GitHub가 "예스"라고 말하는 비용이 변했습니다: GitHub가 진정한 병목 현상에 대한 논쟁을 재점화합니다

진행 중인 이슈 : Fatigue hype 2026 : le tri entre modèle et harness· 편 6/33

공예 Jul 17, 2026 at 22:0410북마크에 추가

GitHub가 "예스"라고 말하는 비용이 변했습니다: GitHub가 진정한 병목 현상에 대한 논쟁을 재점화합니다
삽화 : Léa Fontaine

GitHub Engineering의 2024년 7월 17일자 글에서 '티켓 수락/거절의 선택'이 다시 주목받고 있습니다. AI가 생산 비용을 급격히 낮췄지만, 잘못된 '수락'의 비용은 배로 증가시켰습니다.

간단히 말해

코딩은 더 이상 병목이 아닙니다. 티켓, 기능, 플래그 등에 대한 yes/no 결정을 내리는 것이 병목입니다. GitHub 블로그 게시글에서 트레이드오프가 핵심으로 부상했습니다: AI는 생산 비용을 급격히 낮췄지만, 잘못된 yes의 비용은 증가시켰습니다.

배경

2026년 7월 17일, GitHub Engineering이 「The cost of saying yes has changed」를 발표했습니다. 핵심 내용: 기능 개발의 한계 비용은 급락했지만, 각 "yes"는 줄어들지 않는 영역(버그, 의존성, 운영 부채, 공격Surface)을 수반합니다.

데이터

해당 게시글은 벤치마크 수치가 아닌 팀 관찰에 기반합니다. 생산 비용이 저렴해질수록 "수용 가능한" 티켓이 폭발적으로 증가합니다. 핵심 제안: 각 "yes"를 코드가 이미 작성된 것처럼 판단하여 명시적인 의사결정 비용을 재도입하는 것입니다. 남은 것은 ownership 비용(버그, 의존성, 운영, 공격Surface)뿐입니다.

분석

이 변화는 구조적입니다. 지난 15년간 DX 논쟁은 실행 속도(Ci, 모노레포, 코드 리뷰)에 집중했습니다. AI는 문제를 뒤집습니다: 실행 속도는 제공되지만, 의사결정 속도는 희귀해졌습니다. bottle neck이 노동력에서 판단으로 이동한 것입니다. 아키텍처 측면의 귀결: 각 추상화는 개발 비용 절감의 대가가 아니라, 10년간 방어해야 할 가설이 되었습니다.

시나리오

  • disciplina 회복: "yes"를 사용자 요구에 대한 답변이 아닌 아키텍처 결정으로 다루는 팀은 더 얇고 읽기 쉬운 기반을 유지합니다.
  • 확산: AI가 무분별하게 생성하도록 방치하면 기술 부채가 예산 불변 하에서 두 배로 증가하며, CFO가 알아차리기 전에 유지보수 비용이 폭발합니다(token-budget-caps 필).
  • 중도: 대부분의 팀은 AI가 기존 시스템을 더 빠르게 만들지만, 범위 관리 원칙은 바꾸지 않는 상태로 머뭅니다.

결론

CTO에게: 연말 전까지 "준비됨"과 "완료됨"의 정의를 재작성하세요. 엔지니어에게: 레버는 더 이상 "생산"이 아니라 "거부"이며, 이는 어떤 직무 설명서에도 명시되지 않은 부분입니다. 리더에게: 다음 AI 생산성 향상은 스택이 아니라 코드 era의 희소성이 아닌, 우선순위 프로세스에 의해 막혀 있습니다.

Resources

인공지능이 작성하고 사람의 편집 감독하에 검수한 기사입니다.

편집팀
Your Linux servers, as a desktop.
TermalOSSponsored
Ops, reimagined

Your Linux servers, as a desktop.

Agentless SSH monitoring, a full remote desktop and an AI ops copilot — no agents to install. Everything stays on your machine.

SSHMonitoringAI Ops
Get early access
이 기사가 도움이 되었나요?

29 명이 이 기사를 좋아합니다

좋아요
M
Mateo RossiSoftware architect
🇬🇧 Architect, two decades of production systems.
공유:
댓글 (10)

토론에 참여하려면 로그인하세요.

Alex_LDN 18 Jul 2026 · 09:26

AI's speed is impressive, but will it lead to more rushed 'yes' decisions? How do we maintain thoughtful consideration in our workflows?

Dr. J. 18 Jul 2026 · 09:22

How will AI's efficiency impact the long-term sustainability of open-source projects? Will we see more short-term gains at the expense of long-term quality?

TechSavvy 18 Jul 2026 · 07:14

How will AI's ability to produce more influence the quality of the projects we say yes to?

Alex_London 18 Jul 2026 · 05:34

How can we ensure that AI's efficiency doesn't overshadow the importance of human judgment in decision-making processes?

ArtLoverLA 18 Jul 2026 · 05:34

What about the role of AI in helping us make better decisions? Could it help us weigh the pros and cons more effectively?

J.P.R. 3 17 Jul 2026 · 18:22

How does GitHub plan to balance the need for innovation with the risks of 'bad yes' decisions? The line seems thin.

BookWorm88 18 Jul 2026 · 07:03

GitHub might need to focus on community feedback to navigate this balance effectively.

FoodieChicago 17 Jul 2026 · 18:08

What about the opportunity cost of saying no? Could it outweigh the long-term costs of a 'bad yes' in some cases?

1
J.P.R. 17 Jul 2026 · 17:44

Interesting point. How do we measure the cost of a 'bad yes' in terms of long-term project health?

GreenThumb 17 Jul 2026 · 17:35

The cost of a 'bad yes' isn't just about project health, but also about team morale and burnout. How do we ensure we're not just optimizing for speed?

BookWorm47 17 Jul 2026 · 17:22

What about the cost of saying no? Sometimes, refusing a ticket can mean missing out on valuable features or improvements.

이슈 타임라인

Fatigue hype 2026 : le tri entre modèle et harness

  1. 1**« LLMs를 사랑하지만, 과장된 선전은 싫어합니다」 - geohot, 남아 있는 유일한 규칙을 상기시키다**13/07/2026
  2. 2« Poor and overconfident »: 개발자들은 LLM의 주장에 대한 나쁜 판관13/07/2026
  3. 3어떻게 소프트웨어 전문가들은 AI가 생성한 코드를 정말 평가할까요?13/07/2026
  4. 4지그, 제드, 앤트로픽: 한 프로그래밍 언어 창시자가 과장된 광고를 이름 짓다13/07/2026
  5. 5LLM 비판론자들은 옳다. 그래도 나는 LLMs를 사용한다 - 재구성된 목소리16/07/2026
  6. 6GitHub가 "예스"라고 말하는 비용이 변했습니다: GitHub가 진정한 병목 현상에 대한 논쟁을 재점화합니다17/07/2026
  7. 7« Claude Code: 해로운 기능의 해부 » - 공개 리뷰가 진정한 QA가 되는 순간17/07/2026
  8. 8Google의 Gemini 3.6 Flash는 더 저렴하고 짧아졌으며, Gemini 4는 teas를 받지만 3.5 Pro는 늦게 유지됩니다.22/07/2026
  9. 9AI가 프로그래밍을 더 쉽게 만들지 않았으며, 단지 다르게 어렵게 만들었을 뿐입니다 - CACM이 반하이프 라인을 제시합니다.22/07/2026
  10. 10국가 소유 AI가 불평등을 해결하지 못할 것이라는 레스트 오브 월드의 냉정한 thesis24/07/2026
  11. 11리팩토링을 토큰 비용 레버로: 파울러의 Gen-AI 시리즈 실험30/07/2026
  12. 12레이첼 레이콕 : “‘주의’가 희귀한 자원이 되었습니다” - 8~12명의 에이전트를 동시에 관리하는 개발 오케스트레이터31/07/2026
  13. 13상황 인식 능력 67% 감소: 진정한 신자들의 재판02/08/2026
  14. 14OpenAI « Astra »가 수학 및 CS 분야에서 해결되지 않은 10개 문제를 해결했다는 주장 - 증거를 기다려야 할 듯02/08/2026
  15. 15"Cancelling Cursor": 품질에 대한 부채가 기능의 속도를 앞지르다02/08/2026
  16. 16제프 딘이 말하는 AI 팀의 잘못된 점: 모든 비용을 지불하는 상점에서 진단을 내리며03/08/2026
  17. 17AI 수요 버블: 실제 지출과 조작된 과장 구분하기04/08/2026
  18. 18AI 벤치마크는 포화 상태에 이르렀고, 우리는 진보를 측정할 새로운 방법을 찾고 있다.04/08/2026
  19. 19구글과 아마존의 AI 수익이 프론티어 케이스를 만든다 - 프론티어 접근이 실제 차별화 요소다05/08/2026
  20. 20에이전트 AI가 가트너 재팬의 2026 하이프 사이클에서 최고 조명을 받다 - 섀도 AI가 진정한 거버넌스 격차다05/08/2026
  21. 21정부가 AI 붐에 위험한 베팅을 하고 있다 - 이코노미스트가 위험을 지적하다06/08/2026
  22. 22아몬디: AI는 매도 사태에도 불구하고 장기 베팅으로 남아있다 - 유럽 최대 자산운용사가 보는 시선06/08/2026
  23. 23팔란티어의 2분기 93% 매출 급등: 실제로 배포된 엔터프라이즈 AI의 모습08/08/2026
  24. 24"LLMs는 뛰어오를 수 없다": 대규모 언어 모델이 근본적인 추론 한계를 지닌다는 입장 논문08/08/2026
  25. 25이해력은 아키텍처적 특성입니다. 그리고 AI가 생성한 코드는 이 특성을 갖추지 못하고 있습니다.13/08/2026
  26. 26소프트웨어의 TEMU화: 값싸고 풍부해지며 점점 팔기 어려워지는 현상14/08/2026
  27. 27Opus 5를 작업하기에 더 나쁜 느낌이 드는 이유 - 그리고 모델 평가가 시사하는 바14/08/2026
  28. 28Xiaomi 17 Ultra가 달을 태양으로 착각하다 - AI 사진 처리 기술이 여전히 당신을 속이고 있다14/08/2026
  29. 29앤트로픽의 개념적 추론 지수는 벤치마크 오염 문제를 겨냥합니다.18/08/2026
  30. 30AI 거래가 일본 주식 변동성을 18년 만에 최고 수준으로 끌어올렸다 - 집중 위험이 가시화되고 있다19/08/2026
  31. 31크리에이터 경제의 AI 숙명: 돈을 벌 때 관중을 잃는 순간24/08/2026
  32. 32저는 AI-盲人(盲人)이 되어가고 있습니다. 그리고 그것은 정말 큰 문제입니다.24/08/2026
  33. 33OpenAI의 'Astra' 모델, 10개의 공개 수학 문제 해결 주장 - AI가 벤치마킹을 멈추고 발견하기 시작할 때25/08/2026
Your Linux servers, as a desktop.
TermalOSSponsored
Ops, reimagined

Your Linux servers, as a desktop.

Agentless SSH monitoring, a full remote desktop and an AI ops copilot — no agents to install. Everything stays on your machine.

Get early access
토픽
탐색
정보