의견

Postgres 19 지연, AI 코딩이 배포를 늦추는 이유

AI 보조 개발으로 코드 생산량이 늘면서审查·테스트·수정·유지보수 비용이 함께 증가해 Postgres 19 공개가 늦어질 수 있다는 지적을 분석합니다. 실제 병목과 AI의 영향 범위를 구분하고, 더 안정적인 개발 워크플로를 제안합니다.

글자 크기

Postgres 19 공개가 연기됐다. Brent H. Haas/problems blogger는 AI 보조 개발으로 코드 생산량이 늘어나면서 발견되는 결함도 증가했고, 그 결과 Postgres 19가 예정된 일정에 공개하지 못하게 됐다는 점을 목표로 삼았다. 글에서는 AI가 코드를 생성하고 검토하며 테스트하고 수정하고 유지보수하는 과정의 비용이 어떻게 이어지는지를 분석한다. 다만 이 판단을 뒷받침할 데이터는 아직 더 필요하다.

AI가 늘어난 것은 무엇인가

먼저 ‘AI가 만든 코드라서 품질이 나쁘다’처럼 지나치게 단순한 결론은 빼야 한다.

AI 보조 개발이 바꾸는 것은 우선 산출물이다. 요구사항을 나누면 Agent는样板 코드,适配 계층, 테스트 뼈대와 반복적인 수정을 빠르게 생성할 수 있다. 그러면 커밋 수는 늘고 diff는 커지며 기능 브랜치도 계속 증가한다.

실제로 길어지는 것은 변경 이후에 처리해야 할 작업 대기열이다.

예전에는 어떤 기능을 반나절에 구현했지만 검토와 테스트에 쓰는 시간은 대체로 정해져 있었다. 이제는 같은 요구사항에 대해 두 시간 만에 실행 가능한 버전이 나오더라도 그 뒤에 여러 질문이 남는다.

  • 추가로 어떤 경계 조건을 검증해야 하는가
  • 어떤 호환성 위험을 확인해야 하는가
  • 생성된 코드를 얼마나 직접 확인해야 하는가
  • 실패한 테스트를 누가 수정하는가
  • 이후 버전을 누가 유지보수하는가

AI는 엔지니어링 업무를 없앤 것이 아니다. 일부 업무를 ‘구현’에서 ‘검증’으로 옮겼을 뿐이다. 검증 능력이 함께 늘지 않으면 대기열은 계속 쌓인다.

핵심은 ‘AI가 종垃圾 코드를制造한다’는 것이 아니다. AI 보조 개발은 코드 생산량을 높이면서 검토, 테스트, 유지보수해야 할 작업량도 늘린다. 이는 단순한 품질 저하가 아니라 처리량 확대 효과다.

Postgres의 병목이 바뀌었다

일반적인 애플리케이션과 데이터베이스는 같은 종류의 프로젝트가 아니다.

애플리케이션은 필요한 경우 이전 버전으로 되돌릴 수 있고 사용자 일부에만 새 버전을 배포할 수도 있다. Postgres는 업그레이드 경로, 기존 확장, 드라이버 호환성, 복제 동작, 동시성 의미, 여러 메이저 버전을 장기간 지원하는 문제와 함께 맞닥뜨려야 한다.

국소적으로 보인 변경 하나가 영향을 미칠 수 있는 범위는 다음과 같다.

  • 기존 SQL의 실행 결과
  • 트랜잭션 격리와 잠금 동작
  • VACUUM, 복제, 백업 절차
  • 서드파티 확장이 의존하는 내부 인터페이스
  • 사용자가 업그레이드할 때 발생하는 전환 비용

따라서 Postgres 19 공개 기준은 ‘새 기능이얼마나 구현됐는가’만으로 판단할 수 없다. 공개 후보 버전에 얼마나 많고, 얼마나 어려운, 얼마나 숨겨진 결함이 남아 있는지도 봐야 한다.

여기서 중요한 것은 작성된 코드 수가 아니라 변경의 반경이다. AI는 변경 범위를 빠르게 넓히는 데 능하지만, 범위가 넓어질수록 위험도 함께 커진다.

Postgres 공개 연기 사례는 프로젝트의 병목이 바뀌었다는 사실을 보여 준다. 병목은 기능 구현에서 결함 수정과 품질 관리로 이동했다.

Bug가 늘었다고 코드가 나빠진 것은 아니다

‘발견된 bug가 더 많다’는 말을 ‘생성된 코드 품질이 갑자기 나빠졌다’는 뜻으로 오해하기 쉽다.

둘은 별개다.

어떤 버전에 결함이 100개 있다고 가정하자. AI가 등장하기 전에도 팀은 가장 흔한 사용 경로만 테스트해 최종적으로 30건의 제보를 받을 수 있었다. AI로 코드량과 변경 범위가 늘고 테스트 범위도 넓어지면 80건의 제보를 받게 될 수도 있다.

80건이 반드시 30건보다 나쁜 것은 아니다.

새로 늘어난 50건이 더 깊은 동시성 테스트, 전환 테스트, 예외 경로 테스트에서 나온 것이라면 보고서가 늘었다는 사실은 오히려 결함이 더 일찍 드러났다는 뜻이다. 진짜 주목해야 할 대상은 다음과 같다.

  • 공개 후보 버전에 남아 있는 고심각도 문제 수
  • 결함을 발견한 뒤 수정하기까지 걸리는 시간
  • 수정이 회귀를 만들지 않는지 여부
  • 팀에 누적된 결함을 처리할 인력이 충분한지 여부

따라서 AI 개발을 평가할 때 bug 수만 세거나 커밋 수, 생성 라인 수, 기능 완료율만 봐서는 안 된다.

더 유용한 지표는 ‘유효 전달 속도’다.

text
유효 전달 속도 = 검수를 통과해 안전하게 공개할 수 있는 기능 수 / 소요 주기

AI 덕분에 기능 구현이 3일에서 1일로 줄었지만 review에 2일, 테스트에 3일, 수정에 4일이 걸렸다면 개선된 것은 코드 생성 속도이지 전달 속도가 아니다.

Review가 새로운 병목이 됐다

AI 생성 코드가 review에 미치는 영향은 코드 라인 수가 늘었다는 데서 끝나지 않는다.

사람이 직접 하는 review는 대체로 ‘코드가 의도한 일을 하는지’ 확인하는 데 적합하다. 구조는 비슷하면서 세부 내용이 불확실한 생성 코드가 대량으로 등장하면 검토자는 금세 집중력을 잃기 쉽다. review는 다음처럼 퇴화할 수 있다.

  1. diff가 올바른 코드처럼 보이는지 확인한다.
  2. 테스트를 한 번 돌린다.
  3. 눈에 띄는 보안 문제 몇 가지를 확인한다.
  4. Agent의 설명을 믿는다.

문제는 ‘올바르게 보이는 코드’와 ‘동작이 실제로 올바른 코드’가 같지 않다는 데 있다.

CI도 부담을 받는다. 생성 코드는 대개 테스트, 설정, 조합 분기도 더 많이 만든다. 테스트 스위트가 길어지면 개발자는 전체 테스트를 건너뛰게 되고 로컬 피드백은 느려지며 CI 대기열이 쌓이기 시작한다.

더 숨어 있는 비용은 유지보수 단계에서 발생한다. AI가 500줄을 한 번에 생성하는 것은 어렵지 않지만,半年 후 주변 로직을 수정할 때 팀은 여전히 그 500줄을 이해해야 한다. 생성 비용이 줄었다고 이해 비용이 사라진 것은 아니다.

더 신뢰할 수 있는 엔지니어링 흐름은 AI가 범위가 명확하고 검증하기 쉬운 작업을 우선 맡도록 하는 것이다.

  • 기존 API를 바탕으로 호출 코드 생성
  • 실패 경로에 대한 테스트 보완
  • 정적 검사 실행과 명확한 오류 수정
  • 전환 전후 결과의 자동 비교
  • 고위험 변경을 독립적으로 되돌릴 수 있는 작은 커밋으로 분할

Agent가 핵심 실행 경로, 호환 계층, 테스트 기대값을 한꺼번에 수정하게 한 뒤 사람이 거대한 diff 하나를 검토하게 하는 방식은 피해야 한다.

HN에서 벌어진 318점 논쟁

원문 제목은 다음과 같다.

Postgres 19 is late and it’s AI’s fault

Hacker News 토론에는 318점과 212개의 댓글이 모였다. 쟁점은 AI로 늘어난 코드가 결함을 증가시킨 것인지, 기존 프로세스의 병목을 확대한 것인지에 집중됐다.

원문 주장에 동의한 사람들은 대체로 다음 논리를 제시했다.

  • AI가 더 많은 코드를 만들었다.
  • 코드가 늘면 review, 테스트, 유지보수도 늘어난다.
  • 프로젝트 관리 능력은 그대로인 반면 산출물만 늘어나 병목을 만든다.
  • Postgres처럼 위험도가 높은 소프트웨어에서는 국소적인 속도 향상이 의미가 없다.

반대로 ‘전부 AI 탓’이라고反对한 사람들도 나름의 근거를 Weston했다.

  • Postgres 공개 연기는 일정, 기여자 역할 분담, 테스트 시기의 조합이 함께 작용했을 수 있다.
  • bug가 늘어난 것은 코드가 나빠져서가 아니라 테스트가 강해진 결과일 수 있다.
  • AI는 기존 프로세스 문제를 확대했을 뿐이며 원인 분석을 대신할 수 없다.
  • 커밋, review, 결함 데이터를 비교하지 않은 상태에서는 인과관계가 여전히 추측에 불과하다.

다른 종류의 댓글은 AI 코드가 균일하게 나빠지는 것은 아니라고 지적한다. AI는样板 코드, 문서, 테스트 범위, 기계적인 전환 작업에서 효과적이다. 반면 동시성, 프로토콜 세부 사항, 보안 경계에서는 사람의 설계가 여전히 중요하다.

따라서 ‘Postgres 19 공개 연기 책임은 AI에 있다’는 말은 이미 증명된 인과 결론이라기보다 검증해야 할 가설에 가깝다.

원문 자료:

편집자 생각

이번 사례가 중요한 이유는 데이터베이스 버전 하나가 연기됐다는 데만 있지 않다. AI 개발에서 흔하게 나타나는 측정 오류를 드러냈기 때문이다. 팀은 생성 속도를 생산성으로, 커밋량을 진전으로, 통과한 단위 테스트를 공개 가능 상태로 착각한다. 병목이 review, 동시성 검증, 결함 수장으로 이동한 뒤에는 이런 지표들이 오히려 검증되지 않은 변경 범위를 키우도록jom보한다.

앞으로 희소한 자원은 코드를 작성하는 능력이 아니라 코드를 검증하는 능력일 가능성이 크다. 실행 가능한 명세, 차등 테스트, 전환 재생, 정적 분석, 위험도에 따라 배분하는 review 시간은 생성 라인 수보다 전달 효율에 훨씬 가깝다. Postgres 19 사례에서 AI가 확대한 것은 독립적인 소도구 하나가 아니라 호환성, 동시성, 전환 비용이 모두 높은 핵심 시스템이다. 국소적인 생성이 아무리 빨라도 검증 비용이 diff보다 더 빠르게 증가하면 전체 주기는 길어질 수 있다.

다만 AI가 공개 연기에 얼마나 기여했는지는 아직 모른다. 318점과 212개의 댓글은 토론이 뜨거웠다는 사실만 보여 줄 뿐 인과관계가 성립한다는 증거는 아니다. 결론을 내리려면 버전별 커밋량, AI 보조 비율, 결함 수정 주기, CI 데이터를 최소한 비교해야 한다. 그전까지는 검증 가치가 있는 관리 가설에 더 가깝다.

출처: http://rhaas.blogspot.com/2026/10/postgres-19-is-late-and-its-ais-fault.html