AI 에이전트 경제학: 검증 쉬운 일과 숙련 개발자가 더 이득 본다는 스탠퍼드 세미나 정리

핵심 메시지

• AI는 자동완성 같은 '지원 도구'에서 일을 맡기는 '위임 도구'로 성격이 바뀌었고, 그 결과 잘하는 일과 잘 쓰는 사람의 조건도 달라졌다.
• 1천 개 기업, 10만 명의 코딩 도구 사용 데이터에서 결과 검증이 쉬운 업무(디자이너·PM)일수록 에이전트를 더 자주, 더 전적으로 쓴다.
• 자동완성은 경력이 짧을수록 많이 수용했지만 에이전트는 정반대다. 경력이 길수록 수용률이 높고, 첫 메시지부터 계획을 세우며 질문은 적게 한다.
• 에이전트 정식 출시 이후 주간 머지 건수가 39% 늘었고, 단기적으로 버그 수정률이나 되돌림 비율은 늘지 않았다. 다만 장기 코드 품질은 측정 범위 밖이다.
• 모델 성능이 좋아지자 사용량이 전년 대비 약 44% 늘고 복잡한 작업 비중이 커졌다. 추론 수요에서는 제번스 역설과 유사한 반등이 관찰됐다.

쉽게 이해하기

스탠퍼드 디지털경제연구소의 점심 세미나에서 에릭 브리뇰프슨이 진행을 맡고, 시카고대 부스 경영대학원의 수프로팀 사카르 교수가 발표했다. 금융과 응용 AI를 가르치는 그는 마이크로소프트와 구글을 거쳐 하버드에서 응용수학·컴퓨터과학 박사를 받았다. 발표는 완성된 논문 하나와 진행 중인 연구 둘로 구성됐다.

첫 논문의 문제의식은 간단하다. 지금까지 AI는 프로그래머의 의도를 이어서 완성해주는 '지원 도구'였는데, 에이전트는 자연어로 지시하고 결과를 받아보는 '위임 도구'가 됐다는 것이다. 위임에는 주인-대리인 문제가 따라오므로, 결과를 검증하기 쉬운 일일수록 실패 비용이 낮고 원하는 바를 명확히 말할 수 있는 전문가일수록 대리인을 잘 부린다는 가설이 나온다. 검증 대상은 AI 코딩 플랫폼 커서(Cursor)의 데이터로, 1천 개 기업의 10만 명 규모다.

에이전트 출시 전후로 자동완성 사용은 줄고 에이전트 사용이 빠르게 늘었다. 자동완성은 편집기에 코드를 직접 칠 때만 작동하는데 활성 사용자의 60%에서만 발동했다는 점에서, 최대 40%는 더 이상 코드를 손으로 치지 않는다는 해석이 가능하다고 발표자는 설명했다. 직군별로도 차이가 뚜렷해, 디자이너와 프로덕트 매니저는 자동완성 없이 에이전트만 쓰는 비율이 3분의 1에서 절반에 이르는 반면 엔지니어와 데이터·ML 직군은 30~40%대에 머물렀고 사용 빈도도 주 80회 대 55~60회로 벌어졌다. 발표자는 UI나 API 연동처럼 결과가 눈으로 바로 확인되는 업무 비중을 '검증 용이도'의 거친 대리 지표로 삼았다고 밝혔다.

가장 눈길을 끄는 결과는 '경력 기울기의 역전'이다. 자동완성은 경력이 길수록 제안을 덜 받아들였는데, 에이전트는 경력이 길수록 결과를 더 많이 수용했고 첫 메시지에서 계획을 세우는 비율이 높으며 코드베이스에 대한 질문은 적었다. 청중에서 '경력자는 원래 계획하는 직무 아니냐', '그냥 대충 승인하는 것 아니냐'는 반론이 나오자, 발표자는 업무 분포가 경력에 따라 크게 다르지 않고 같은 사람들이 자동완성은 오히려 덜 받아들인다는 점을 들며 다만 결정적 증거는 아니라고 선을 그었다. 산출 측면에서는 에이전트 출시를 사건으로 본 이벤트 스터디에서 주간 머지 건수가 39% 늘었고, 단기적으로 버그 수정률이나 되돌림 비율은 증가하지 않았지만 장기 코드 품질은 측정 범위 밖이라는 단서를 달았다.

두 번째 연구 '지능의 수익률'은 모델이 좋아질 때 사용량이 어떻게 반응하는지를 본다. AI 인프라 지출이 2028년 1조 달러에 근접할 것으로 예상되는 만큼 투자 회수가 하류 수요의 반응에 달려 있기 때문인데, 2025년 말 모델 개선 이후 사용량은 전년 대비 약 44% 늘었고 시간이 갈수록 고복잡도 작업의 증가폭이 가장 컸다. 증가는 규모가 작고 비상장이며 업력이 짧은 기업, 그리고 UI·스타일링보다 아키텍처·데브옵스 작업에서 컸다. 세 번째는 논문이 아니라 '경제학으로서의 사후학습'이라는 연구 의제로, 조직의 장기 목표와 짧은 호흡의 보상이 어긋나는 문제나 모델 출력이 다시 학습 데이터가 되는 내생성처럼 경제학의 오랜 주제와 겹치는 지점을 동료 연구자들에게 제안했다.

주요 인사이트

• 'AI가 생산성을 얼마나 올리는가'라는 질문은 도구의 종류와 사용자의 유형을 조건에 넣지 않으면 답이 갈릴 수밖에 없다. 자동완성 연구에서 신입이 더 이득을 본다는 결과와 에이전트에서 경력자가 앞선다는 결과는 서로 모순이 아니라 다른 도구에 대한 이야기다.
• 에이전트가 구현 비용을 낮추면서 일의 무게중심이 '무엇을 원하는지 명확히 말하기'와 '결과를 판단하기'로 옮겨간다. 사람에게 남는 역할이 더 추상적인 층위로 올라간다는 뜻이다.
• 코딩이 특별한 영역이라기보다 먼저 도달한 영역일 가능성이 크다. 발표자는 의도를 결과로 옮길 때 적용되는 '구문적 규칙성'이 강한 분야로 수학·회계·계약법을 후보로 꼽았다.
• 에이전트는 모델이라는 두뇌에 코드베이스를 읽는 눈과 편집하는 손을 붙인 보완 투자에 가깝다. 같은 모델이라도 스캐폴드가 갖춰진 뒤에 효과가 크게 나타난 이유가 여기에 있다.
• 추론 수요에서는 제번스 역설과 유사한 반등이 보이지만, 노동 수요에서도 같은 일이 벌어질지에 대한 증거는 아직 없다는 것이 발표자의 솔직한 답이다.

자주 묻는 질문

관련 AI 소식