한 달 전만 해도 분명히 빨라진 것 같았다. GitHub Copilot을 붙였고, Claude로 초안을 뽑았고, 개발자들은 하루치 코드를 한 시간 만에 썼다. 그런데 스프린트 속도는 그대로다. 백로그는 줄지 않는다. 리더십은 조용히 묻기 시작한다. "AI 다 붙였는데 왜 빨라진 게 없죠?"
dev.to에 올라온 분석 글 Why the SDLC Is Cracking Under the Weight of AI는 이 현상을 정확하게 짚는다. "제트 엔진을 마차 안에 설치한 것"이라고. 코드를 생성하는 속도는 비약적으로 올랐지만, 그 코드가 통과해야 하는 리뷰 스케줄과 QA 큐는 여전히 사람 속도로 돌아간다. AI가 한 시간에 기능 10개를 뽑아내도, 팀의 피어 리뷰와 QA가 건당 5일이면 파이프라인은 50일짜리 그대로다.
문제는 속도가 아니라 구조다. 전통적인 SDLC는 두 가지 전제 위에 세워졌다. 첫째, 코드는 사람이 한 줄씩 쓴다. 둘째, 각 단계는 완결된 산출물이 나와야 다음 단계로 넘어간다. 이 전제들은 사람이 유일한 실행 엔진이던 시절엔 합리적이었다. 하지만 AI가 초안을 초 단위로 만들어내는 순간, 두 전제 모두 무너진다. 병목이 사라진 게 아니라 코딩 단계에서 리뷰·QA 단계로 이동했을 뿐이다.
더 위험한 건 '유령 생산성'이다. 커밋 수와 코드 라인 수는 폭발적으로 늘어나는데, 실제 품질은 그 속도를 따라가지 못한다. AI가 생성한 코드는 컴파일은 되지만 논리 오류를 숨기고, 아키텍처 관례를 무시하고, 엣지 케이스를 놓친다. 사람이 직접 타이핑할 때 자연스럽게 걸리던 인지적 검토 과정이 생략된 채로 코드가 쌓인다. 결과적으로 인간 리뷰어들이 매몰된다. AI-SD: The New Era of Software Development 보고서에 따르면 2026년 기준 개발자들은 주당 새 코드를 작성하는 시간(9.8시간)보다 AI가 생성한 코드를 리뷰하는 시간(11.4시간)이 더 많다. 리뷰가 병목이 됐다.
비용 압박은 이 구조적 문제를 더 빠르게 수면 위로 끌어올리고 있다. 월마트는 최근 자체 개발한 AI 에이전트 '코드 퍼피'의 토큰 사용량을 무제한에서 개인 할당제로 전환했다. AI 도입 확대 기조를 포기한 게 아니다. 예상보다 빠르게 불어난 비용을 감당할 수 없었기 때문이다. 우버는 연간 AI 예산을 몇 달 만에 소진했고, GitHub Copilot은 2026년부터 정액제를 버리고 토큰 기반 과금으로 전환했다. 한 개발자는 월 요금이 67유로에서 966유로로 14배 뛰었다고 보고했다. '무제한으로 쓰면 빨라진다'는 가정 자체가 틀렸다.
이 세 가지 현상—속도 착시, 유령 생산성, 비용 폭증—은 사실 하나의 원인을 가리킨다. AI를 기존 SDLC에 끼워 넣는 방식이 근본적으로 잘못됐다는 것. AI 생성 코드는 확률적이다. 전통적인 QA는 결정론적 인간 산출물을 검증하도록 설계됐다. AI는 비동기적 고속으로 작동한다. 전통적인 리뷰 게이트는 사람 속도를 기준으로 설계됐다. 이건 마찰이 아니라 구조적 불일치다. 도구를 더 붙인다고 해결되지 않는다.
업계가 대응으로 제시하는 개념이 ADLC(AI-Driven Development Life Cycle)다. SDLC의 점진적 개선이 아니라, AI를 실행 주체로 전제하고 사람이 출력을 감독하는 구조로 파이프라인을 처음부터 다시 설계하는 것이다. 핵심은 두 가지다. 첫째, AI 속도에 맞는 자동화된 검증 레이어—AI가 초 단위로 만든 코드를 사람이 5일짜리 큐에서 기다리게 하면 안 된다. 둘째, 사람의 역할 재정의—AI가 초안을 쓰는 동안 개발자는 설계 의도를 지정하고, 나온 결과물의 품질을 판단하는 쪽으로 이동해야 한다. AI-SD 프레임워크가 제시하는 데이터도 이를 뒷받침한다. 사람이 루프 안에 있고 AI를 자율 조종이 아닌 레버리지로 쓴 팀은 완료 에픽 66% 증가, 태스크 처리량 33.7% 향상을 기록했다. 차이는 도구가 아니라 워크플로우 설계다.
테크 리드 입장에서 내일 당장 해야 할 질문은 하나다. "우리 팀에서 AI 속도로 만들어진 코드가 사람 속도의 어느 게이트에서 막히고 있는가?" 병목 지점을 찾기 전에 더 많은 AI 도구를 붙이는 건 마차에 엔진을 하나 더 다는 것과 같다. ADLC로의 전환은 도구 도입이 아니라 파이프라인 전체의 재설계에서 시작된다.