왜 AI가 디버깅을 20% 늦추는가

Source: Dev.to

Introduction

AI 코딩 어시스턴트는 자동 완성, 보일러플레이트 생성, 리팩터링 등으로 소프트웨어 작성 방식을 바꾸어 개발 속도를 그 어느 때보다 빠르게 만들었습니다.
하지만 디버깅에 관해서는 연구 그룹들이 직관에 반하는 효과를 발견했습니다: AI는 코드를 작성하는 속도를 높이지만… 버그를 고치는 속도는 늦춘다는 것입니다. 이는 추측이 아니라 METR, Microsoft Research, Google의 개발자 연구 데이터에 나타난 현상입니다. 그 설명은 디버깅이 실제로 어떻게 작동하는지에 대한 근본적인 사실을 드러냅니다.

METR Study (2025)

METR의 2025년 연구는 대규모 코드베이스에서 실제 GitHub 이슈를 해결하는 전문 개발자들을 조사했습니다.

Key findings

• Coding time: 감소
• Debugging time: 약 20% 증가

Why?

개발자들은 다음에 더 많은 시간을 소비했습니다:

• AI가 생성한 코드를 검토하는 시간
• 올바르게 보였지만 실제로는 논리 오류가 있는 코드를 찾는 시간
• 런타임 동작과 맞지 않는 수정 사항을 디버깅하는 시간
• 맞지 않는 패턴을 리팩터링하는 시간

Example cited by METR

// JavaScript
const filtered = items;

코드는 완벽해 보이지만 item.data가 null인 특정 경우에 즉시 실패합니다. 핵심은 AI가 런타임에서 실제로 일어난 일을 보지 못하고 정적 코드만 본다는 점입니다.

Microsoft Study

Microsoft는 200개의 실제 기업 버그에 AI 도구를 적용해 테스트했습니다.

Additional insight

• AI가 만든 수정 중 22%가 회귀를 일으켰습니다.
• 거의 모든 실패는 같은 이유로 거슬러 올라갑니다: LLM이 런타임 상태가 아닌 정적 텍스트만으로 동작을 추론했기 때문입니다.

Google Study

Google은 개발자들이 디버깅 중 AI를 어떻게 사용하는지 조사했습니다. 대부분의 시간은 버그를 고치는 것이 아니라 AI를 위해 상황을 재구성하는 데 사용되었습니다:

• 15% – 컨텍스트 설명
• 23% – DevTools에서 발생한 상황을 재현
• 18% – 작동하지 않은 AI 수정 시도
• 12% – 잘못된 패치를 되돌림

Overall: 디버깅 시간의 약 70%가 AI의 런타임 가시성 부족을 보완하는 데 사용되었습니다.

Runtime vs. Static Context

디버깅 시 개발자는 다음에 의존합니다:

• 실제 변수 값
• DOM 스냅샷
• 이벤트 시퀀스
• 네트워크 타이밍
• 컴포넌트 상태
• UI가 깨진 순간

AI 어시스턴스는 일반적으로 다음만 받습니다:

• 스택 트레이스
• 파일
• 오류 메시지
• 개발자가 입력한 컨텍스트

받지 못하는 것들:

• DOM
• 상태 히스토리
• 렌더 순서
• 해결되지 않은 프로미스
• 타이밍 엣지
• 사용자 입력 시퀀스
• 네트워크 조건

디버깅은 근본적으로 런타임 동작에 기반하지만, LLM은 정적 텍스트에 기반합니다. 이 불일치가 역설의 핵심입니다.

theORQL Team Perspective

theORQL에서 우리는 런타임‑인식 디버깅에 초점을 맞추고 있습니다. 특히 AI가 개발자가 DevTools에서 자동으로 얻는 컨텍스트 없이 왜 어려움을 겪는지를 이해하려고 합니다. 우리는 AI가 디버깅에 못한다고 주장하는 것이 아니라, 연구 결과가 보여주는 단순한 진실을 강조합니다: AI는 실제로 일어난 일을 볼 수 없기 때문에 디버깅이 부실합니다.

Dev.to에 최근 글을 올린 한 프론트엔드 개발자는 런타임 컨텍스트에 접근함으로써 디버깅 시간이 크게 줄었다고 했습니다(포스트 링크). 이 실제 경험은 연구 결과와 밀접하게 일치합니다—가시성이 차이를 만든다는 것이죠.

우리의 목표는 런타임 컨텍스트와 에디터 컨텍스트 사이의 간극을 메우는 도구를 탐구하는 것입니다. 디버깅 자체를 대체하려는 것이 아니라, 인간이 이미 활용하고 있는 상황 인식을 AI에게 제공하려는 것입니다.

Community Questions

• AI와 함께 디버깅이 느려지는 것을 경험한 적이 있나요?
• 버그를 고칠 때 “가시성 격차”를 느끼나요?
• 여러분이 생각하는 이상적인 디버깅 워크플로우는 어떤 모습인가요?

이 역설은 프론트엔드 코드를 작성하는 모든 사람에게 영향을 미칩니다. 디버깅이 AI와 점점 더 얽히게 되면서, 커뮤니티의 시각이 다음 십 년간 도구의 방향을 결정하게 될 것입니다.