Cursor 개발자 습관 리포트: AI 코딩은 어디까지 바뀌었나

Cursor 개발자 습관 리포트: AI 코딩은 어디까지 바뀌었나

AI 뉴스 썸네일

출처: Cursor Developer Habits Report

AI 코딩 도구를 쓰면 개발 속도가 빨라진다는 말은 이제 새롭지 않아요. Cursor가 공개한 2026년 봄 개발자 습관 리포트에서 더 눈에 걸리는 건 다른 쪽이에요. 개발자는 더 많은 코드를 만들고 있고, PR은 더 커지고 있고, 잘 쓰는 사람과 그렇지 않은 사람의 차이는 꽤 빠르게 벌어지고 있어요. 1

핵심 요약

구분	원문에서 보이는 숫자	읽어야 할 포인트
개발자당 주간 추가 코드	3.6K → 8.6K lines/dev/wk	1년 반 만에 코드 추가량이 2배 넘게 늘었어요.
PR당 추가 라인 p75	125.86 → 345.02	한 번에 올리는 변경 덩어리가 훨씬 커졌어요.
1,000줄 이상 merged PR	8.0% → 13.8%	큰 PR이 예외가 아니라 점점 흔한 일이 되고 있어요.
평균 도구 호출/session	113.63 → 145.08	에이전트가 더 오래 읽고, 찾고, 실행해요.
accepted AI line 생존율	76.6% → 80.6%	AI가 만든 코드가 곧바로 지워지는 비율은 줄고 있어요.
input/output token ratio	4.52× → 11.41×	쓰기보다 읽기에 훨씬 많은 토큰을 쓰고 있어요.

좋게 보면 개발자가 더 큰 일을 맡길 수 있게 됐다는 뜻이에요. 나쁘게 보면 리뷰어가 감당해야 할 덩어리도 같이 커졌다는 뜻이고요. “AI가 코드를 많이 써준다”보다 “그 코드를 사람이 어떻게 통제할 거냐”가 더 중요해졌어요.

1. Cursor 개발자 습관 리포트가 말하는 변화

Cursor 원문 차트: 개발자당 주간 추가 코드 추이

출처: Cursor Developer Habits Report

개발자당 주간 추가 코드는 2025년 초 3.6K에서 2026년 5월 8.6K까지 올라갔어요. 꽤 큰 차이예요. 다만 이 숫자를 생산성 그 자체로 읽으면 위험해요. 코드 라인은 성과가 아니라 흔적에 가까워요. 좋은 코드도 한 줄이고, 나중에 지워질 코드도 한 줄이에요.

Cursor 원문 차트: PR당 추가 라인 p75 추이

출처: Cursor Developer Habits Report

PR 크기 변화가 더 실무적으로 와닿아요. PR당 추가 라인 p75는 125.86에서 345.02로 늘었고, 1,000줄 이상 merged PR 비중도 8.0%에서 13.8%로 올라갔어요. AI가 큰 변경을 한 번에 밀어 넣기 쉬워질수록 리뷰는 더 까다로워져요. “테스트 돌렸어요” 한마디로는 부족해지고, 왜 이렇게 바꿨는지와 어디까지 되돌릴 수 있는지가 중요해져요.

모델 비용도 무시하기 어려워요. Cursor 리포트에서 agent request 평균 비용은 opus 4.7이 $1.57, composer 2.5가 $0.18로 나와요. 요청당 비용만 보면 거의 9배 차이예요. accepted added line 기준으로 보면 간격이 줄지만, 그래도 어떤 모델을 어디에 붙일지는 곧 제품 원가 문제가 돼요.

Cursor 원문 차트: 모델별 agent request 평균 비용

출처: Cursor Developer Habits Report

상위 사용자 쏠림도 꽤 세요. Cursor는 AI lines, AI spend, token consumption의 Gini score를 각각 0.77, 0.75, 0.72로 제시했어요. 쉽게 말하면, AI 코딩 도구의 효과가 모두에게 똑같이 퍼지지 않는다는 뜻이에요. 도구를 켜 둔 사람과, 도구를 자기 작업 방식에 맞게 길들인 사람의 차이가 커지고 있어요.

Cursor 원문 차트: AI 사용량 누적 점유율과 Gini score

출처: Cursor Developer Habits Report

Cursor 원문 차트: input/output token ratio 추이

출처: Cursor Developer Habits Report

가장 볼 만한 숫자는 input/output token ratio예요. 2026년 1월 4.52×에서 5월 11.41×까지 올라갔어요. input token은 input-output token volume의 90% 이상을 차지했고요. 요즘 코딩 에이전트는 코드를 쓰기 전에 훨씬 많이 읽어요. 저장소 구조를 훑고, 파일을 열고, 검색하고, 실행 결과를 다시 읽어요. 결국 좋은 경험은 모델 이름 하나로 결정되지 않아요. 얼마나 정확히 읽고, 얼마나 덜 헛짚고, 이전 맥락을 얼마나 잘 재사용하느냐가 차이를 만들어요.

Cursor는 AI 코딩 도구가 개인 개발자 보조를 넘어 개발 과정 일부를 자동으로 맡는 쪽으로 간다고 봐요. 이건 “개발자가 사라진다”는 얘기와는 달라요. 반복 작업, 유지보수, 리팩터링처럼 귀찮고 큰 덩어리의 일이 점점 에이전트에게 넘어간다는 쪽에 가까워요.

왜 중요한가요

팀에서 AI 코딩 도구를 쓰고 있다면 이제 사용량만 보면 안 돼요. PR이 커지고 있다면 리뷰 시간이 늘었는지 봐야 해요. 코드 양이 늘었다면 버그와 롤백도 같이 봐야 해요. AI가 만든 코드가 60분 뒤에도 남아 있다는 숫자는 흥미롭지만, 그 코드가 3주 뒤 유지보수 비용을 만들지 않는지는 또 다른 문제예요. 1

개발자 개인에게는 더 단순해요. AI 코딩을 잘 쓰는 능력은 버튼이 아니라 습관이에요. 일을 작게 자르고, 필요한 파일을 보여주고, diff를 의심하고, 테스트로 확인하는 습관이 있어야 해요. 그냥 “알아서 고쳐줘”라고 던지면 가끔은 빨라져요. 자주 망가지기도 하고요.

개발 도구를 만드는 팀이라면 맥락 쪽을 봐야 해요. 모델 자체보다 저장소 이해, 검색, 캐시, 도구 실행, 리뷰 화면이 더 큰 차이를 만들 수 있어요. 사용자는 모델 이름을 기억하기 전에 “얘가 내 코드베이스를 제대로 알고 있나”를 먼저 느껴요.

기업에는 교육 문제가 남아요. 상위 사용자가 생산성을 크게 끌어올리는 동안 평균 사용자는 그대로일 수 있어요. 그러면 도구를 사는 것만으로는 부족해요. 좋은 작업 단위, 좋은 리뷰 규칙, 좋은 테스트 습관을 팀에 심어야 해요.

물론 이 데이터는 Cursor 사용자 기반에서 나온 숫자예요. 전체 개발 업계 평균이라고 보면 안 돼요. 그래도 방향은 꽤 분명해요. AI 코딩 경쟁은 “누가 더 많은 코드를 뽑나”에서 “누가 더 큰 작업을 안전하게 맡기나”로 옮겨가고 있어요.

참고 자료

1. The Cursor Developer Habits Report — Cursor
2. Cursor 공식 사이트 — Cursor