AI VIDEO BRIEFING

커서 개발자 습관 리포트 해설: PR당 추가 코드 2.5배, 활발한 사용자는 병합 15배

커서가 공개한 사용 데이터를 자사 엔지니어가 화면에서 직접 해설했다. PR당 추가 코드 2.5배 증가, 1000줄짜리 대형 PR 확산, 입력 토큰 비중 급등 등 코딩 에이전트 시대의 변화를 짚는다.

코딩 에이전트가 바꾼 개발 현장, 커서가 공개한 사용 데이터 영상 대표 이미지

핵심 메시지

  • 주당 작성되는 코드량이 2026년 들어 가속됐고, PR 한 건에 담기는 추가 코드는 전년 대비 약 2.5배로 늘었다.
  • 1000줄이 바뀌는 대형 PR이 흔해지면서 품질 유지가 새로운 난제가 됐다.
  • 수락된 AI 생성 코드는 상당수가 60분 뒤에도 남아 있어, 늘어난 코드는 그대로 유지보수 부담이 된다.
  • 상위 사용자와 중앙값 사용자의 격차가 커져, 활발한 사용자는 병합하는 PR 수가 15배에 이른다.
  • 토큰 비용의 중심이 출력에서 입력으로 옮겨 갔고, 그 대부분은 캐시에서 읽히는 컨텍스트다.

쉽게 이해하기

커서는 자사 사용 데이터를 모은 개발자 습관 리포트를 공개했고, 15년 경력의 엔지니어가 이를 화면에서 직접 읽어가며 해석을 덧붙였다. 리포트가 다루는 축은 다섯 가지다. 코딩 속도의 가속, 대형 PR의 확산, 모델별 비용과 성능의 차이, 상위 사용자와 평균 사용자의 격차, 그리고 컨텍스트 비중의 급증이다.

가장 먼저 눈에 띄는 것은 코드 생산량이다. 주당 추가되는 코드 라인은 2026년 초부터 증가 속도가 붙었고, PR 한 건에 들어가는 추가 라인은 전년 대비 두 배 반가량 늘었다. 해설자는 코드 라인 수가 완벽한 지표는 아니라고 선을 그으면서도, 더 많은 사람이 프로토타입을 만들고 개발 조직 밖의 구성원까지 소프트웨어 제작에 참여하게 된 흐름 자체는 긍정적으로 본다.

다만 1000줄 규모의 대형 PR이 흔해진 데 대해서는 분명한 경고를 남긴다. 잠금 파일처럼 의도치 않게 딸려 들어간 변경도 있지만, 통제 없이 풀어둔 에이전트는 필요 이상으로 방어적이거나 존재하지도 않는 상황을 대비하는 코드를 기꺼이 써낸다는 것이다. 게다가 수락된 AI 코드는 상당 부분이 한 시간 뒤에도 코드베이스에 남는다. 코드는 끈질기게 남고, 남은 코드는 곧 유지보수 비용이 된다.

모델 선택에서는 단순한 가격표보다 '수락된 코드 한 줄당 비용'이라는 관점이 제시된다. 비싼 모델이 한 번에 문제를 해결하면 값싼 모델이 오래 헤매는 것보다 저렴할 수 있지만, 모든 작업이 최고 수준의 지능을 요구하지는 않는다. 수천 명이 매일 에이전트를 돌리는 조직이라면 가격과 성능의 균형점을 찾는 일 자체가 과제가 된다. 해설자는 자사 벤치마크 결과는 감안해서 보고 외부 벤치마크와 비교하라고 덧붙인다.

마지막 축은 컨텍스트다. 입력 토큰이 토큰 비용의 절반 수준에서 70% 가까이로 올라섰고, 그중 대부분은 캐시에서 읽히는 토큰이다. 긴 대화를 이어가며 요약하고 다시 참조하는 에이전트 작업 방식에서 이전 맥락의 재사용이 얼마나 중요해졌는지를 보여주는 수치다. 결론적으로 그는 앞으로의 초점이 프롬프트 하나를 잘 쓰는 일에서, 리뷰와 보안 점검을 자동화해 밤새 돌아가게 만드는 '소프트웨어 공장'을 조직 차원에서 설계하는 쪽으로 옮겨갈 것이라고 본다.

주요 인사이트

  • 도구 호출 횟수가 최근 몇 달 새 약 30% 늘었다는 점은 모델이 파일을 고치고 명령을 실행하는 실무 능력에서 실제로 나아지고 있음을 보여주는 대리 지표다.
  • 코드 라인 수보다 병합된 PR 수가 나은 지표다. 다수 조직이 사람 리뷰어의 승인을 요구하므로, 병합됐다는 것은 최소한 누군가가 책임을 지고 확인했다는 뜻이다.
  • 사람 검토 없이 수락되는 변경은 약 36%로, 온라인의 과열된 분위기에서 짐작하는 수준보다 낮다. 규정 준수와 품질 유지 때문에 리뷰는 여전히 살아 있다.
  • 상위 사용자의 토큰 사용량 역시 완벽한 생산성 지표는 아니다. 새로운 작업 방식을 익히는 과정에서 낭비되는 토큰을 조직이 학습 비용으로 감수하는 측면이 있다.
  • 코드 생성이 쉬워진 시대의 선임 엔지니어 역할은 코드를 더 많이 만드는 쪽이 아니라, AI를 이용해 불필요한 코드가 쌓이는 것을 막는 쪽에 가까워지고 있다.

자주 묻는 질문

이 데이터는 어디서 나온 것인가요?

AI 코드 에디터 커서가 자사 사용자 데이터를 정리해 공개한 개발자 습관 리포트이며, 영상에서는 커서의 엔지니어가 이를 화면에 띄워 읽으며 해설합니다. 자사 데이터와 자사 벤치마크라는 점은 감안해서 볼 필요가 있습니다.

대형 PR이 늘어나는 것이 왜 문제인가요?

한 번에 1000줄이 바뀌면 사람이 품질을 확인하기 어렵고, 수락된 코드는 상당수가 그대로 코드베이스에 남습니다. 필요 이상으로 방어적인 코드까지 쌓이면 이후 유지보수 부담이 커집니다.

비싼 모델을 쓰는 것이 손해인가요?

작업에 따라 다릅니다. 똑똑한 모델이 한 번에 해결하면 값싼 모델이 오래 시도하는 것보다 총비용이 낮을 수 있지만, 모든 작업이 최고 수준의 지능을 필요로 하지는 않아 가격과 성능의 균형을 찾는 것이 관건입니다.

원문과 출처

이 글은 원본 영상의 자막을 바탕으로 한국어 독자를 위해 요약했습니다. 전체 맥락과 최신 정보는 원문에서 확인하세요.

YouTube 원본 영상 보기 ↗

관련 AI 소식