Zig, AI 코드 기여를 거부하는 이유는?

Zig 프로젝트는 AI가 생성한 코드 기여의 품질 문제를 핵심적으로 지적한다. AI 환각(Hallucination)으로 인해 컴파일 오류가 발생하거나, CI(Continuous Integration)를 통과하지 못하는 코드가 빈번하게 발생한다는 것이다. 또한, 표면적으로는 문제가 없어 보이는 코드라도, AI를 활용한 사실이 드러나면서 유지보수(Maintenance)에 어려움을 겪는 사례가 보고되었다. 이러한 문제들은 프로젝트의 코드 품질 저하(Code Quality Degradation)와 유지보수 부담 증가(Increased Maintenance Burden)로 이어진다.

Bun 개발팀은 Zig의 AI 기여 정책이 자사의 성능 개선 PR(Performance PR) 업스트리밍을 막는다고 비판했다. 하지만, 실제로는 해당 PR의 코드 품질이 좋지 않고, 복잡성(Complexity)을 증가시키는 문제가 있었다는 분석이 제기되었다. Zig는 병렬 의미 분석(Parallel Semantic Analysis)과 같은 기능을 구현하기 위해 언어 자체의 변경이 필요하며, 이는 코드 품질과 일관성을 유지하기 위한 중요한 결정이다. 따라서, AI 기여 정책은 단순히 AI 사용을 막는 것이 아니라, 프로젝트의 장기적인 기술적 비전(Long-term Technical Vision)을 위한 조치로 해석된다.

Zig 프로젝트는 코드의 양이나 성능보다 건강한 기여 커뮤니티(Healthy Contributor Community)를 중시한다. 이는 ZeroMQ 프로젝트의 철학처럼, 기여자들이 프로젝트에 대한 경제적 인센티브를 갖도록 하고, 적대적인 세력에 의한 프로젝트 하이재킹(Project Hijacking) 위험을 줄이기 위한 전략이다. AI를 활용한 기여는 이러한 집단 소유(Collective Ownership)를 저해하고, 신뢰할 수 있는 기여자를 육성하는 데 방해가 될 수 있다는 우려가 제기된다.

개발자들은 AI가 개발 생산성을 향상시키더라도, AI를 활용하는 중간 기여자(Middleman)가 아닌 직접 AI 모델을 활용하는 것이 효율적이라고 주장한다. 즉, 유지보수 담당자가 AI 모델에 직접 쿼리를 입력하여 코드를 생성하는 것이, AI가 생성한 코드를 검토하고 수정하는 과정보다 효율적이라는 것이다. 이는 AI를 활용한 코드 기여의 중복 작업(Redundant Work)을 줄이고, 개발자의 생산성(Productivity)을 극대화하기 위한 전략으로 볼 수 있다.