AI 시대의 코드 리뷰 재고: 에이전트 기반 코드 리뷰를 위한 비전

코드 리뷰(Code review)는 비공식적인 동료 검토(peer checking)에서 오늘날의 풀 리퀘스트(Pull Request, PR) 워크플로우에 이르기까지 수십 년 동안 진화해 왔으나, 여전히 상당 부분 수동적이고 불균일하며 인지적 요구가 높은 프로세스로 남아 있습니다. 인공지능 (AI) 코딩 어시스턴트의 부상은 이러한 과제를 심화시켰습니다. 이러한 도구들은 코드 생산 속도를 높이는 동시에 리뷰가 필요한 코드의 양을 늘려, 코드 리뷰를 점점 더 커지는 병목 현상(bottleneck)으로 만들고 있습니다. 현재의 AI 지원은 파편화된 상태로 남아 있으며, 도구들이 엔드 투 엔드(end-to-end) PR 리뷰 워크플로우보다는 리뷰어 추천, PR 설명 생성 또는 코멘트 제안과 같은 고립된 작업에 집중하고 있습니다. 본 논문에서 우리는 코드 리뷰 관행의 역사적 진화를 검토하고, 대규모 언어 모델 (LLMs) 및 에이전트 기반 AI (agentic AI) 시스템에 의해 주도되는 변화를 조사합니다. 그런 다음 우리는 특화된 에이전트(agents)와 인간이 제어하는 품질 게이트(quality gates)를 결합한 AI 기반 코드 리뷰 워크플로우에 대한 비전을 제시합니다. 우리의 프레임워크는 PR 생성(PR Creation), PR 증강(PR Augmentation), 리뷰어 선정(Reviewer Selection), AI 지원 코드 리뷰(AI-Assisted Code Review), 그리고 PR 회고(PR Retrospective)의 5단계로 구성되며, 판단력, 책임감 및 팀 수준의 이해도를 보존하기 위해 핵심 결정 지점에는 인간을 유지합니다. 우리는 신뢰성, 편향성(bias), 개인정보 보호(privacy), 자동화 편향(automation bias), 투명성 및 평가를 포함하여 책임 있는 도입을 위한 주요 미해결 과제들을 식별하고, 소프트웨어 공학에서 더욱 효과적인 인간-AI 협업을 위한 연구 과제를 제안합니다.