▲

그래서, AI 앱들은 다 어디에 있나요?

 (answer.ai)
1P by GN⁺ 5시간전 | ★ favorite | 댓글 1개
  • 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 패키지에서만 업데이트 빈도가 2배 이상 높아지며, 비AI 패키지는 이전 추세 유지
  • 이러한 집중 현상은 AI 기술의 전반적 생산성 향상보다는 자금과 관심의 집중 효과로 해석됨
  • 결과적으로, 생성형 AI의 영향은 전체 개발 생태계의 확장이 아니라 AI 분야 내부의 활동 집중으로 나타남

AI 시대의 소프트웨어 생산성 분석

  • AI 코딩 도구가 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 추세를 분석
  • 결과적으로, AI 관련 인기 패키지에서만 업데이트 빈도가 급격히 증가했으며, 전체 생태계에서는 뚜렷한 변화가 없음
  • 이러한 현상은 AI 기술 자체의 생산성 향상보다는 자금과 관심의 집중에 따른 결과로 나타남

패키지 수 분석

  • PyPI의 전체 패키지 수는 지속적인 지수 성장을 보였으나, ChatGPT 출시 시점에서 뚜렷한 변화는 없음
    • 월별 신규 패키지 수는 5천~1만5천 개 수준에서 변동
    • 2020년 이후 일부 스파이크는 스팸 및 악성코드 유입으로 인한 것임
  • AI가 개발자 생산성을 높였다면 패키지 수의 급증이 관찰되어야 하지만, 데이터상 그런 현상은 없음

패키지 업데이트 빈도 분석

  • 단순한 패키지 생성보다 유지·관리되는 패키지의 업데이트 빈도가 더 의미 있는 지표로 간주됨
    • 2025년 12월 기준 가장 많이 다운로드된 15,000개 패키지를 분석
    • 각 패키지를 생성 연도별로 묶고, 연도별 코호트의 중앙 업데이트 빈도를 추적
  • ChatGPT 이후 생성된 패키지는 첫해 평균 13회 업데이트, 2014년 생성 패키지의 6회보다 높음
    • 그러나 이 추세는 2019년부터 이미 상승세를 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 분류한 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 증가가 확인됨

인기 요인과의 관계

  • AI 관련 패키지의 높은 업데이트 빈도가 단순한 인기 효과인지 검증하기 위해,
    상위 15,000개 패키지를 다운로드 기준 상위 7,500개와 하위 7,500개로 분리
  • 결과적으로, 인기 있는 AI 패키지에서만 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 속도는 ChatGPT 이후에도 뚜렷한 증가 없음
  2. 전체 업데이트 빈도는 완만히 증가했으나, 이는 AI 이전부터 지속된 추세
  3. 인기 있는 AI 관련 패키지에서만 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 패키지에서 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 집중되는 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 전환되어 AI 패키지의 생성·반복 속도를 높인 것
  • 데이터만으로는 두 효과 중 어느 쪽이 더 큰지 판별 불가

결론

  • 생성형 AI 혁명의 가시적 효과는 전체 소프트웨어 생산성의 폭발이 아니라,
    AI 생태계 내부에서의 집중적 활동 증가로 나타남
  • PyPI 데이터를 기준으로 볼 때, AI는 모든 개발자를 초인적으로 만든 것이 아니라,
    AI 관련 프로젝트에 자금과 노력이 집중된 결과를 보여줌
▲
GN⁺ 5시간전  [-]
Hacker News 의견들

  • 요즘은 아이디어를 프로토타입 단계까지 옮기는 건 정말 쉬워졌음
    하지만 실제 서비스로 내놓으려면 여전히 지루한 소프트웨어 엔지니어링이 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 낭비임
      시장의 제품은 문제 해결책이 아니라 돈을 버는 도구임
      AI는 ‘문제 해결’의 비용을 크게 낮췄지만 ‘제품화’의 비용은 덜 낮췄음
      그래서 제품이 부족하다고 해서 문제 해결이 부족하다고 볼 수는 없음
    • AI 코드로 만든 소프트웨어를 많이 다뤄봤는데, 점점 디버깅 감각이 약해지는 게 느껴짐
      이건 위험함. 문제의 근본 원인을 찾는 능력이 퇴화되기 때문임
      AI는 처음 80%를 빠르게 만들어주지만, 품질은 의심스러움
      결국 시행착오식 개발을 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 백로그와 불안감이 생김
      사실 아무도 나에게 그걸 요구하지 않았는데, 스스로 압박을 만든 셈임
    • 소프트웨어 엔지니어링은 단순한 코딩이 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% 증가했다는 통계가 더 의미 있음
    Appfigures Explorer에 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 앱이 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 앱은 거의 없음
      AI는 에너지와 자본을 소모하면서도 실질적 이익은 미미함
      경제적 관점에서 보면 AI 붐은 과열된 거품에 가까움

  • 요즘 “YoloSwag” 같은 프로젝트가 넘쳐남
    Rust로 만든 PyTorch 1:1 구현이라며 CPU 사용량 80% 절감, 300% 속도 향상 등을 자랑하지만 실제로는 바로 크래시남
    테스트는 전부 가짜(mock)로 통과시키고, 코드도 절반은 PyTorch 바인딩, 절반은 엉뚱한 API로 구성된 괴물임
    개발자는 “6주 만에 양자컴퓨팅 전문가가 됐다”고 주장하는 크립토 전력자였음

    • “바로 크래시 나면 그게 진짜 Memory Safe 아니냐”는 농담이 나올 정도임
    • 이런 사람들을 공개적으로 걸러내야 건강한 개발 문화가 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 대시보드를 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 앱은 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 소프트웨어가 다음 단계임
    • 나도 VSCode + Claude Code를 중심으로 여러 프로젝트를 관리 중인데, 인터페이스가 점점 복잡해짐
      네 세팅을 공유하면 많은 빌더들에게 영감이 될 것 같음
    • 워크플로가 달라도 이런 개인화된 세팅은 영감을 주는 사례임

  • AI로 만든 것들이 공개되지 않는 이유는 단순함
    대부분 개인 맞춤형이라 공개할 필요가 없음
    게다가 이제는 실행력보다 아이디어 자체가 경쟁력이 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 변화를 보여주는 증거가 필요함
    • 오픈소스에서는 “AI가 만든 건 전부 쓰레기”라는 이상한 이념적 분위기가 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 상태라 대부분 여기서 포기함

    • 나도 AI로 그린필드 앱을 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 함정이 많음
    • “처음 90%가 90%의 시간, 마지막 10%가 나머지 90%의 시간”이라는 농담이 여전히 유효함
    • Comprehension Debt라는 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 버블을 떠올리게 함
    2000년대 초처럼 “AI만 쓰면 된다”는 착각 속에 돈을 태우는 회사들이 많음
    반면 조용히 AI를 도입해 업무 효율을 높이는 기업도 있음

    • 예전 FrontPage나 DreamWeaver로 웹사이트를 만들던 시절과 비슷함
      결국 대부분은 보조 도구로 남고, 완전 자동화된 앱은 소수일 것임

  • PyPI 패키지 수로 AI의 영향을 측정하는 건 잘못된 접근임
    실제 생산성 향상은 비공개 저장소, 내부 도구, 단일 목적 앱에서 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 운영과 같고, 그건 매우 피로한 일임
    유지보수 부담과 보상 불균형 때문에 다들 꺼림
    이미 세상엔 충분히 많은 라이브러리가 있고, 진짜 좋은 것들로 통합되는 흐름이 나쁘지 않음
    많은 개발자들이 이제 “프로젝트 단위”가 아니라 커밋 단위로 AI를 활용함

  • PyPI로 AI의 효과를 재는 건 근시안적임
    대신 GitHub Octoverse 2025 보고서를 보면
    사용자 수와 오픈소스 기여가 명확히 상승 곡선을 그림
    2025년 기준, 전체 기여의 81.5%가 비공개 저장소에서 일어났고, 공개 저장소는 63%에 불과함

    • 하지만 “Claude Code는 2025년 5월에 나왔는데 아직 3월이잖아”라는 반론은 기준을 옮기는 행위임
      이미 Cursor, Copilot 등 여러 도구가 있었고, 모두 혁신이라 불렸음
      만약 AI가 정말 10배 빠르게 코드를 배포하게 한다면, 이미 폭발적인 결과가 보여야 함
답변달기