Linear 데이터로 본 소프트웨어 팀의 AI 사용 패턴

Linear 데이터로 본 소프트웨어 팀의 AI 사용 패턴

AI 뉴스 썸네일

AI가 소프트웨어 팀의 시간을 아껴 줬는지 묻는다면 Linear의 답은 조금 복잡해요. AI 사용과 Pull Request 수는 빠르게 늘었지만, 이슈 작성과 댓글 같은 기존 업무는 줄지 않았어요. AI가 일을 덜어 주기보다 팀이 처리하는 개발 활동의 범위를 넓힌 모습에 가까워요. 2

핵심 요약

구분	확인된 변화	읽을 때 주의할 점
AI 도입	2026년 1월부터 6월까지 모든 직군에서 AI 기능 사용률이 2배 이상 늘었어요	Linear 유료 고객의 서비스 내 활동을 분석한 결과예요
업무 시간	AI 채팅과 작업 위임이 새로 생겼지만 기존 이슈 관리와 기획 업무는 대부분 줄지 않았어요	회사 전체 근무시간이나 Linear 밖의 AI 사용은 포함하지 않아요
이슈 생성	Linear에서 AI가 작성한 이슈 비중이 2년 전 0.1% 미만에서 절반 가까이로 늘었어요	가져온 이슈는 빠지고, 사람과 통합 기능의 생성량을 합친 값과 비교해요
코드 기여	PR을 첨부한 제품 직군 비율은 3%에서 10%, 디자인 직군은 1%에서 8%로 올랐어요	Linear에 연결된 저장소의 PR만 집계해요
개발 산출량	유료 워크스페이스당 주간 PR 개수는 2024년 6월 기준보다 111% 늘었어요	열린 PR 수는 코드 품질이나 사업 성과를 뜻하지 않아요

1. AI가 시간을 줄이기보다 개발 활동을 넓혔어요

Linear는 매일 소프트웨어를 만드는 수만 개 팀의 6년간 활동을 분석했어요. 모델 토큰이나 코드 줄 수 대신 첫 이슈가 생기고 이를 닫는 PR이 연결되기까지의 제품 개발 흐름을 살폈어요. 다만 Linear 안에서 보이는 활동만 다뤄요. 전체 소프트웨어 시장의 AI 사용률로 넓혀 읽으면 안 돼요. 2

도입 속도는 직군을 가리지 않았어요. 2026년 1월과 6월에 모두 활동한 유료 사용자 12만 7,000명을 비교하니 최근 30일 안에 Linear AI 기능을 쓴 비율이 모든 직군에서 2배 이상 늘었어요. 제품 직군은 12%에서 34%, 엔지니어링은 12%에서 30%로 올랐어요. 디자인은 6%에서 22%, 시장 진출 직군은 5%에서 18%로 늘었어요.

728x90

조직 규모에 따른 차이도 작았어요. 직원 1~50명 기업은 8%에서 23%, 1,001명 이상 기업은 8%에서 25%로 올랐어요. 이 비교에는 회사 규모가 확인되고 두 시점에 모두 활동한 유료 사용자 19만 9,000명이 들어갔어요. 경영진의 직접 사용도 늘었어요. 직원 201명 이상 기업의 CEO 사용률은 9%에서 36%로 상승했어요.

AI가 늘어난 자리를 기존 업무가 비워 주지는 않았어요. 2025년 6월과 2026년 6월을 비교하면 이슈 생성, 분류, 할당, 업데이트, 댓글에 쓰는 시간은 대체로 유지되거나 늘었어요. 제품 직군의 고객 요청, 문서, 프로젝트 기획 시간도 큰 변화가 없었어요. 그 위에 AI 채팅과 코딩 에이전트에 이슈를 맡기는 시간이 새로 붙었어요.

이 변화는 "AI를 쓰면 곧바로 여유 시간이 생긴다"라는 설명과 거리가 있어요. 팀이 더 많은 일을 시작하면 이슈를 설명하고 우선순위를 맞추는 조율도 함께 늘어요. 에이전트가 작업하려면 요구사항과 완료 조건을 더 명확하게 적어야 하니, 이슈 관리가 오히려 중요한 입력이 될 수 있어요.

AI가 작성한 이슈의 증가 폭은 더 커요. 2년 전에는 AI가 만든 이슈가 1,000건당 1건도 되지 않았어요. 2026년에는 Linear에서 새로 만들어지는 이슈 중 절반에 가까운 수를 에이전트와 MCP 클라이언트가 작성해요. 2026년 8월 3일이 포함된 주에는 AI가 약 243만 5,000건을 만들었고, 사람과 통합 기능은 약 248만 1,000건을 만들었어요. 2026년 수치만 놓고 보면 AI는 업무 문서를 읽는 도구에서 직접 작성하는 도구로 빠르게 이동했어요. 1

코드를 다루는 직군의 경계도 달라졌어요. 최근 30일 안에 연결된 PR을 첨부한 제품 직군 사용자는 2024년 6월 3%에서 2026년 6월 10%로 늘었어요. 디자인 직군은 1%에서 8%, 창업자는 11%에서 23%로 올랐어요. 엔지니어링도 20%에서 34%로 증가했어요. 기획이나 디자인을 맡던 사람이 작은 변경을 직접 구현하는 사례가 늘었다고 볼 수 있어요. 다만 연결되지 않은 저장소의 활동은 빠지므로 정확한 시장 비율은 알 수 없어요.

산출량 지표도 뚜렷하게 움직였어요. 유료 워크스페이스가 한 주에 연 PR 수는 2024년 6월 기준보다 111% 늘었어요. 코딩 에이전트를 연결한 팀은 주당 21개에서 65개로 증가했지만, 연결하지 않은 팀은 8개에서 10개로 늘었어요. 에이전트 연결 팀은 2024년에도 원래 PR이 많았어요. 두 집단의 절대 수치를 그대로 비교해 에이전트 효과라고 결론 내리기는 어려워요.

Linear도 열린 PR 수가 가치나 품질을 증명하지 않는다고 밝혀요. PR이 많아져도 병합되지 않을 수 있고, 작은 수정이 여러 건으로 나뉠 수도 있어요. 매출, 사용자 만족도, 장애율, 유지보수 비용도 이 분석에는 없어요. 확인할 수 있는 것은 AI 도입과 개발 활동량이 같은 시기에 빠르게 늘었다는 상관관계예요.

왜 중요한가요

AI 도구를 평가할 때 작성한 코드 줄 수나 완료한 작업 개수만 보면 팀에 새로 생긴 조율 비용을 놓치기 쉬워요. 이슈 작성 시간과 댓글 시간이 함께 늘었다면 개발 속도뿐 아니라 요구사항 정리, 리뷰 대기, 재작업 비율도 봐야 해요. 팀은 Linear가 공개한 항목을 참고해 도입 전후 측정 기준을 다시 잡을 수 있어요. 2

제품과 디자인 직군의 PR 참여 증가는 역할 분담에도 영향을 줘요. 작은 UI 수정이나 실험 코드를 담당자가 직접 만들 수 있으면 전달 단계가 줄어들 수 있어요. 반대로 코드 소유권, 테스트 책임, 리뷰 기준이 모호하면 엔지니어의 검토 부담이 커질 수 있어요. 비개발자의 PR 수만 세기보다 병합률과 수정 요청 횟수, 배포 뒤 결함까지 함께 보는 편이 정확해요.

코딩 에이전트를 도입한 팀은 작업량을 늘릴 준비도 해야 해요. 이슈와 PR이 3배 가까이 늘면 리뷰 인력과 CI 비용, 릴리스 관리가 병목이 될 수 있어요. 도입 전후를 비교할 때는 PR 개수와 함께 리드타임, 변경 실패율, 장애 복구 시간, 실제 사용된 기능 비율을 묶어 측정해야 해요.

이번 분석만으로 AI가 소프트웨어 팀을 얼마나 효율적으로 만들었는지 판단할 수는 없어요. Linear에서는 AI 사용이 기존 업무를 없애지 않은 채 새 작업과 더 많은 산출량을 얹는 패턴이 나타났어요. 팀은 절약한 시간보다 늘어난 처리량이 고객 가치로 이어졌는지 확인해야 해요.

참고 자료

1. 소프트웨어 팀의 AI 사용 패턴 — GeekNews
2. AI usage patterns in software teams — Linear