GitHub-Yale 설문, 개발자 80%는 에너지 효율 코드 도구 원하지만 행동은 미미

GitHub와 Yale 기후변화 커뮤니케이션 프로그램이 미국 GitHub 사용자 1,039명을 대상으로 실시한 설문조사 결과, 개발자들은 소프트웨어의 환경 영향에 대해 높은 인식을 보였으나 실제 행동으로 이어지는 경로가 부족한 것으로 드러났다. 응답자의 **80%**는 에너지 효율적인 코드 작성 도구에 관심이 있으며, **78%**는 환경 발자국 감소 모범 사례 학습을 희망했다.

인식과 행동의 괴리

개발자들은 기후 변화와 AI의 환경 영향에 대해 우려하고 있었다. **79%**는 지구 온난화에 대해 우려하며, **71%**는 AI 시스템의 에너지 및 탄소 배출 영향을 걱정했다. 이는 미국 일반 성인 대비 높은 수치로, GitHub 사용자의 지구 온난화 인정 비율은 **86%**로 미국 성인 평균 **68%**보다 높았다.

그러나 인식과 행동 사이에는 큰 격차가 존재했다. 응답자의 **10%**만이 소프트웨어 개발 방식 변경이 개인 환경 영향 감소에 큰 효과가 있다고 답했으며, **63%**는 효과가 작다고 응답했다. 이러한 괴리는 낭비 식별, 개선 측정, 수정 근거 제시를 위한 명확한 도구나 방법론이 부족하기 때문으로 분석된다.

효율성 개선을 위한 실질적 접근

보고서는 비용 절감, 성능 향상, 지연 시간 감소 등 기존 엔지니어링 이점과 결합된 효율성 개선을 제안한다. 측정 가능한 낭비 식별을 위해 Code, Data, Network and I/O, Frontend 등 4가지 영역을 제시했다. 예를 들어 코드 영역에서는 반복 계산이나 비효율적 알고리즘을, 데이터 영역에서는 과다 페칭이나 캐싱 누락을 점검하도록 권고한다.

또한 GitHub Agentic Workflows를 활용한 자동화 방안을 소개했다. 'Daily Efficiency Improver' 워크플로우는 대규모 리포지토리에서 성능 개선 기회를 검토하고, 측정 가능한 변경 사항을 우선순위화하여 증거와 트레이드오프가 포함된 Draft PR을 생성한다. 다만 AI는 탐색과 문서화를 지원할 뿐, 증거의 타당성 판단과 코드 반영 여부는 인간이 최종 결정해야 함을 강조한다.