# 그래서, AI 앱들은 다 어디에 있나요? > Clean Markdown view of GeekNews topic #27834. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=27834](https://news.hada.io/topic?id=27834) - GeekNews Markdown: [https://news.hada.io/topic/27834.md](https://news.hada.io/topic/27834.md) - Type: GN+ - Author: [xguru](https://news.hada.io/@xguru) - Published: 2026-03-25T11:49:33+09:00 - Updated: 2026-03-25T11:49:33+09:00 - Original source: [answer.ai](https://www.answer.ai/posts/2026-03-12-so-where-are-all-the-ai-apps.html) - Points: 14 - Comments: 4 ## Summary AI 코딩 도구가 생산성을 폭발적으로 높였다는 주장에 대해, **PyPI 데이터는 다른 이야기**를 합니다. 전체 패키지 생성 속도에는 유의미한 변화가 없었고, 업데이트 빈도가 2배 이상 높아진 건 **AI 관련 인기 패키지에 한정**된 현상이었습니다. 저자는 이를 기술적 생산성 향상이 아니라 **자금과 관심이 AI 생태계에 집중된 효과**로 해석합니다. 이번 주 에이전트 도구와 생산성 관련 글이 많은데, 매크로 데이터로 보면 아직 업계 전반의 생산성 변화로 나타나고 있지는 않다는 점에서 참고할 만합니다. ## Topic Body - AI 코딩 도구가 생산성을 크게 높였다는 주장과 달리, **새로운 소프트웨어의 폭발적 증가 현상은 관찰되지 않음** - PyPI 데이터를 분석한 결과, **ChatGPT 이후에도 전체 패키지 생성 속도는 변화 없음** - **AI 관련 인기 패키지**에서만 업데이트 빈도가 2배 이상 높아지며, **비AI 패키지**는 이전 추세 유지 - 이러한 집중 현상은 **AI 기술의 전반적 생산성 향상**보다는 **자금과 관심의 집중 효과**로 해석됨 - 결과적으로, 생성형 AI의 영향은 **전체 개발 생태계의 확장**이 아니라 **AI 분야 내부의 활동 집중**으로 나타남 --- ### AI 시대의 소프트웨어 생산성 분석 - **AI 코딩 도구**가 생산성을 수십 배 높였다는 주장에도 불구하고, 실제로는 **새로운 소프트웨어의 폭발적 증가가 관찰되지 않음** - Python 패키지 저장소 **PyPI** 데이터를 통해 AI 도입 이후의 **패키지 생성 및 업데이트 추세**를 분석 - 결과적으로, **AI 관련 인기 패키지**에서만 업데이트 빈도가 급격히 증가했으며, 전체 생태계에서는 뚜렷한 변화가 없음 - 이러한 현상은 **AI 기술 자체의 생산성 향상**보다는 **자금과 관심의 집중**에 따른 결과로 나타남 ### 패키지 수 분석 - PyPI의 전체 패키지 수는 **지속적인 지수 성장**을 보였으나, **ChatGPT 출시 시점**에서 뚜렷한 변화는 없음 - 월별 신규 패키지 수는 5천~1만5천 개 수준에서 변동 - 2020년 이후 일부 스파이크는 **스팸 및 악성코드 유입**으로 인한 것임 - AI가 개발자 생산성을 높였다면 **패키지 수의 급증**이 관찰되어야 하지만, 데이터상 그런 현상은 없음 ### 패키지 업데이트 빈도 분석 - 단순한 패키지 생성보다 **유지·관리되는 패키지의 업데이트 빈도**가 더 의미 있는 지표로 간주됨 - 2025년 12월 기준 **가장 많이 다운로드된 15,000개 패키지**를 분석 - 각 패키지를 생성 연도별로 묶고, **연도별 코호트의 중앙 업데이트 빈도**를 추적 - ChatGPT 이후 생성된 패키지는 첫해 평균 **13회 업데이트**, 2014년 생성 패키지의 **6회**보다 높음 - 그러나 이 추세는 **2019년부터 이미 상승세**를 보였으며, 이는 **GitHub Actions** 등 CI 도구 확산의 영향일 가능성 있음 - 모든 코호트에서 **패키지의 수명이 길어질수록 업데이트 빈도 감소** - AI 도구 사용이 오래된 패키지의 유지보수 빈도를 높이지는 않음 ### AI 관련 패키지의 특이 현상 - 패키지 설명을 기반으로 **AI 관련 여부를 분류**한 결과, AI 관련 패키지에서만 뚜렷한 변화가 나타남 - 2023년에 생성된 AI 관련 패키지는 첫해 **중앙값 20회 업데이트**, 비AI 패키지의 **약 2배 수준** - AI와 무관한 패키지는 이전과 유사한 완만한 증가세를 유지 - 따라서 **AI 관련 프로젝트에서만 집중적 활동 증가**가 확인됨 ### 인기 요인과의 관계 - AI 관련 패키지의 높은 업데이트 빈도가 **단순한 인기 효과**인지 검증하기 위해, 상위 15,000개 패키지를 **다운로드 기준 상위 7,500개와 하위 7,500개**로 분리 - 결과적으로, **인기 있는 AI 패키지**에서만 업데이트 빈도가 급등 - ChatGPT 이후 인기 AI 패키지는 연간 **21~26회 업데이트**, 비AI 인기 패키지는 **약 10회 수준** 유지 - 덜 인기 있는 AI 패키지보다도 훨씬 높은 빈도 ### 종합 관찰 결과 1. **패키지 생성 속도**는 ChatGPT 이후에도 뚜렷한 증가 없음 2. **전체 업데이트 빈도**는 완만히 증가했으나, 이는 AI 이전부터 지속된 추세 3. **인기 있는 AI 관련 패키지**에서만 2배 이상의 업데이트 빈도 상승 관찰 ### 해석과 가설 - ## AI가 전반적 개발자 생산성을 폭발적으로 높였다는 증거는 없음 - 전체적으로 새로운 패키지나 업데이트의 급증 현상 부재 - 일부 개발자가 AI를 활용해 빠르게 개발하고 있을 가능성은 있으나, **그 수나 효과는 제한적** - **AI를 활용하는 소프트웨어** 자체의 개발은 활발히 진행 중 - 특히 **AI 관련 인기 패키지**에서 집중적 활동이 나타남 ### 두 가지 가설 - **AI 스킬 이슈**: AI 도구를 만드는 사람들이 AI를 가장 효과적으로 활용할 줄 아는 사람들이기도 하여, AI 패키지에서 생산성 향상이 더 크게 나타남. 그러나 스킬만으로는 **인기 AI 패키지에만 집중**되는 현상을 설명하기 어려움 - **자금과 하이프**: AI 분야에 막대한 투자와 관심이 쏟아져 더 많은 인력이 더 많은 작업을 수행하면서 패키지 생성·업데이트가 늘어난 것 - 코호트 규모 변화가 이를 뒷받침: 2021년 코호트의 비AI 대 AI 비율이 **6:1**(1,211 vs 185)이었던 것이 2024년에는 **2:1 미만**(727 vs 423)으로 변화 - 개발자가 초인적으로 변한 것이 아니라, AI에 대한 **과열된 관심이 자금으로 전환**되어 AI 패키지의 생성·반복 속도를 높인 것 - 데이터만으로는 두 효과 중 어느 쪽이 더 큰지 판별 불가 ### 결론 - 생성형 AI 혁명의 **가시적 효과**는 전체 소프트웨어 생산성의 폭발이 아니라, **AI 생태계 내부에서의 집중적 활동 증가**로 나타남 - PyPI 데이터를 기준으로 볼 때, AI는 **모든 개발자를 초인적으로 만든 것**이 아니라, **AI 관련 프로젝트에 자금과 노력이 집중된 결과**를 보여줌 ## Comments ### Comment 54176 - Author: eoeoe - Created: 2026-03-31T09:55:12+09:00 - Points: 1 당장은 개발 진입장벽이 낮아진게 제일 큰 혁신같아요. ### Comment 53892 - Author: wahihi - Created: 2026-03-26T16:46:27+09:00 - Points: 1 희한한 논리네..ㅋ. 나는 chatGPT 이후, 다른 domain 개발에 ai 를 엄청 썼는데... 과거에는 불가능했던 일이거나, 10명 정도 경력자가 붙어야 할 수 있는 일을, 이제는 혼자서 하고 있음... 이게 혁신 아닌가? ### Comment 54392 - Author: summerpicnic - Created: 2026-04-01T22:52:34+09:00 - Points: 1 - Parent comment: 53892 - Depth: 1 그런 혁신이 싫다는거 아닌가요? 거의 보도 ,자료급으로 뿌려대는듯 이권이 걸린것 같습니다 ### Comment 53784 - Author: neo - Created: 2026-03-25T11:49:33+09:00 - Points: 1 ###### [Hacker News 의견들](https://news.ycombinator.com/item?id=47503006) - 요즘은 아이디어를 **프로토타입 단계**까지 옮기는 건 정말 쉬워졌음 하지만 실제 서비스로 내놓으려면 여전히 **지루한 소프트웨어 엔지니어링**이 필요함 “내가 직접 코드로 사업을 만들어보겠다”는 트렌드를 따라간 사람들을 많이 봤지만, 실제로 런칭까지 간 경우는 없음 결국 마지막 단계가 대부분의 시간과 노력을 잡아먹는 부분임 - 맞음. 하지만 대부분의 경우 그 정도면 충분함 앱이 꼭 대중에게 공개되어야만 쓸모 있는 건 아님 나나 내 주변, 혹은 팀의 문제를 해결하는 게 목적이라면 그 ‘마지막 단계’는 **불필요한 낭비**임 시장의 제품은 문제 해결책이 아니라 돈을 버는 **도구**임 AI는 ‘문제 해결’의 비용을 크게 낮췄지만 ‘제품화’의 비용은 덜 낮췄음 그래서 제품이 부족하다고 해서 문제 해결이 부족하다고 볼 수는 없음 - **AI 코드**로 만든 소프트웨어를 많이 다뤄봤는데, 점점 디버깅 감각이 약해지는 게 느껴짐 이건 위험함. 문제의 근본 원인을 찾는 능력이 **퇴화**되기 때문임 AI는 처음 80%를 빠르게 만들어주지만, 품질은 의심스러움 결국 **시행착오식 개발**을 부추기고, 경험 많은 개발자일수록 이런 접근을 싫어함 - 나도 개인 프로젝트에서 똑같이 느꼈음 Claude에게 기능 설계를 시키면 멋진 스펙이 나오고, 코딩 에이전트가 80%까지는 잘 만듦 하지만 마지막 20%는 훨씬 오래 걸림 그 사이에 새로운 기능 아이디어가 쌓이고, **끝없는 백로그**와 불안감이 생김 사실 아무도 나에게 그걸 요구하지 않았는데, 스스로 압박을 만든 셈임 - 소프트웨어 엔지니어링은 단순한 **코딩**이 아님 요구사항 수집, 설계, 승인, 인프라 구축, 코드 작성, 테스트, 배포, 모니터링까지 이어지는 긴 과정임 AI는 그중 4~5단계, 즉 **인프라와 코드 작성** 부분을 빠르게 해줄 수 있음 하지만 나머지는 여전히 사람의 영역임 - 요즘은 “처음 90%가 90%의 시간, 마지막 10%가 나머지 90,000,000%의 시간”을 차지한다는 농담이 생길 정도임 - PyPI 상위 15,000개 패키지로 AI의 영향을 측정하는 건 적절하지 않음 오히려 **iOS 앱 신규 등록이 24% 증가**했다는 통계가 더 의미 있음 [Appfigures Explorer](https://www.statista.com/statistics/1020964/apple-app-store-...)에 따르면 2025년 신규 앱은 55만7천 개로, 2016년 이후 처음으로 큰 폭의 증가를 보였음 AI가 충분히 실용적이 된 시점(2025년 12월, Opus 4.5와 Codex 출시) 이후 개발 생산성이 급상승했음 - 성숙한 Python 패키지보다 **단기성 모바일 앱**이 AI의 혜택을 더 받는 건 당연함 지금은 Stack Overflow에 묻던 걸 LLM에게 묻는 시대임 문서 접근이 가능한 LLM은 95%의 질문에 답할 수 있음 Stack Overflow가 이 변화를 버티긴 어려울 듯함 - PyPI 패키지는 AI 영향 측정에 부적절함 AI 코딩은 유틸리티를 줄이거나, 패키지로 배포하지 않는 **내부 도구** 형태로 쓰이는 경우가 많음 - 앱스토어에 쓸모없는 앱이 늘어난 건 의미 없음 경제 생산성에 기여하는 **유용한 앱**은 거의 없음 AI는 에너지와 자본을 소모하면서도 실질적 이익은 미미함 경제적 관점에서 보면 **AI 붐은 과열된 거품**에 가까움 - 요즘 “YoloSwag” 같은 프로젝트가 넘쳐남 Rust로 만든 PyTorch 1:1 구현이라며 CPU 사용량 80% 절감, 300% 속도 향상 등을 자랑하지만 실제로는 **바로 크래시**남 테스트는 전부 가짜(mock)로 통과시키고, 코드도 절반은 PyTorch 바인딩, 절반은 엉뚱한 API로 구성된 괴물임 개발자는 “6주 만에 양자컴퓨팅 전문가가 됐다”고 주장하는 **크립토 전력자**였음 - “바로 크래시 나면 그게 진짜 **Memory Safe** 아니냐”는 농담이 나올 정도임 - 이런 사람들을 공개적으로 **걸러내야 건강한 개발 문화**가 생김 AI를 이용해 스스로 배우려는 게 아니라, 단지 자기 과시용으로 쓰는 사람들임 이런 문화가 바뀌지 않으면, 우리는 계속 이런 ‘YoloSwag’식 프로젝트를 보게 될 것임 - VSCode를 지우고 나만의 **하이퍼 개인용 대시보드**를 만들었음 뉴스 피드, 이슈 관리, 마크다운 편집기, 캘린더, AI 버튼 등 모든 걸 한 화면에서 처리함 하지만 너무 개인화되어 있어서 공유할 이유가 없음 - 기술적인 사람들은 이런 개인 앱을 만들지만, **대중적인 고품질 앱**은 여전히 부족함 대부분의 새 서비스가 LLM 래퍼나 AI 도구에 머물러 있음 - 나도 AI 덕분에 “나만 쓰는 앱”을 쉽게 만들게 됨 예를 들어 내 쇼핑 습관에 맞춘 장보기 앱을 20분 만에 완성했음 이런 **초개인화 소프트웨어**가 다음 단계임 - 나도 VSCode + Claude Code를 중심으로 여러 프로젝트를 관리 중인데, 인터페이스가 점점 복잡해짐 네 세팅을 공유하면 많은 빌더들에게 **영감**이 될 것 같음 - 워크플로가 달라도 이런 개인화된 세팅은 **영감을 주는 사례**임 - AI로 만든 것들이 공개되지 않는 이유는 단순함 대부분 **개인 맞춤형**이라 공개할 필요가 없음 게다가 이제는 실행력보다 **아이디어 자체가 경쟁력**이 됐기 때문에 굳이 공유하지 않음 누구나 비슷한 능력을 갖게 된 시대라, 각자 필요한 걸 빠르고 싸게 만들 수 있음 그래서 AI로 만든 결과물은 많지만, 세상에 공개되는 건 점점 줄어듦 - 하지만 AI가 소프트웨어 엔지니어링의 본질을 바꿨다는 주장은 여전히 유효함 개인 프로젝트가 아니라, **산업 전반의 변화**를 보여주는 증거가 필요함 - 오픈소스에서는 “AI가 만든 건 전부 쓰레기”라는 **이상한 이념적 분위기**가 생김 그 때문에 진짜 기여조차 위축되고 있음 물론 저품질 AI 코드가 문제지만, 그걸 이유로 전부 배척하는 건 해결책이 아님 리뷰와 테스트를 제대로 하지 않는 문화가 더 큰 문제임 - AI는 앱의 처음 90%를 쉽게 만들어주지만, 마지막 10%는 훨씬 어렵게 만듦 코드베이스는 커졌는데 **익숙함이 사라진 상태**라 대부분 여기서 포기함 - 나도 AI로 **그린필드 앱**을 실험해봤는데, 네 가지 문제가 있었음 1) 너무 빠르게 진행돼서 계획이 무너짐 2) 세부 오류가 많음 3) 런타임 보안 문제와 잘못된 가정이 많음 4) 구조적 실수로 리팩터링이 어려움 결국 AI가 빠르게 만들어도 **품질과 보안의 함정**이 많음 - “처음 90%가 90%의 시간, 마지막 10%가 나머지 90%의 시간”이라는 농담이 여전히 유효함 - [Comprehension Debt](https://addyosmani.com/blog/comprehension-debt/)라는 개념처럼, 이해하지 못한 코드가 쌓이는 부채가 커짐 - 마지막 10%는 원래도 힘들었지만, AI 덕분에 더 **정신적으로 지치기 쉬움** - AI가 코드를 대신 쓰면 **기능 범위가 계속 늘어나는** 경향도 있음 - 지금의 AI 붐은 **닷컴 버블**을 떠올리게 함 2000년대 초처럼 “AI만 쓰면 된다”는 착각 속에 돈을 태우는 회사들이 많음 반면 조용히 AI를 도입해 **업무 효율을 높이는 기업**도 있음 - 예전 FrontPage나 DreamWeaver로 웹사이트를 만들던 시절과 비슷함 결국 대부분은 **보조 도구**로 남고, 완전 자동화된 앱은 소수일 것임 - PyPI 패키지 수로 AI의 영향을 측정하는 건 잘못된 접근임 실제 생산성 향상은 **비공개 저장소, 내부 도구, 단일 목적 앱**에서 일어남 나도 AI로 6주 만에 오프라인 지원, Stripe 결제, SEO 페이지까지 갖춘 웹앱을 만들었음 예전 같으면 6개월은 걸렸을 일임 이런 결과는 데이터셋에 잡히지 않지만, **생산성 향상은 확실함** - “이 댓글도 AI가 쓴 거냐, 아니면 너무 많이 써서 말투가 닮은 거냐”는 농담이 나올 정도임 - 나도 요즘 **라이브러리 사용이 줄었음** AI 덕분에 직접 API 호출을 다루는 게 더 간단해졌기 때문임 패키지를 배포하는 건 사실상 **오픈소스 프로젝트 운영**과 같고, 그건 매우 피로한 일임 유지보수 부담과 보상 불균형 때문에 다들 꺼림 이미 세상엔 충분히 많은 라이브러리가 있고, 진짜 좋은 것들로 **통합되는 흐름**이 나쁘지 않음 많은 개발자들이 이제 “프로젝트 단위”가 아니라 **커밋 단위**로 AI를 활용함 - PyPI로 AI의 효과를 재는 건 근시안적임 대신 [GitHub Octoverse 2025 보고서](https://github.blog/news-insights/octoverse/octoverse-a-new-...)를 보면 사용자 수와 오픈소스 기여가 명확히 **상승 곡선**을 그림 2025년 기준, 전체 기여의 81.5%가 **비공개 저장소**에서 일어났고, 공개 저장소는 63%에 불과함 - 하지만 “Claude Code는 2025년 5월에 나왔는데 아직 3월이잖아”라는 반론은 **기준을 옮기는 행위**임 이미 Cursor, Copilot 등 여러 도구가 있었고, 모두 혁신이라 불렸음 만약 AI가 정말 10배 빠르게 코드를 배포하게 한다면, **이미 폭발적인 결과**가 보여야 함