
에이전트가 PR 40%를 시작했다, 병목은 리뷰다
GitHub에서는 에이전트가 PR 초안의 40% 이상을 시작한다. 코드 생산은 빨라졌지만, 제품 속도를 결정하는 것은 리뷰와 검증으로 옮겨갔다.
요약
GitHub의 Octoverse 2026에 따르면 9월에는 탐지 가능한 에이전트가 전체 풀 리퀘스트의 40% 이상에서 첫 번째 변경안을 만들었다. 3월의 17%에서 불과 반년 만에 두 배 넘게 커진 비율이다. 이제 AI 코딩은 일부 개발자의 보조 기능이 아니라, 코드가 저장소에 들어오는 기본 경로 중 하나가 됐다.
그러나 코드가 더 많이 만들어진다고 제품이 같은 속도로 완성되는 것은 아니다. Harvard 연구진이 655개 기업, 72만여 명, 4억4500만 건의 업무 이벤트를 분석한 결과 에이전트 도입 뒤 코드와 PR은 크게 늘었지만 최종 소프트웨어 산출의 증가는 훨씬 작았다. 작성에서 절약한 시간이 리뷰 대기, 수정 요청, 시스템 맥락 확인으로 이동했기 때문이다.
Kyurasi가 보는 핵심은 단순하다. 개발팀의 경쟁력은 더 많은 코드를 뽑는 모델보다, 어떤 변경을 얼마나 작게 나누고 어떤 증거를 통과시킨 뒤 누가 책임지고 합칠지를 설계하는 능력에서 갈린다. 에이전트 시대의 생산 인프라는 프롬프트가 아니라 리뷰 용량과 검증 가능한 변경 단위다.
40%는 대체율이 아니라 시작점의 변화다
GitHub의 40%는 모든 코드의 40%를 AI가 완성했다는 뜻이 아니다. GitHub는 이를 탐지 가능한 코딩 에이전트가 첫 변경안을 만든 PR로 정의한다. 탐지되지 않는 사용은 빠질 수 있고, 사람이 이후에 얼마나 고쳤는지도 이 숫자만으로는 알 수 없다. 그럼에도 첫 타자가 사람에서 에이전트로 바뀌었다는 사실은 개발 흐름의 구조적 변화를 보여준다.
규모도 작지 않다. GitHub는 9월 한 달에 에이전트가 시작한 PR이 1억1000만 건이라고 집계했다. 에이전트가 관여한 PR의 87%는 여러 파일을 바꿨고, 2주 안에 병합된 비율은 2월 83%에서 9월 90%로 높아졌다. 빠른 병합은 도구가 작업 흐름 안으로 들어왔다는 증거지만, 그 자체로 변경의 품질이나 제품 가치가 높아졌다는 증거는 아니다.
이 구분이 중요한 이유는 조직이 잘못된 지표를 선택하기 쉽기 때문이다. PR 수, 커밋 수, 생성된 코드 줄 수는 생산 과정의 중간 산출물이다. 고객 문제의 해결, 장애 감소, 배포 후 되돌림, 유지보수 비용 같은 결과 지표와 연결하지 않으면 에이전트는 처리량을 높이면서도 실제 완료 속도는 그대로 두는 장치가 될 수 있다.
코드는 늘었지만 제품은 같은 속도로 늘지 않았다
Fiona Chen과 James Stratton의 연구는 이 간극을 기업 내부 데이터로 보여준다. 연구진은 GitHub 활동뿐 아니라 Jira 이슈와 일정 데이터까지 묶어 작성, 리뷰, 배포에 이르는 생산 과정을 추적했다. 에이전트 도입 뒤 코드 줄 수와 커밋, 열린 PR은 뚜렷하게 증가했지만 완료된 이슈와 에픽의 증가는 그에 비례하지 않았다.
가장 선명한 변화는 리뷰였다. 에이전트 도입 뒤 변경이 승인되기까지 걸리는 평균 시간은 56.1% 늘었고, 대기 시간과 실제 리뷰 시간도 각각 증가했다. 변경당 리뷰 댓글도 38.6% 늘었다. 연구진은 코드 유입량 증가와 제출물 품질 저하 가능성이 함께 리뷰 용량을 압박한다고 해석한다.
그렇다고 에이전트가 만든 테스트가 일관되게 나쁘다고 단정할 근거도 아직 부족하다. 11만여 개 Java PR을 비교한 별도 연구에서는 에이전트가 관여한 변경이 테스트를 추가할 가능성이 더 높았고, 대부분의 구조적 특성과 커버리지에서는 뚜렷한 열세가 나타나지 않았다. 다만 테스트 전용 PR의 일부 범위에서는 더 낮은 커버리지가 관찰됐고, 연구진도 품질과의 관계는 불확실하다고 결론냈다. 문제는 출처가 AI인지가 아니라, 각 변경의 위험과 증거를 실제로 판별할 리뷰 체계가 있는지다.
모델 경쟁은 병목의 앞단을 더 빠르게 만든다
새 모델은 이 비대칭을 더 키울 가능성이 크다. Google은 Gemini 4 Carbon을 장기간 소프트웨어 작업과 사이버 보안에 강한 모델로 소개하며, 내부에서는 며칠 동안 복잡한 버그를 추적하고 수정하는 작업을 수행했다고 밝혔다. 다만 이는 Google의 내부 관찰과 벤치마크 주장이고, Carbon은 먼저 제한된 사이버 방어 파트너에게 제공된다. 일반 개발자가 재현할 수 있는 공개 운영 데이터는 아직 부족하다.
Mistral은 다른 경로를 택했다. 10월 초 예고했던 Large 4의 실제 가중치와 라이선스를 공개했고, 자체 인프라에서 vLLM이나 SGLang으로 배포할 수 있게 했다. Mistral은 외부 코딩 에이전트 지표에서 선두 오픈웨이트 모델과 비슷한 점수를 내면서 작업당 토큰을 47% 덜 사용했다고 설명한다. 이것 역시 벤더가 선택해 제시한 평가라는 한계가 있지만, 코드 생성 능력이 더 싸고 더 많은 환경으로 확산되는 방향은 분명하다.
폐쇄형 프런티어 모델과 오픈웨이트 모델은 배포 방식이 다르지만 개발 조직에 주는 압력은 같다. 구현 가능한 변경의 공급이 사람의 리뷰 용량보다 빠르게 늘어난다. 모델 선택만 최적화하면 이 압력은 사라지지 않는다. 오히려 더 싼 토큰과 더 긴 자율 실행은 검토해야 할 변경의 양과 범위를 함께 키운다.
리뷰를 마지막 사람 한 명에게 몰아주면 실패한다
많은 팀은 에이전트가 만든 코드를 사람이 승인하면 안전하다고 말한다. 하지만 사람을 마지막 관문으로 두는 것과 충분한 리뷰 용량을 설계하는 것은 다르다. 코드베이스를 깊이 아는 소수의 시니어에게 모든 변경이 몰리면 대기열이 길어지고, 빠르게 비우려는 압력 때문에 정작 중요한 리뷰가 얕아질 수 있다.
AI 리뷰 도구를 하나 더 붙이는 것만으로도 해결되지 않는다. Harvard 연구 표본에서는 79.1%의 기업이 이미 AI 코드 리뷰 도구를 도입했지만 병목은 남았다. 작성 에이전트와 리뷰 에이전트가 같은 요구사항을 잘못 이해하거나 같은 테스트의 빈틈을 공유하면, 두 번의 자동화가 독립적인 검증이 되지 못하기 때문이다.
따라서 리뷰는 코드 스타일 확인이 아니라 의도와 위험을 복원하는 과정이어야 한다. 변경이 해결하려는 사용자 문제, 허용된 범위, 실패 시 영향, 필요한 데이터 마이그레이션, 되돌리는 방법이 PR 안에서 추적돼야 한다. diff만 보고는 알 수 없는 에이전트의 작업 기록도 필요한 부분만 남겨야 하지만, 긴 대화 전체를 그대로 첨부해 리뷰어에게 또 다른 읽기 부담을 만드는 방식은 피해야 한다.
개발팀이 바꿔야 할 운영 단위
첫째, 에이전트에 큰 기능 하나를 맡기기보다 검증 가능한 작은 변경으로 쪼개야 한다. GitHub가 스택형 PR을 도입하고 9월까지 26만4000명 이상이 사용한 흐름도 같은 문제를 겨냥한다. 작은 변경은 무조건 안전한 것이 아니지만, 리뷰어가 의도와 영향 범위를 한 번에 유지할 가능성을 높인다.
둘째, 테스트 개수를 품질의 대리 지표로 삼지 말아야 한다. 요구사항별 수용 조건, 실패 경로, 권한 경계, 데이터 불변식을 먼저 적고 테스트가 그 조건을 실제로 증명하는지 확인해야 한다. 에이전트가 테스트와 구현을 함께 만들었다면 별도의 실행 환경이나 다른 관점의 검증자가 같은 오류를 공유하지 않는지도 살펴야 한다.
셋째, 리뷰 용량을 정식 생산 자원으로 관리해야 한다. 위험도가 높은 변경에 숙련된 리뷰어 시간을 먼저 배정하고, 변경 규모와 대기 시간을 함께 제한하며, 되돌림과 장애 데이터를 에이전트 사용 지표와 연결해야 한다. 목표는 PR을 많이 합치는 것이 아니라, 책임질 수 있는 속도로 제품 변화를 전달하는 것이다.
좋은 병목을 설계하는 팀이 빨라진다
병목은 반드시 제거해야 할 낭비가 아니다. 위험한 변경을 막고 시스템 맥락을 보존하는 리뷰는 의도적으로 남겨야 할 제약이다. 문제는 모든 변경을 같은 줄에 세우고 같은 방식으로 확인하는 데 있다. 저위험 반복 변경은 자동 증거로 빠르게 통과시키고, 권한·결제·개인정보·스키마처럼 되돌리기 어려운 변경에는 사람의 깊은 판단을 집중해야 한다.
에이전트가 PR의 첫 초안을 만드는 일이 기본값이 된 뒤에도, 무엇을 만들지 결정하고 결과를 책임지는 일은 사라지지 않는다. 오히려 구현 비용이 낮아질수록 잘못된 방향을 더 멀리, 더 빨리 밀어붙일 수 있다. 다음 세대의 개발 생산성은 코드를 쓰는 속도가 아니라 의도를 작은 변경으로 변환하고, 독립적인 증거로 확인하고, 안전하게 되돌릴 수 있는 속도로 측정해야 한다.
출처
- Octoverse 2026: Commits, pushes, reach new highs as developers build with agents - GitHub (https://github.blog/news-insights/octoverse/octoverse-commits-pushes-reach-new-highs-in-2026-as-developers-build-with-agents/)
- Artificial Intelligence in the Firm: Bottlenecks in Software Production - Harvard University (https://fion.ac/jellyfish.pdf)
- Introducing Gemini 4 Carbon - Google (https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/)
- Mistral Large 4 (Le Chonk) is now open weight - Mistral AI (https://mistral.ai/news/mistral-large-4-oss/)
- Testing with Coding Agents: A Large-Scale Comparison of Agent-Supported and Human-Authored Pull Requests - arXiv (https://arxiv.org/abs/2610.35297)
- What Will Replace Pull Requests? Rethinking Software Collaboration for AI Agents - arXiv (https://arxiv.org/abs/2610.34933)


