독자는 470만 명, Fortune 100 기업의 90%가 이를 도입했다. 활성 사용자는 작성 코드의 46%를 Copilot으로 생성하며, Java 개발자의 경우 그 비율이 61%에 이른다.

Copilot이 이미 2018년 인수 당시 GitHub 본체보다 큰 사업이 되었다는 나델라의 발언은 상징적이다. 다만 Microsoft가 Google·Meta·Anthropic처럼 “75%, 100%” 같은 공격적 내부 지표를 내세우지 않는 것도 시사적이다. C++ 같은 시스템 언어에서는 여전히 AI 결과물이 약하다는 점을 본인들이 인정하고 있고, 무엇보다 외부 고객 신뢰를 우선시하는 전략이다.

Meta: 구체적 목표치 설정

Meta는 사내 일부 팀에 “2026년 중반까지 커밋된 코드의 75% 이상을 AI 도구로 생성”하라는 목표치를 구체적으로 설정했다. 자체 모델 Llama 계열을 코딩 워크플로우에 깊이 통합하고, 마크 저커버그는 LlamaCon 무대에서 “1년 안에 Meta 코딩의 절반을 AI가 처리할 수 있다”고 공언했다. Snap도 같은 흐름이다. 신규 코드의 65%가 AI 생성이라고 밝히며 동시에 계획 인력의 약 1/4을 감축한다고 발표했다. 

Anthropic: 거의 100% AI 활용

가장 극단적 사례는 앤트로픽이다. Claude Code 책임자 보리스 체르니는 “2개월 넘게 한 줄도 직접 코딩하지 않았으며, 회사 전체 코드의 거의 100%가 AI 생성”이라고 공개적으로 밝혔다. 사내 132명을 대상으로 한 설문에서 엔지니어들은 1년 전 업무 생산성 20% 향상에서, 현재 업무 생산성 50% 향상으로 이동했고, 상위 14%는 100% 이상의 생산성 증가를 보고했다. 결과는 시장에서도 나타난다.

Claude Code 매출은 2025년 9월 5억 달러에서 2026년 2월 25억 달러로 5배 성장했고, Stripe는 1,370명 엔지니어에게 전사 배포해 10주 분량의 Scala-Java 마이그레이션을 4일 만에 끝냈다. Rakuten은 신기능 평균 출시 기간을 24영업일에서 5일로 단축했다.

 AI 코딩의 한계

앞에서 살펴본 생산성 향상에 대한 숫자는 강력하지만 동시에 위험한 착시를 만든다. 빅테크의 경쟁적 발표가 가린 네 가지 한계를 짚어둘 필요가 있다.

(1) 보안: 기능은 95%, 보안은 55%

Veracode가 150개 이상의 LLM을 대상으로 진행한 2026년 봄 평가에 따르면, AI 생성 코드의 문법 정확도는 95%를 넘었지만 보안 통과율은 약 55%에 머물렀다. 즉 절반 가까운 코드가 OWASP Top 10 취약점을 포함한다. Java는 실패율이 72%, XSS 방어 실패가 86%, 로그 인젝션 취약은 88%에 달했다. 더 충격적인 건 추세다. 2년간 모델은 똑똑해졌지만 보안 지표는 개선되지 않았다. CSA(Cloud Security Alliance)는 “AI 활용 개발자가 동료보다 3~4배 많은 커밋을 만들어내지만, 동시에 10배 많은 보안 결함을 도입한다”고 보고했다.

(2) 기술 부채의 가속

Forrester는 2026년 기업의 75%가 AI 확산으로 “중간 이상 심각한” 기술 부채를 안게 될 것이라 전망했다. arXiv에 게재된 한 대규모 실증 연구는 2025년 초 수백 건이던 “AI가 도입한 미해결 이슈”가 2026년 2월 11만 건을 넘어섰음을 보여준다. 보안 이슈의 41.1%는 끝까지 코드베이스에 잔존했다. AI는 표면적 코드 정리에는 능하지만, 버그와 보안 이슈는 고치는 양보다 새로 만들어내는 양이 더 많다는 것이 이 연구의 결론이다.

(3) 컨텍스트의 한계와 “코드 슬롭”

GitClear의 분석에 따르면 AI 도입 이후 코드 중복은 4배로 증가했고, 사상 처음으로 “리팩터링·재사용”보다 “복사·붙여넣기”가 더 많아졌다. LLM은 대규모 코드베이스 전체를 메모리에 유지할 수 없기 때문에, 이미 존재하는 패키지를 두고 새 패키지를 임포트하는 식의 비효율이 누적된다. Google의 DORA 리포트는 AI 도입 팀의 개인 효율성이 17% 상승한 반면, 소프트웨어 배포 안정성은 약 10% 하락했다고 보고했다. “빠르게 만들지만 자주 깨지는” 패턴이 데이터로 확인된 것이다.

(4) 엔지니어 역량의 구조적 변화

Anthropic 자체 연구가 가장 솔직하다. 사내 엔지니어들이 “풀스택화”되며 학습 속도가 빨라지는 반면, “더 깊은 기술 역량을 잃거나 Claude의 출력을 효과적으로 감독할 능력을 잃을 수 있다”는 우려가 동시에 보고됐다. 신입 소프트웨어 엔지니어 채용 공고가 줄고, Anthropic 같은 회사들이 “스페셜리스트보다 제너럴리스트”를 뽑기 시작한 것도 같은 맥락이다. 시니어의 정의도 바뀌었다. 이제는 “얼마나 많이 짜는가”가 아니라 “얼마나 정확히 검토하고, 모델의 편향을 잡아내며, 보안적 의도를 주입할 수 있는가”가 새 시그널이다.

인사이트

이제 코드 작성 자체는 AI에 위임하고, 인간은 아키텍처·검토·오케스트레이션으로 빠르게 이동하고 있다. 그러나 AI 코딩 도구의 진짜 ROI는 “얼마나 빨리 짰는가”가 아니라 “얼마나 빨리 안전하게 출시했는가”로 측정될 것이다.

기업 입장에서 지금 필요한 건 세 가지다. 첫째, AI 생성 코드에 대한 의무 보안 리뷰 프로세스. 둘째, AI 코딩 도구별 “신뢰 점수(trust score)” 기반 평가 체계. 셋째, 시니어 엔지니어를 “타이핑하는 사람”이 아니라 “판단하는 사람”으로 재정의하는 인사·교육 시스템이다.

AI는 분명 코딩의 게임 규칙을 다시 썼다. 그러나 게임에서 이기는 팀은 “가장 많이 생성하는 팀”이 아니라, “가장 잘 검증하는 팀”이 될 것이다.