개발자 하시(Harsh)는 2026년 8월 5일 DEV Community에 올린 글에서 AI 생성 코드가 소프트웨어 팀의 부담을 작성에서 리뷰로 옮기고 있다고 주장했다. 그는 운영 환경 버그가 깔끔하게 정리되고 테스트도 통과한 PR을 지나 배포됐다고 설명했다. 결함은 리뷰나 테스트 단계에서 뚜렷하게 드러나지 않았고, 코드가 이미 운영 환경에서 신뢰된 뒤에야 나타났다. 이에 따라 그는 AI 코드 리뷰를 병합 전 형식 절차가 아니라 실질적인 업무로 봐야 한다고 밝혔다.

Harness의 2026 State of Engineering Excellence Report는 미국, 영국, 인도, 프랑스, 독일의 엔지니어링 실무자 700명을 조사했다. 보고서에 따르면 개발자 81%는 팀이 AI 도구를 도입한 뒤 코드 리뷰 시간이 늘었다고 답했다. 28%는 리뷰 시간이 30% 이상 증가했다고 봤고, AI 도구는 PR까지 걸리는 시간을 약 58% 줄였지만 해당 PR이 리뷰에 머무는 시간은 이전보다 4.6배 길어졌다. 개발자 1인당 리뷰 시간은 주당 11.4시간 늘어난 것으로 추정되며, 개발자 시간의 거의 31%는 AI 출력 검토, 미묘한 버그 수정, 팀원이 직접 작성하지 않은 코드 설명을 위한 맥락 전환 같은 “보이지 않는 일”에 쓰이고 있다.

저자는 AI 코드 리뷰가 동료의 작업을 검토하는 일보다 어렵다고 말한다. 리뷰어가 사람의 이력, 개인적 습관, 코드가 어떤 추론 과정을 거쳤는지 보여주는 신호를 갖고 있지 않기 때문이다. 조사 참여 개발자들은 주요 마찰 요인으로 AI 코드 정확성 검토(53%), AI 생성 코드의 미묘한 버그 수정(52%), AI 생성 코드를 팀원에게 설명하는 일(48%)을 꼽았다. 글은 시스템을 이해하고 출시 결정을 책임지는 “Builders”와 코드를 생성하고 큰 PR을 연 뒤 자신이 배포한 내용을 이해하지 않은 채 넘어가는 “Coasters”를 구분했다.

Godot Foundation은 최근 AI 작성 코드 기여를 금지하며 “AI는 책임을 질 수 없고, AI를 많이 쓰는 사용자가 자신의 코드를 고칠 만큼 충분히 이해한다고 믿을 수 없다”고 밝혔다. 한 메인테이너는 피드백이 미래 기여자의 성장을 돕는 대신 하나의 프로세스에 흡수될 때 리뷰를 정당화하기가 더 어려워진다고 말했다. 저자는 이를 Review Tax의 일부로 설명했다. 리뷰가 사람을 멘토링하기보다 오류를 잡는 일에 그치면 더 느려지고 동기 부여도 약해진다는 것이다.

제안된 해법은 더 이른 점검, 다른 지표, 명확한 책임, 명시적인 팀 규범이다. 저자는 버그 비용이 설계 단계에서 발견되면 대략 1x이지만 코딩 단계에서는 약 6x로 오르고, 운영 환경에 도달하면 수십 배에서 100배 이상으로 커진다고 말했다. 그는 pre-commit checks(코드 제출 전 자동 점검)를 도입하고, 생산성 지표에서 코드 줄 수와 PR 수를 제외하며, PR 작성자가 몇 분 안에 접근 방식을 설명하도록 요구하라고 권했다. 또한 AI 리뷰 시간을 추적하고, 팀이 AI를 출시 도구가 아니라 초안 작성 도구로 다룬다는 원칙을 명시해야 한다고 했다. AI 생성 코드 리뷰 시간을 추적하는 조직은 약 38%에 그친다. 한편 한 조사에서 개발자 94%는 기술 부채, 검증 시간, 번아웃이 리더십 지표에서 빠져 있다고 답했다.

개발자 하시(Harsh)는 2026년 8월 5일 DEV Community에 올린 글에서 AI 생성 코드가 소프트웨어 팀의 부담을 작성에서 리뷰로 옮기고 있다고 주장했다. 그는 운영 환경 버그가 깔끔하게 정리되고 테스트도 통과한 PR을 지나 배포됐다고 설명했다. 결함은 리뷰나 테스트 단계에서 뚜렷하게 드러나지 않았고, 코드가 이미 운영 환경에서 신뢰된 뒤에야 나타났다. 이에 따라 그는 AI 코드 리뷰를 병합 전 형식 절차가 아니라 실질적인 업무로 봐야 한다고 밝혔다.

Harness의 2026 State of Engineering Excellence Report는 미국, 영국, 인도, 프랑스, 독일의 엔지니어링 실무자 700명을 조사했다. 보고서에 따르면 개발자 81%는 팀이 AI 도구를 도입한 뒤 코드 리뷰 시간이 늘었다고 답했다. 28%는 리뷰 시간이 30% 이상 증가했다고 봤고, AI 도구는 PR까지 걸리는 시간을 약 58% 줄였지만 해당 PR이 리뷰에 머무는 시간은 이전보다 4.6배 길어졌다. 개발자 1인당 리뷰 시간은 주당 11.4시간 늘어난 것으로 추정되며, 개발자 시간의 거의 31%는 AI 출력 검토, 미묘한 버그 수정, 팀원이 직접 작성하지 않은 코드 설명을 위한 맥락 전환 같은 “보이지 않는 일”에 쓰이고 있다.

저자는 AI 코드 리뷰가 동료의 작업을 검토하는 일보다 어렵다고 말한다. 리뷰어가 사람의 이력, 개인적 습관, 코드가 어떤 추론 과정을 거쳤는지 보여주는 신호를 갖고 있지 않기 때문이다. 조사 참여 개발자들은 주요 마찰 요인으로 AI 코드 정확성 검토(53%), AI 생성 코드의 미묘한 버그 수정(52%), AI 생성 코드를 팀원에게 설명하는 일(48%)을 꼽았다. 글은 시스템을 이해하고 출시 결정을 책임지는 “Builders”와 코드를 생성하고 큰 PR을 연 뒤 자신이 배포한 내용을 이해하지 않은 채 넘어가는 “Coasters”를 구분했다.

Godot Foundation은 최근 AI 작성 코드 기여를 금지하며 “AI는 책임을 질 수 없고, AI를 많이 쓰는 사용자가 자신의 코드를 고칠 만큼 충분히 이해한다고 믿을 수 없다”고 밝혔다. 한 메인테이너는 피드백이 미래 기여자의 성장을 돕는 대신 하나의 프로세스에 흡수될 때 리뷰를 정당화하기가 더 어려워진다고 말했다. 저자는 이를 Review Tax의 일부로 설명했다. 리뷰가 사람을 멘토링하기보다 오류를 잡는 일에 그치면 더 느려지고 동기 부여도 약해진다는 것이다.

제안된 해법은 더 이른 점검, 다른 지표, 명확한 책임, 명시적인 팀 규범이다. 저자는 버그 비용이 설계 단계에서 발견되면 대략 1x이지만 코딩 단계에서는 약 6x로 오르고, 운영 환경에 도달하면 수십 배에서 100배 이상으로 커진다고 말했다. 그는 pre-commit checks(코드 제출 전 자동 점검)를 도입하고, 생산성 지표에서 코드 줄 수와 PR 수를 제외하며, PR 작성자가 몇 분 안에 접근 방식을 설명하도록 요구하라고 권했다. 또한 AI 리뷰 시간을 추적하고, 팀이 AI를 출시 도구가 아니라 초안 작성 도구로 다룬다는 원칙을 명시해야 한다고 했다. AI 생성 코드 리뷰 시간을 추적하는 조직은 약 38%에 그친다. 한편 한 조사에서 개발자 94%는 기술 부채, 검증 시간, 번아웃이 리더십 지표에서 빠져 있다고 답했다.