인간 중심에서 Agentic Code Review로 - 더 빠른 결정이 더 나은 Review를 뜻하지는 않는다

Queen’s University 연구진이 207개 GitHub 프로젝트의 Pull Request 102만 건을 분석해, 인간 중심 리뷰에서 LLM-assisted review, Agentic Code Review로 전환되는 과정을 비교했다.

연구는 프로젝트의 AI 도입 방식을 다음 세 가지로 분류했다.

• Gradual AI Adoption
• Rapid LLM Adoption
• Rapid AI Agent Adoption

분석 결과, AI Agent가 리뷰를 시작하거나 여러 AI Agent가 함께 참여하는 패턴은 Gradual AI Adoption과 Rapid AI Agent Adoption 환경에서 더 빠른 리뷰 결정과 연관됐다.

그러나 리뷰 결정 속도 향상이 리뷰 품질 개선으로 이어지지는 않았다. 리뷰 활동량과 Pull Request 유형은 모든 시대에서 여전히 중요한 요인이었으며, LLM과 AI Agent가 참여한 이후에는 인간-AI 협업 패턴이 리뷰 효율성을 설명하는 가장 강력한 요인으로 나타났다.

연구진은 AI 기반 코드 리뷰를 도입할 때 처리 속도만 최적화하면 안 되며, 효율성과 품질을 함께 측정·관리해야 한다고 제안한다.