Anthropic, Claude가 Claude Code 코드 90% 작성... AI 검토로 병합 PR 2배·되돌리기 40%↓

Anthropic 엔지니어들이 Claude Code 자체 코드의 약 90%를 Claude가 작성하고 있음을 공개하며, 코드 변경 사항의 검토 및 병합 방식에 근본적인 변화가 필요했다고 밝혔다. 인간 중심의 검토 관문을 제거하고 기계 지원 검증으로 전환한 결과, 6월부터 9월 사이에 병합된 PR이 2배 이상 증가하고 되돌리기(revert) 비율이 40% 이상 감소했다. Anthropic 모노레포의 일일 변경 사항은 5월 약 2,500건에서 9월 30,000건 이상으로 급증했다.

7단계 검토 라이프사이클

새로운 프로세스는 코드 검토를 최종 관문이 아니라 맞춤법 검사처럼 지속적인 피드백으로 재정의한다. 라이프사이클은 다음과 같다:

1. PR 전 검증: Claude가 테스트, 빌드, 린터를 실행한다. 새로운 컨텍스트의 하위 에이전트가 diff를 검토한다. 내부 스킬을 통해 버그 확인, diff 단순화, UI 가이드라인 준수 여부를 점검한다.
2. 모든 PR 대상 AI 검토: AI 에이전트가 전체 저장소와 PR 의도를 기준으로 diff를 분석한다. 연구 프리뷰 출시 후 내부 PR의 실질적인 리뷰 댓글이 16%에서 54%로 증가했다. 발견 사항은 Important, Nit, Pre-existing으로 태그가 지정된다.
3. 보안 검토: 오픈소스 보안 검토 도구와 /security-review 명령어를 사용하는 차단식 체크다. 미해결 발견 사항이 있으면 병합이 금지된다.
4. 자동화 체크: CI가 모든 플랫폼에서 린팅, 타입 체크, 테스트를 실행한다. PR 템플릿에는 테스트 및 되돌리기 지침이 필수로 포함된다.
5. 위험 기반 인간 승인: 분류기가 위험 등급을 결정한다:
   • 낮음(문서, 플래그): 자동화 체크를 통과하면 인간 승인 불필요.
   • 중간(제품 변경): 인간 승인자 1명.
   • 높음(중요 코드): 인간 승인자 2명.
   • 제약 사항: 에이전트 승인은 인간 승인으로 간주되지 않으며, 에이전트는 자신의 작업을 승인할 수 없다.
6. 병합 대기열 및 단계적 릴리스: 변경 사항은 병합 대기열을 거쳐 Anthropic 직원이 내부적으로 사용한 후 stable 이전에 latest로 릴리스된다.
7. 감지 및 롤백: 기능 플래그를 통해 기능을 빠르게 비활성화할 수 있다. 주간 온콜 및 인시던트 리뷰를 통해 어떤 계층에서 문제를 잡지 못했는지 분석한다.

수렴 및 효율성 향상

주요 과제는 에이전트 작성자와 검토자가 무한히 순환하는 수렴 루프였다(예: 한 CLI PR에서 50라운드 이상 발생). 분석 결과 반복된 검토자 댓글의 **59%**는 새로운 버그가 아닌 기존 코드에 관한 것이었다.

이를 해결하기 위해 Anthropic은 라운드 상한(최대 3라운드), diff 전용 재검토, 중복 발견 사항 금지 등을 도입했다. 내부 PR 결과:

• 1라운드 통과: 65%에서 78%로 증가.
• 5라운드 이상 필요: 8.9%에서 1.5%로 감소.
• 평균 검토 라운드: 2.08에서 1.32로 감소.

인간 개입(Human-in-the-Loop) 책임

인간은 더 이상 모든 diff를 읽지 않는다. 대신 기계가 판단력을 결여한 5가지 영역에 집중한다:

1. 전략적 방향: 기능을 구축할지 여부 결정(범위, 취향).
2. 위험한 코드: 청구서, 자동 업데이트, CI 워크플로.
3. 아키텍처: 다른 사람들이 따를 패턴 설정.
4. 증거 해석: 테스트 출력, 스크린샷, 복잡한 검토자 발견 사항 해석.
5. 소유권: 코드를 누가(또는 무엇이) 작성했든 관계없이 인간은 모든 변경 사항의 결과에 대한 책임을 진다.

채택 지침

Anthropic은 다른 팀이 이를 채택하도록 다음을 제안한다:

• 프로젝트 관례와 검토 규칙을 정의하기 위해 CLAUDE.md와 REVIEW.md 추가.
• 로컬에서 /code-review 및 /security-review 사용.
• 위험 기반 승인 등급과 중요한 경로에 대한 엄격한 브랜치 보호 구현.
• AI 검토자 성능을 지속적으로 개선하기 위해 인시던트 데이터를 사용하여 평가 세트 구축.