AI가 만든 코드, 검토는 누가? 개발자 스트레스 가중 ‘역설’

소프트웨어 엔지니어링 전문가 샘 뉴먼(Sam Newman)은 AI 코딩 에이전트가 이전보다 더 많은 코드를 생산하도록 돕는 데 탁월하다는 점을 강조하며, AI가 생성한 코드를 어느 정도까지 인간이 검토해야 하는지에 대한 질문을 던졌습니다. 그는 이러한 질문이 현대 소프트웨어 개발의 핵심적인 과제로 부상하고 있다고 설명했습니다.

뉴먼은 AI가 코드 생성량을 폭발적으로 증가시키고 있지만, 이것이 반드시 전체 개발 프로세스의 효율성 향상으로 이어지는지에 대한 의문을 제기했습니다. 그는 AI 생성 코드의 품질과 신뢰성을 확보하기 위한 인간의 역할에 대한 심층적인 고민이 필요하다고 주장했습니다.

샘 뉴먼은 여러 연구 결과를 인용하며, AI가 더 많은 코드를 생산하는 능력이 소프트웨어 개발 주기 전체의 처리량 개선으로는 이어지지 않는다고 지적했습니다. 그는 개발자들이 기본적으로 더 많은 코드를 작성하지만, 이것이 곧 더 많은 제품을 출시하는 것으로 연결되지 않는다고 설명했습니다.

이러한 현상은 코드 생성 자체의 속도가 개발 프로세스의 병목 현상이 아님을 시사합니다. 뉴먼은 단순히 코드량을 늘리는 것을 넘어, 실제 제품 출시로 이어지는 전체 개발 워크플로우의 효율성을 높이는 방안에 집중해야 한다고 강조했습니다.

샘 뉴먼은 앞서 언급된 연구들이 시사하는 바는 코드를 생성하는 능력이 품질 좋은 작동하는 소프트웨어를 출시하는 데 병목 현상이 아니라는 점이라고 밝혔습니다. 그는 코드 생성 자체는 이미 충분히 빠르며, 개발 프로세스를 지연시키는 주된 원인이 아니라고 강조했습니다.

뉴먼은 만약 코드 생성이 개발 속도를 늦추는 원인이 아니라면, 무엇이 소프트웨어 개발의 진정한 병목 현상인지에 대한 중요한 질문을 던졌습니다. 이 질문은 AI 시대의 소프트웨어 개발 워크플로우를 재고하는 핵심적인 출발점이 됩니다.

샘 뉴먼은 AI가 작성한 코드를 사용하는 사람들에게 점점 더 주요한 병목 현상으로 보이는 소프트웨어 개발 주기의 한 부분으로 코드 리뷰를 지목했습니다. AI 코드 생성량의 폭발적인 증가가 기존의 코드 리뷰 프로세스를 압도하고 있다는 것입니다.

그는 AI의 도입이 코드 생성 자체의 속도를 높였지만, 결과적으로 검토해야 할 코드량이 기하급수적으로 늘어나면서 코드 리뷰 단계에서 전체 개발 프로세스가 지연되는 현상이 나타나고 있다고 설명했습니다. 이는 AI 시대의 소프트웨어 개발에서 가장 시급히 해결해야 할 과제 중 하나로 부상하고 있습니다.

샘 뉴먼은 AI 시대의 코드 리뷰에 대한 심층적인 논의를 예고하며 세 가지 주요 주제를 제시했습니다. 첫째, AI가 코드 리뷰를 더욱 어렵게 만드는 근본적인 이유를 분석할 것입니다. 둘째, 전통적인 코드 리뷰 프로세스의 목적을 재검토하고, AI 시대에도 여전히 유효한지 평가할 예정입니다.

마지막으로, 뉴먼은 소프트웨어를 생성하는 방식에 어떤 변화를 줘야 하는지, 그리고 전 세계 조직들이 AI 에이전트 코딩을 최대한 활용하기 위해 코드와 관계를 어떻게 재검토하고 있는지에 대해 이야기할 것이라고 밝혔습니다. 이 세 가지 주제는 AI 시대의 소프트웨어 개발자들이 직면한 문제와 해결 방안을 포괄적으로 다룰 것입니다.

Feros의 올해 3월 가속도 보고서에 따르면, AI 코딩 에이전트의 역량이 이전보다 더 많은 PR(Pull Request) 생성을 이끌고 있음을 명확히 보여주었습니다. 특히 AI 도구의 높은 채택률을 보이는 팀에서는 PR 자체에 더 많은 코드가 포함되어 있었습니다.

보고서는 전년도 대비 생성된 PR의 평균 크기가 50% 이상 증가했으며, 동시에 개발자들은 더 많은 작업 스레드를 동시에 처리하고 있다고 밝혔습니다. 이는 AI 도입이 코드 생성량을 폭발적으로 늘리는 데 기여했음을 수치적으로 증명합니다.

샘 뉴먼은 AI 덕분에 더 많은 코드를 생성하고 있다는 Feros 보고서의 내용과는 대조적으로, 실제로는 소프트웨어 출시량이 감소하고 있다고 지적했습니다. 그는 Feros 자체 연구를 포함한 다른 보고서들도 전체 소프트웨어 개발 프로세스에서 처리 속도가 오히려 느려지고 있음을 보여준다고 설명했습니다.

뉴먼은 많은 개발자들이 이전보다 더 적은 양의 제품을 생산하고 있으며, 이는 AI 도입의 역설적인 결과라고 강조했습니다. 코드 생성량의 증가가 반드시 최종 제품 출시량 증가로 이어지지 않는다는 중요한 시사점을 던지고 있습니다.

샘 뉴먼은 린 제조(Lean Manufacturing) 개념을 인용하여, 진행 중인 작업(Work In Progress, WIP)이 많을 때 시스템이 막힐 수 있다고 설명했습니다. 비록 모든 개발자가 열심히 최선을 다하고 있더라도, 검토를 기다리는 PR이 많아지고 개발자들이 잦은 컨텍스트 전환을 하게 되면 작업 처리 속도가 현저히 떨어진다는 것입니다.

그는 많은 일이 일어나고 있는 것처럼 보이지만, 실질적인 진전은 많지 않다고 분석했습니다. 이는 AI가 코드 생성량을 늘리면서 동시에 검토 부담을 가중시켜, 결국 전체 시스템의 처리량을 저하시키는 결과를 낳는다는 것을 의미합니다.

샘 뉴먼은 기존 코드 검토의 네 가지 주요 목표를 다음과 같이 설명했습니다. 첫째, '정확성'은 코드가 의도한 대로 작동하는지 확인하고 기능 및 보안 관점에서 신뢰를 부여하는 것입니다. 둘째, '공유 학습'은 PR 제출자가 피드백을 통해 배우고, 리뷰어도 타인의 코드를 검토하며 지식을 습득하는 과정입니다.

셋째, '전략 및 관행 정렬'은 코드가 조직의 전략과 코딩 관행에 부합하는지 확인하는 것입니다. 넷째, '코드베이스 인식 증진'은 다른 사람의 작업을 검토함으로써 코드베이스 전체에 대한 이해를 높이고 팀원 간의 연결감을 형성하는 것입니다. 이 네 가지 목표는 전통적인 소프트웨어 개발에서 코드 리뷰가 수행하는 핵심적인 역할을 정의합니다.

샘 뉴먼은 PR이 늘어나고 코드 검토량이 증가하면서 PR 프로세스의 인간 검토 측면이 상당한 부담을 겪고 있다고 밝혔습니다. 그는 이러한 현상이 AI 도구를 많이 사용하는 개발자들 사이에서 번아웃 보고서가 증가하는 주된 원인일 가능성이 높다고 분석했습니다.

초기 증거들은 AI 사용이 개발자의 스트레스와 압력을 실제로 감소시키기보다는 오히려 증가시킨다는 것을 보여줍니다. 이는 AI 도입이 개발자의 업무 효율성을 높여줄 것이라는 기대와는 상반되는 역설적인 결과입니다.

샘 뉴먼은 최근 하버드 비즈니스 리뷰 기사인 'AI는 작업을 줄이지 않고, 오히려 심화시킨다'를 인용하며 AI 도입의 역설을 강조했습니다. 기사에 따르면, 많은 직원이 AI를 사용하기 전보다 더 많은 작업을 동시에 수행하고 더 많은 압박을 느낀다고 언급했습니다.

이는 자동화로 인한 시간 절약이 그러한 압박을 줄이는 데 도움이 될 것이라는 초기 기대와는 달리, 실제로는 업무 강도를 높이는 결과를 낳고 있음을 시사합니다. AI가 단순 반복 작업을 줄여줄 것이라는 예상과 다르게, 새로운 종류의 부담을 추가하고 있는 것입니다.

샘 뉴먼은 압박을 줄이기 위해 AI를 도입하지만, 실제로는 압박을 증가시키는 결과를 낳는 역설적인 상황을 다시 한번 강조했습니다. 그는 '휘플래시' 보고서에서 진행 중인 작업에 소요되는 시간이 225% 증가했다는 충격적인 수치를 인용했습니다.

이 수치는 더 많은 작업이 동시에 진행되고 있으며, 개발자들이 끊임없이 작업을 전환해야 하는 상황에 놓여 있음을 보여줍니다. 뉴먼은 AI가 개발자들이 더 많은 작업을 수행하도록 돕기보다는, 오히려 더 많은 작업을 제공하여 더 많은 일을 처리하게 만드는 것처럼 보인다고 분석했습니다.

샘 뉴먼은 증가하는 PR의 수와 규모로 인해 발생하는 문제에 대처하기 위해, 점점 더 많은 기업이 AI 도구를 사용하여 코드를 검토하고 있다고 밝혔습니다. 흥미로운 점은 이 코드가 대체로 AI에 의해 작성된 것이라는 사실입니다.

이는 AI가 작성한 코드를 AI가 검토하는 상황이 현실화되고 있음을 의미합니다. 뉴먼은 이러한 상황에서 '그렇다면 인간의 역할은 무엇일까요?'라는 본질적인 질문을 던지며, 인간 개발자의 역할에 대한 근본적인 재정의가 필요함을 역설했습니다.

샘 뉴먼은 AI가 코드를 작성하고 수정하는 세상에서 코드 검토의 목적을 다시 한번 살펴볼 필요가 있다고 강조했습니다. 그는 인간 기반 코드 검토 프로세스에서 여전히 동일한 이점을 얻을 수 있을지에 대한 근본적인 의문을 제기했습니다.

뉴먼은 코드 검토의 첫 번째 목표인 정확성 확인에 대해, 인간이 수동 검토로 코드의 정확성을 완전히 확인할 수 있었던 적이 없으며, 코드가 점점 더 많아지는 지금은 더욱 불가능할 것이라고 주장했습니다. 이는 기존 코드 리뷰의 핵심 목표조차 AI 시대에는 재검토되어야 함을 시사합니다.

샘 뉴먼은 코드 검토의 두 번째 목표인 '공유 학습'에 대해 AI 코딩 에이전트에게 인간처럼 피드백을 통해 학습시키는 것이 불가능하다고 설명했습니다. 그는 에이전트가 인간처럼 학습하지 않으며, 검토 과정에서 차세대 LLM(대규모 언어 모델)의 훈련 과정에 의미 있는 영향을 미칠 수 없다고 지적했습니다.

이는 인간 개발자 간의 지식 공유와 성장이 코드 리뷰의 중요한 부분이었지만, AI 생성 코드의 경우 이러한 '공유 학습'의 목적이 유효하지 않음을 의미합니다. 따라서 AI 코드 리뷰에서는 학습 대상과 방식에 대한 재정의가 필요하다는 결론을 내렸습니다.

샘 뉴먼은 AI 에이전트가 더 나은 코드를 만들도록 유도할 수는 있지만, 그것은 사람에게 피드백을 주는 관계와는 근본적으로 다르다고 강조했습니다. 그는 AI에 대한 피드백은 주로 시스템의 개선을 위한 데이터 수집의 성격을 가지며, 인간 개발자의 성장이나 상호작용과는 거리가 멀다고 설명했습니다.

이러한 차이점은 AI 코드 생성의 맥락에서 '피드백'의 의미와 적용 방식에 대한 새로운 접근이 필요함을 시사합니다. 인간 중심의 피드백 모델을 AI에 그대로 적용하기 어렵다는 것입니다.

샘 뉴먼은 실제로 AI가 작성한 편집 요약이 수동으로 코드를 검토하는 것보다 무엇이 바뀌었는지 이해하는 데 훨씬 더 유용할 것이라고 주장했습니다. 방대한 양의 AI 생성 코드를 사람이 일일이 검토하는 것보다 AI가 핵심 변경 사항을 요약해주는 것이 훨씬 효율적이라는 설명입니다.

이는 인간 개발자가 AI 생성 코드의 세부적인 부분을 검토하는 대신, AI가 제공하는 요약을 통해 전체적인 변화를 빠르게 파악하고 중요한 설계 결정에 집중할 수 있음을 의미합니다. AI의 강점을 활용하여 코드 리뷰 프로세스를 최적화할 수 있는 가능성을 제시합니다.

샘 뉴먼은 잘 알려진 공급망 보안 회사인 체인워드가 최근 인간 코드 검토를 중단하고, 대신 설계 결정 및 관련 문서에 대한 협업에 더 많은 시간을 할애하겠다고 발표했다고 전했습니다. 이는 AI 시대에 코드 검토의 패러다임이 변화하고 있음을 보여주는 중요한 사례입니다.

체인워드의 결정은 코드가 어떻게 작동하는지에 대한 저수준의 검토보다는, 무엇을 만들고 왜 그렇게 만드는지에 대한 고수준의 설계 및 아키텍처 논의에 집중하겠다는 의지를 보여줍니다. 이는 인간의 역할이 코드 자체의 검토에서 벗어나 더 전략적인 영역으로 이동하고 있음을 시사합니다.

샘 뉴먼은 AI가 코드 생성을 더 방임적으로 처리하게 하는 아이디어가 산업 자동화 분야의 작지만 성장하는 '다크 팩토리(Dark Factory)' 개념과 매우 유사하다고 설명했습니다. 다크 팩토리는 사람의 개입 없이 로봇과 자동화 시스템만으로 가동되는 공장을 의미합니다.

이 비유는 AI 코딩이 인간의 직접적인 개입 없이 코드를 생성하고 검토하는 방향으로 발전할 가능성을 보여줍니다. 이는 소프트웨어 개발 프로세스에서 인간의 역할이 코드 생성 및 검토의 직접적인 참여보다는, 시스템의 전반적인 관리 및 설계에 집중될 수 있음을 시사합니다.

샘 뉴먼은 자신이 대화한 많은 회사들, 특히 에이전트 AI 코딩 사용에 더 진보된 회사들이 이 다크 팩토리 모델을 코드에 적극적으로 채택하고 있다고 밝혔습니다. 이는 AI를 활용한 소프트웨어 개발 방식이 단순히 실험 단계를 넘어 실제 산업 현장에 적용되고 있음을 의미합니다.

이러한 기업들은 AI가 코드 생성과 일부 검토 프로세스를 담당하게 함으로써, 인간 개발자들이 보다 고부가가치 업무에 집중할 수 있도록 변화를 모색하고 있습니다. 뉴먼은 이 모델이 미래 소프트웨어 개발의 주요 방향이 될 수 있음을 시사하며, 이에 대한 대비가 필요하다고 강조했습니다.