Hacker News가 따져 본 “AI app boom은 실제로 어디에 보이느냐”

2026년 3월 24일, 200 points와 230 comments를 넘긴 Hacker News post는 최근 agent hype 아래 깔린 질문을 다시 꺼냈다. AI coding tool이 정말 2x, 10x, 심지어 100x 생산성을 만든다면, 왜 세상은 눈에 띄는 새 software로 넘쳐나지 않는가? 이 thread는 일화 대신 package-registry data로 그 질문에 답하려는 Answer.AI 글을 가리켰다.

글은 공개적이고 규모가 크며 꾸준히 측정되는 PyPI에서 출발한다. package creation 추이를 보면 ChatGPT 이후에 Cambrian explosion이라고 부를 만한 급증은 보이지 않는다고 저자들은 말한다. 새 package spike는 있지만, 그것도 durable software creation보다는 spam이나 malware flood의 흔적일 가능성이 크다고 본다. 이어서 저자들은 더 엄격한 proxy로 넘어간다. 2025년 12월 기준 가장 많이 다운로드된 Python package 15,000개를 birth year로 묶고, median release frequency를 추적한 것이다.

• ChatGPT 이후에 태어난 package는 오래된 cohort보다 첫해 update 빈도가 높아졌고, 2014 cohort의 6 releases/year에서 최근 cohort의 13 releases/year까지 올라갔다.
• 하지만 이런 완만한 상승은 2019년 무렵부터 시작되며, 글은 이를 LLM coding tool만큼이나 CI adoption과도 잘 맞는 흐름이라고 본다.
• 가장 큰 변화는 popular AI package에 집중되어 있다. 이들은 median 21-26 releases/year까지 뛰었지만, popular non-AI package는 10 안팎에 머물렀다.

이 차이가 HN discussion의 핵심이 됐다. 어떤 commenter는 빠진 output이 실제로 존재하며, 넓은 software economy에서는 아직도 눈에 보이는 AI dividend가 없다고 봤다. 반대로 다른 사람들은 AI-generated software가 이 분석이 잘 잡지 못하는 곳으로 흘러간다고 반박했다. local one-off tool, personal automation, Show HN project, PyPI에 아예 올리지 않는 self-hosted utility가 그 예다. 결국 논쟁은 생산성만의 문제가 아니다. output을 어디서 봐야 하는지, 그리고 무엇을 “real” app이라고 부를지에 대한 문제다.

가장 유용한 지점은 이 글이 “AI가 아무것도 안 한다”고 말하지 않는다는 것이다. 저자들의 주장은 measurable effect가 좁고 집중적이라는 데 있다. 지금까지 PyPI에서 가장 선명하게 보이는 신호는 software creation의 보편적 급증이 아니라, AI ecosystem 내부, 특히 가장 popular한 package들에서 release cadence가 빨라졌다는 사실이다. 이것은 marketing narrative보다 훨씬 sober한 그림이고, AI가 실제로 어디서 curve를 움직이는지 판단해야 하는 팀에게는 오히려 더 operational한 그림이다. 원문: Answer.AI analysis, 분석 코드는 GitHub. 커뮤니티 토론: Hacker News.