원고 제공 | 이윤희 이노핏파트너스 센터장
편집 | 이노핏파트너스 사업기획팀

AI로 빨라진 개발, 인력 운영은 어떻게 달라져야 할까요?

생성형 AI가 소프트웨어 개발 속도를 높인다는 사실은 실제 변화로 확인되고 있습니다. GitHub가 전문 개발자를 대상으로 진행한 실험에서 AI 코딩 도구를 사용한 집단은 같은 과제를 사용하지 않은 집단보다 평균 55.8% 빠르게 끝냈습니다(GitHub). Google도 2024년 3분기 실적 발표에서 새로 작성되는 코드의 25% 이상이 AI로 생성되고 있다고 밝혔습니다(Google·Alphabet).

그러나 개발 속도의 향상이 곧바로 인력 운영의 답을 뜻하는 것은 아닙니다. 여러 기업이 개발 조직의 채용 방식과 규모를 바꾸고 있지만, 인력을 줄이거나 채용을 멈춘 뒤에도 개발 속도와 품질을 유지하면서 실제 비용을 낮출 수 있는지를 보여주는 자료는 아직 충분하지 않습니다. 이번 108호에서는 기업들의 움직임과 지금까지 확인된 성과와 위험을 살펴보고, 신중한 전환을 위해 무엇을 먼저 준비해야 하는지 짚어봅니다.

AI가 바꾸고 있는 개발 조직과 채용

기업들의 움직임은 이미 시작됐습니다. 협업 소프트웨어 기업 Atlassian은 2026년 3월 전체 인력의 10%인 1,600명 규모로 인력을 조정하며 AI와 기업영업 투자를 확대하기 위한 결정이라고 밝혔습니다(Bloomberg).

두 달 뒤 Coinbase는 전체 인력의 14%인 700명을 조정하면서 “AI가 소규모 엔지니어링팀을 훨씬 빠르게 일하게 만들었다”고 설명했습니다(CNBC). Salesforce는 엔지니어 조직 규모를 유지하는 대신 신규 채용을 멈췄고(Fortune), Microsoft의 2025년 인력 조정에서는 워싱턴주 대상자의 40% 이상이 엔지니어링 직군이었습니다(Bloomberg).

한국에서는 AI를 직접적인 이유로 밝힌 개발 조직의 인력 조정 사례는 아직 없지만, 신규 채용의 속도가 눈에 띄게 느려지고 있습니다.

출처: 소프트웨어정책연구소·한국경제, 2026

해외에서는 조직 규모와 채용 방식이 실제로 바뀌었고, 국내에서는 채용의 문이 조용히 좁아졌습니다. 변화는 이미 시작됐습니다. 그렇다면 인력을 줄여도 개발 속도와 품질을 유지하면서 비용을 낮출 수 있다는 기대는 어디까지 확인됐을까요?

인력 변화의 성과와 함께 살펴야 할 품질 과제

효과는 아직 더 지켜봐야 합니다. Gartner가 연매출 10억 달러 이상 기업의 경영진 350명을 조사한 결과, 조사 대상 기업의 80%가 업무 자동화 이후 평균 1~15%의 인력을 조정했다고 답했습니다. 하지만 AI 투자 성과가 높은 기업과 낮은 기업 사이에 인력 조정 비율의 차이는 없었습니다(Gartner, 2026).

Careerminds가 최근 1년 사이 인력을 조정한 미국 HR 전문가 600명을 조사했을 때, AI가 운영 문제 없이 해당 업무를 완전히 대체했다고 답한 비율은 21.4%뿐이었습니다. 반면 54.6%는 예상보다 더 많은 사람의 관리·감독이 필요했다고 답했습니다(Careerminds, 2026).

Orgvue 조사에서도 AI 도입을 이유로 인력을 조정한 경영진 가운데 55%가 그 결정이 잘못됐다고 답했습니다(Orgvue, 2025). 서로 다른 조사들이 가리키는 방향은 같습니다. 인력을 줄인 만큼 성과가 났다고 증명하는 자료는 아직 충분하지 않습니다.

Veracode 조사에서 AI 생성 코드의 보안 검사 통과율은 56%에 그쳤고, 약 44%의 과업에서 위험한 보안 취약점이 나왔습니다(Veracode, 2026). GitClear가 6억 2천만 건의 커밋을 분석했을 때도 복사·붙여넣기한 코드는 41%, 코드 중복은 81%, 작성 후 2주 안에 다시 고친 코드는 15% 늘었습니다(GitClear).

AI가 코드를 더 빨리 쓸수록 다시 들여다봐야 할 코드도 함께 늘 수 있습니다. 변화는 시작됐지만 인력 조정이 실제 성과로 이어졌다는 근거는 충분하지 않고, 품질과 비용을 함께 살펴야 한다는 신호는 쌓이고 있습니다.

신중한 전환을 위한 품질보증과 개발자 역량

코드 작성 속도와 회사에 필요한 생산성은 서로 다른 문제입니다. 요구사항을 이해하고 기존 시스템과 연결하며, 오류와 보안 문제를 검토하는 과정까지 함께 개선돼야 합니다. 검토와 시험 역량이 그대로라면 병목은 사라지지 않고 뒤로 이동할 뿐입니다.

신중하게 인력 운영을 판단하려면 두 가지를 먼저 세워야 합니다.

품질보증 체계가 있어야 개발자가 판단할 기준이 생기고, AI와 함께 일할 수 있는 개발자가 있어야 그 체계가 현장에서 작동합니다. 인력 운영은 이 두 가지를 먼저 세우고, AI가 품질과 총비용을 실제로 개선했다는 증거를 확인한 다음 판단해야 합니다.

지금 필요한 것은 AI를 얼마나 빨리 도입할지 정하는 일이 아닙니다. 우리 조직이 AI에 맡길 수 있는 업무와 사람이 책임져야 할 판단을 구분하고, 그에 맞게 품질 기준과 개발자의 역할을 함께 설계하는 일입니다. 이런 준비 없이 인력 규모부터 바꾸면 AI가 만든 결과를 검토하고 책임질 역량까지 약해질 수 있습니다.

반대로 품질보증 체계와 증강 개발자 역량을 함께 갖추면, AI가 줄여준 시간을 보안과 데이터 품질 향상, 오래된 시스템의 개선과 새로운 서비스 개발처럼 조직에 더 필요한 일로 옮길 수 있습니다. 결국 AI 시대의 인력 운영은 ‘몇 명을 줄일 수 있는가’보다 ‘AI와 사람이 어떤 일을 나누어 맡고, 그 결과를 어떻게 책임질 것인가’에서 시작해야 합니다.

그 답은 회사마다 다릅니다. 조직의 전략과 현업 과제를 기준으로 필요한 역할과 역량, 전환 방식을 구체적으로 설계해야 하는 이유입니다.