AI 코딩 에이전트 도입이 오픈소스 프로젝트의 초심자 참여에 미치는 영향: 인과 관계 연구

Decoupling Code Complexity from Newcomer Participation: A Causal Study of AI Coding Agent Adoption in OSS

오픈 소스 프로젝트는 지속적인 신규 사용자의 유입에 의존합니다. 최근에는 AI 코딩 에이전트(Cursor나 Claude Code와 같이 자연어 명령어를 기반으로 코드를 생성하는 도구)가 초심자들이 수행하는 단순 작업을 흡수하고 코드 가독성을 낮춰, 신규 사용자 참여를 저해할 수 있다는 우려가 제기되고 있습니다. 본 연구는 이러한 우려에 대해 인과적인 분석을 제공합니다. GitHub 코드 검색을 통해 구성 파일의 첫 번째 커밋으로 AI 에이전트 도입을 나타내는 1,888개의 프로젝트를 식별했습니다. 매칭된 비도입 대조군과의 차등분석을 수행했으며, 주요 분석은 실제 도입 기간이 있는 603개 프로젝트에 국한되었습니다. 분석 결과, 신규 사용자 유입 감소의 증거는 발견되지 않았습니다 (추정치는 약간의 증가에서 가장 보수적인 추세 명세를 기준으로 할 때 미미하고 무시할 수 있는 감소까지 나타납니다). 온보딩 및 유지율은 변하지 않았으며, 초심자 작업 지표(good-first-issue 레이블) 또한 감소하지 않았습니다. 우려되는 현상은 실제로 존재하지만 독립적으로 작용합니다. AI 에이전트 도입은 함수별 코드 복잡도를 증가시켰습니다 (Python의 인지적 측정 기준으로는 약 +11%, 이전 추정치의 4분의 1, 모든 언어에서 순환 복잡도 측면에서는 +3~4%). 그러나 복잡도가 증가한 고정된 단위 집합(인지적 기준으로는 Python, 모든 언어로 순환 복잡도)에서 신규 사용자 참여는 감소하지 않았습니다. 이러한 결과는 확립된 오픈 소스 프로젝트에서 AI 코딩 에이전트 도입은 코드의 복잡도를 약간 증가시키지만, 프로젝트가 의존하는 인간 사용자의 참여를 저해하지 않는다는 것을 시사합니다. 즉, AI 지원과 인간 참여 간의 우려되는 상충 관계는 현실화되지 않습니다.

Open-source projects depend on a steady inflow of newcomers. A growing concern is that AI coding agents (tools such as Cursor and Claude Code that write code from natural-language instructions) will crowd them out, by absorbing the simple tasks that beginners start with and by making code harder to read. We give this concern a causal answer. Using GitHub code search we identify 1,888 projects that adopted an agent, signaled by their first commit of a configuration file. We apply difference-in-differences against matched non-adopting controls, restricting the main analysis to the 603 adopters with a genuine pre-adoption period. We find no evidence of crowding-out: across estimators newcomer inflow shows no significant decline after adoption (point estimates run from a small increase to, under the most conservative trend specification, a slight and insignificant dip), onboarding and retention are unchanged, and a sparse, correlational beginner-task measure (good-first-issue labels, which we cannot test for parallel trends) shows no decline. The feared mechanism is real but decoupled: adoption raises per-function code complexity (about +11% on a cognitive metric for Python, a quarter of the prior estimate, and +3 to 4% in cyclomatic terms across all languages), yet in fixed-unit subsets where complexity rose (Python on the cognitive metric, and all languages on the cyclomatic metric), newcomer participation does not decline. These results suggest that, in established open-source projects, adopting an AI coding agent makes code modestly more complex but does not crowd out the human newcomers that a project depends on: the feared trade-off between AI assistance and human participation does not materialize.