AI가 코드를 만드는 시대, 리뷰는 어떻게 할까?

Jorgit이라는 AI 리뷰어는 4단계 멀티스텝 리뷰(언어 관점, 프레임워크/인프라, 도메인/보안, 최종 검증)를 자동 수행하며 심각도 태그([r]/[c]/[a])를 부여한다. 핵심은 사람 대체가 아니라 기계적 검토 지점의 선처리(Pre-screening)다. 188개 코멘트 중 예외 처리 44건, null-safety 24건을 AI가 먼저 지적함으로써 사람은 '이 기능이 요구사항에 맞는가?'와 같은 해석과 사고가 필요한 판단에만 집중할 수 있게 된다. 8%의 의사결정 기록은 거절된 코멘트에서 비롯되었으며, 이는 AI 질문이 자연스럽게 설계 문서화(Design Documentation)를 유도한 결과다.

본문에 따르면 AI가 설계 문서를 먼저 작성하고 의존성 기반으로 태스크를 계층적으로 분류한다. 10개 태스크를 5개 Phase로 나누고 각 Phase 내 구현 순서까지 설계 문서에 포함함으로써 1 Subtask=1 PR 규칙을 실현한다. 이로 인해 변경 라인 중앙값이 246줄에서 158줄로, 변경 파일 중앙값이 14개에서 5개로 축소되었다. 핵심통찰은 AI가 '머릿속에서만 하던 것을 문서화'하면 독립적으로 리뷰할 수 있는 단위로 만들기 쉽다는 점이다. 이는 의존성 기반 정렬(Dependency-based Ordering)의 결과를 설계 문서라는 형태로 외부화한 것으로, 엔지니어의 판단 부담을 줄이는 구조적 해결책이다.

기존 체크리스트 방식의 PR 템플릿을 의사결정 문서(Decision Document)로 재정의한다. '왜 해야 하는가?' 섹션은 작성자 자신의 필터링 도구로, 구현 비용이 30분으로 줄어든 AI 시대에는 자연스러운 필터링이 사라졌으므로 '왜?'가 그 역할을 대신한다. '한계 & 트레이드오프' 섹션은 비어 있으면 판단할 게 없다는 신호이고 채워져 있으면 사람이 봐야 한다는 신호로 작용한다. '리뷰 포인트' 섹션은 작성자가 위험 영역을 사전 표시하여 리뷰어의 시간을 존중하는 구조다. 결국 PR 템플릿은 리뷰어의주의력 할당(Attention Allocation)을 사전에 안내하는 도구로 변모한 것이다.

AI가 구현 속도를 높였지만 리뷰 속도는 여전히 사람의 가용성에 바운드된다. 해결책은 모든 PR을 같은 속도로 처리하려는 접근을 버리고 변경 유형별 리뷰 깊이를 분리하는 것이다. 리네임/포맷팅은 '확인' 유형으로 AI만으로 충분하고, 비즈니스 로직 변경이나 트레이드오프가 있는 설계는 '판단' 유형으로 사람 판단이 필요하다. 핵심통찰은 '빠르게 흘려보낼 PR과 붙잡을 PR을 구분'하고, 붙잡는 쪽에서만 의도적으로 시간을 쓰는 구조다. 이는 주의 경제(Attention Economy) 관점에서 리뷰어의 인지 자원을 핵심 의사결정에 집중시키는 설계다.

800줄짜리 PR 앞에 서 'LGTM' 한 줄로 끝나는 리뷰는 품질 게이트가 아니라 형식적 절차다. AI 리뷰어 도입으로 사람은 코드를 한 줄씩 따라가며 누락을 찾는 작업에서 벗어나 비즈니스 판단에 집중할 수 있게 되었다. 63%의 리뷰를 담당하는 주 리뷰어 1명의 가용성이 전체 리드타임을 결정하는 구조에서 벗어나, AI가 먼저 훑어보는 동료 역할을 통해 사람 리뷰 시점에는 기계적 검토 지점들이 이미 정리된 상태가 된다. 이는 리뷰어 역할의 재정의(Role Redefinition)로, '모든 코드를 읽는 것'에서 '트레이드오프에 동의하는 것'으로의 전환을 의미한다.