코드 리뷰를 3개월간 없애본 회사의 결론 — 에이전트 PR, 결국 다 읽어야 합니다 (AI Engineer 2026)

한 줄 핵심

AI 코딩 에이전트는 속도는 크게 올리지만 코드 품질과 유지보수성을 스스로 지키지 못하므로, 결국 사람의 읽기·설계·사전 정렬이 남아 있어야 한다.

시간별 요약

1. 0:29
   AI 코딩을 운영에 넣는 흐름이 빠르게 확산됐지만, 실제로는 장애와 PR 품질 저하가 늘고 있다. 단순히 토큰을 더 쓰거나 하네스를 덧붙이는 것만으로는 해결되지 않으며, 문제의 핵심은 모델 학습 자체에 있다.
2. 3:06
   코드 리뷰를 없애고 테스트·모니터링·롤아웃만 강화하는 ‘lights-out software factory’는 복잡한 기존 코드베이스에서는 잘 버티지 못한다. 특히 3~6개월 이상 누적된 시스템에서는 에이전트가 스스로 품질을 유지하기 어려워 결국 사람이 코드 안으로 다시 들어가야 한다.
3. 6:00
   현재의 강화학습과 평가 방식은 주로 테스트 통과 여부를 보상하므로, 모델이 유지보수성을 해치더라도 눈치채기 어렵다. 그래서 try-catch 남발이나 불필요한 캐스팅처럼 ‘일단 테스트만 통과하는’ 코드가 쉽게 생기며, 장기적인 코드 품질은 평가하기 훨씬 어렵다.
4. 8:00
   유지보수성 평가를 개선하려는 시도는 나오고 있지만, 좋은 코드를 모델이 스스로 판별할 수 있다면 애초에 그렇게 코드를 쓰게 되었을 가능성이 크다. 그래서 당분간은 코드 품질을 완전히 자동화하기보다, 사람이 최종적으로 읽고 책임지는 구조가 현실적이다.
5. 10:01
   속도를 유지하면서도 품질을 지키려면 구현 전에 제품 리뷰, 아키텍처 정리, 프로그램 설계, vertical slices까지 먼저 맞춰야 한다. 사전 정렬에 30분을 쓰면 리뷰 시간을 크게 줄일 수 있고, 좋은 PR만 나오면 결국 사람은 모든 코드를 읽으면서도 더 빠르게 움직일 수 있다.

실무 인사이트

• AI 코딩 도입의 병목은 작성 속도가 아니라 품질 평가와 설계 정렬이므로, PR을 늘리기보다 구현 전 합의 문서를 강화하는 편이 효과적이다.
• 자동화된 테스트만 믿으면 장기 유지보수성이 무너질 수 있으니, 리뷰 체크리스트에 아키텍처 적합성·타입 설계·호출 흐름을 반드시 포함해야 한다.
• 에이전트 활용의 최적점은 ‘코드 생성 대체’가 아니라 ‘사전 설계와 구현 가속’이므로, 작은 작업은 바로 맡기되 큰 변경은 먼저 설계 문서로 고정하는 것이 좋다.