AI 코딩 도구가 보편화된 지 2년, 한 가지 현상이 수면 위로 떠오르고 있다. 일부 팀에서는 코드 커밋량이 두 배로 늘었지만 제품 출시는 빨라지지 않았고 버그는 오히려 늘어났다.
TechCrunch는 최근 'Tokenmaxxing'이라는 용어를 보도했다. 이는 개발자들이 AI 도구의 토큰 예산을 일종의 지위 상징으로 여기기 시작하는 현상을 말한다. 토큰 할당량이 클수록 더 생산적이라고 생각하지만, 데이터는 다른 이야기를 말해준다.
토큰이 많을수록 코드는 더 빨리 삭제된다
숫자를 살펴보자.
- GitClear(2026년 1월): AI 도구를 사용하는 개발자의 코드 변동률(삭제·수정량/추가량)은 AI를 사용하지 않는 동료의 9.4배
- Faros AI(2026년 3월): 2년간의 고객 데이터를 분석한 결과, AI 채택률이 높은 경우 코드 변동률이 861% 증가
- Jellyfish(2026년 1분기): 토큰 예산이 가장 큰 엔지니어의 처리량은 평균의 2배였지만 비용은 10배에 달함
이는 AI 도구가 쓸모없다는 뜻이 아니다. '생산성 향상'으로 집계된 방대한 코드 중 상당수가 몇 주를 넘기지 못한다는 의미다.
80% 수락률 뒤에 숨은 진실
엔지니어는 평균적으로 AI 생성 코드의 80~90%를 수락한다. 이 수치는 매우 높아 보이며 많은 기업이 'AI ROI'의 핵심 지표로 사용한다.
하지만 Waydev의 CEO Alex Circei는 50개 이상 기업, 1만 명 이상의 엔지니어 데이터를 추적 분석하여 한 가지 패턴을 발견했다.
초기 수락률은 80~90%이지만, 몇 주 후에 다시 확인하면 실제로 남아 있는 코드는 10~30%에 불과하다.
즉, 엔지니어가 '수락'을 눌렀다고 해서 해당 코드가 실제로 유용하다는 의미는 아니다. AI가 생성한 대량의 코드는 후속 반복 작업에서 조용히 삭제되거나 다시 작성된다. 이러한 삭제 작업은 'AI가 나를 얼마나 시간을 절약해 주었는가'라는 보고서에 절대 집계되지 않는다.
토큰 예산이 KPI가 되었을 때
'Tokenmaxxing'이라는 용어의 등장은 AI 도구 채택이 기술적 문제에서 조직 관리 문제로 전환되었음을 시사한다.
엔지니어링 팀이 '월간 AI 토큰 소비량'을 성과 지표로 다루기 시작하면 문제가 발생한다. 엔지니어는 AI가 실제로 작성해야 할 코드를 신중하게 판단하는 대신, 작업량을 과시하기 위해 AI를 사용하여 대량의 코드를 생성하기 시작한다.
Atlassian이 개발자 분석 플랫폼 DX를 10억 달러에 인수한 것은 바로 이러한 트렌드를 인식했기 때문이다. 기업은 토큰 소비량으로 스스로를 속이는 것이 아니라 AI 투자의 진정한 ROI를 이해할 수 있는 도구를 필요로 한다.
생산성 병목 현상이 이동했다
AI 코딩 도구는 확실히 유용하다. McKinsey의 2026년 2월 연구에 따르면 AI 도구는 일상적인 코딩 작업 시간을 평균 46% 단축한다.
하지만 단축된 것은 코드를 '작성'하는 시간이지, '수정'하고 '삭제'하는 시간이 아니다.
Jellyfish 데이터에 따르면 엔지니어가 AI 코드를 검토하는 데 주당 11.4시간을 소비하는 반면, 새 코드를 작성하는 시간은 9.8시간에 불과하다. 이 비율은 2024년에는 반대였다.
코드 생성은 빨라졌지만 코드 검토가 새로운 병목 현상이 되었다. 속도를 품질로 착각하는 것, 이것이 Tokenmaxxing의 가장 핵심적인 오류다.
출처: CocoLoop, 'Tokenmaxxing' is making developers less productive than they think (TechCrunch)