코드베이스도 '파이프처럼' 낡는다, AI는 악화만 시킨다

핵심 요약

• 디코히어런스는 지역적으로 유효하지만 서로 양립 불가능하거나 중복된 모델들이 누적되어 변경 비용이 모델 간 번역과 부작용 방지로 지배당하는 상태를 설명한다.
• 시스템 변경 속도에 비례하여 증가하며, 시스템이 이미 디코히어런트할수록 지수적으로 증가한다.
• 현재 AI의 광범위한 사용으로 인해 지속 불가능한 속도로 발생하고 있다.
• 가장 좋은 소식은 재귀적 자가 개선의 가능성을 배제한다는 것이며, 최악의 소식은 '디코히어런스 붕괴'라는 다른 종류의 재앙을 초래한다는 것이다.
• 파이프 교체 사례처럼, 한 번에 모든 걸 바꾸는 것(비싸지만 완료)과 필요할 때만 바꾸는 것(비용 분산하지만 복잡성 증가)이 있다.
• 필요할 때만 교체하면 패치가 누적되어 어떤 변경이 다른 곳에 영향을 미칠지 예측하기 어려워진다.
• 소프트웨어는 눈에 보이지 않아서 관리자에게 기술 부채를 설명하기 어렵고, 속도 압박으로 인해 엔지니어는 충분한 분석 없이 급하게 마친다.
• 여러 시스템을 섞으면서 패치할 때마다 복잡도가 조합론적으로 폭발하며, 결국 가장 우수한 엔지니어도 미로 같은 코드베이스를 안전하게 탐색할 수 없게 된다.
• 에이전트는 연속 작업이 가능하지만, 복잡도가 지수적으로 증가하면 더 많은 컴퓨팅 자원을 투입해도 근본적인 해결이 되지 않는다.
• 시뮬레이션 결과, 개발자의 일관성 요소가 낮을수록 빨리 작업하지만 복잡도를 증가시키고, 높을수록 느리지만 복잡도를 줄인다.
• 하버드 연구(718개 사 사례)는 코딩 에이전트 도입으로 코드는 30% 증가했으나 완성된 작업은 증가하지 않았으며, PR 검토 시간이 49% 늘었다.
• 카네기멜론 연구는 오픈소스 프로젝트에서 Cursor 도입 후 단기 속도 증가 후 감소했으며 코드 복잡도는 지속적으로 증가했다고 밝혔다.
• 30만 개 이상의 AI 작성 커밋 분석에서 약 1/11~1/7이 품질 문제를 일으켰고, 그 중 약 1/4이 여전히 코드에 남아있다.
• 산업혁명의 직조기 사례는 코드에 직접 적용되지 않는다. 코드는 생산품이 아니라 생산기계이며, AI가 생산기계를 설계하는 기계가 되려면 격리 상태에서 자체 교육 데이터를 만들어야 한다.
• 데이터 병목은 AI가 인간 수준의 한계에 도달한 후 진행을 둔화시킬 것이며, 기존 기술 특이점 논리는 'Software Intelligence Explosion'이 가능하다고 가정하지만 이는 아직 입증되지 않았다.