Linearb의 2026 Engineering Benchmarks Report에 따르면 4,800개 이상의 조직에서 810만 개가 넘는 풀 리퀘스트(pull requests, PR)를 분석했으며, 그중 한 가지 발견은 AI 검토 속도에 대해 읽었던 대부분의 내용과 상반됩니다. AI가 생성한 PR은 누군가 이를 확인하기까지 4.6배 더 오래 대기합니다. 하지만 일단 확인되면 수동 작업보다 2배 빠르게 검토를 받습니다.

따라서 AI로 줄이려고 노력하는 시간은 읽는 부분이 아닙니다. 바로 기다리는 부분입니다.

실제 숫자는 대기 시간이었습니다. 일반적인 AI PR은 사람이 열어보기까지 16시간 이상을 머무르는 반면, 수동 작업의 경우 약 200분 정도입니다. 병합(merge) 건수도 더 심각합니다. AI가 생성한 PR 중 30일 이내에 병합되는 비율은 32.7%에 불과한 반면, 수동 작업은 84.4%를 기록했습니다. 검토자들은 맥락을 놓친 것을 승인하는 사람이 되고 싶지 않기 때문에, 75번째 백분위수에서 408줄짜리 AI PR(수동의 157줄 대비)에 대해 주저합니다.

Graphite가 작성한 AI 코드 검토 및 검토 주기에 대한 글도 다른 관점에서 같은 점을 지적합니다. 그들의 중간값 엔지니어는 PR을 병합하는 데 약 13시간이 걸리며, 이 시간의 대부분은 검토자가 이용 가능해지는 것을 [기다리는 데] 사용됩니다. 실제 검토 자체가 작은 부분입니다.

평균 병합 시간(Mean-time-to-merge) 역시 전부는 아닙니다. AI가 쉬운 세트를 처리하고 회귀 오류가 꼬리 부분에 숨어들면 평균은 떨어집니다. 이는 제가 판매업체의 발표된 수치를 재검토하는 것과 직접 자신의 슬라이스를 실행하는 것을 비교할 때 지적했던 것과 같은 함정입니다. 단일 시간 절약 비율을 신뢰하지 마세요. PR 크기별로 나누고, 검토 시작까지 걸린 시간(time-to-first-review)과 실제 검토에 걸린 시간(time-in-review)을 분리하여 2주간의 자체 슬라이스를 실행하고 측정해야 합니다. 만약 해결책이 더 빠른 검토자라면, 당신은 잘못된 단계를 자동화한 것입니다.

솔직히 말하자면: AI 검토는 더 똑똑한 독자가 되어 루프를 빠르게 만들지 않습니다. 이는 '픽업 병목 현상(pick-up bottleneck)'을 해소하여, PR이 준비되는 순간부터 검토자가 참여할 수 있게 하고, 사람이 실제로 앉았을 때의 두 번째 패스 시간을 단축함으로써 속도를 높입니다. '검토가 10배 빠르다'는 헤드라인에 현혹되어 도구를 구매하지 마십시오. 그리고 중요한 변경 사항이 포함된 PR(Pull Request)에는 여전히 사람을 루프 안에 유지해야 합니다. 왜냐하면 그곳에서 32.7%의 병합률(merge rate)이 나오기 때문입니다.