앤트로픽, 멀티 에이전트 기반 PR 검토 '코드 리뷰' 공개

AI로 코드를 생성하는 작업은 매우 편리해졌지만, 그 대가로 쏟아지는 풀 리퀘스트(PR)를 검토해야 하는 동료 개발자들의 피로는 한계에 달하고 있습니다.

지난 1년 동안 Anthropic 내부 엔지니어 1인당 코드 생산량은 200% 증가했습니다. 코드가 쏟아져 나오면서 코드 리뷰는 개발 병목 현상으로 변했고, 많은 PR이 꼼꼼한 확인 없이 대충 훑어본 뒤 승인되는 상황이 반복되었습니다. 이 문제를 해결하기 위해 Anthropic은 3월 9일 Claude Code 내 신규 기능인 'Code Review'를 발표하고, Team 및 Enterprise 구독자를 대상으로 리서치 프리뷰를 시작했습니다.

다중 에이전트 병렬 검증, 스타일 대신 로직 버그에 집중

몇 초 만에 문법 오류를 지적하는 기존의 가벼운 도구들과 달리, Code Review는 속도보다 깊이에 초점을 맞췄습니다. PR이 열리면 여러 AI 에이전트가 동시에 투입되어 서로 다른 관점에서 코드를 다각도로 분석합니다.

이후 별도의 에이전트가 탐지된 이슈를 재검증하여 오탐을 걸러내고, 중요도에 따라 순위를 매겨 PR 상단 요약과 코드 라인별 인라인 코멘트를 작성합니다. 문제의 심각도는 색상으로 구분됩니다. 빨간색은 가장 심각한 핵심 결함, 노란색은 검토가 필요한 잠재적 문제, 보라색은 수정 과정에서 영향을 받은 기존 코드의 오래된 버그를 의미합니다.

Anthropic의 Cat Wu 프로덕트 헤드는 TechCrunch와의 인터뷰에서 들여쓰기나 명명 규칙 같은 스타일 지적은 완전히 배제하고 오직 논리적 오류를 잡아내는 데 집중했다고 밝혔습니다. 개발자들은 조치할 필요가 없는 AI의 무의미한 잔소리에 쉽게 피로감을 느끼기 때문입니다.

실제 성과도 인상적입니다. 수개월간 진행된 Anthropic 내부 테스트 결과, 엔지니어가 '잘못된 지적'으로 분류한 비율은 1% 미만에 불과했습니다. 1,000줄이 넘는 대규모 PR에서는 84%의 확률로 문제를 찾아내 평균 7.5건의 결함을 지적했습니다. 회사 내부 전체 PR 중 실질적인 검토 의견이 달린 비율도 기존 16%에서 54%로 급증했습니다.

실제 적발 사례도 공개되었습니다. 운영 환경에 배포될 예정이던 한 줄짜리 단순 변경 건이 서비스의 인증 체계를 무너뜨릴 수 있다는 점을 감지해 긴급 차단했으며, 오픈소스 TrueNAS의 ZFS 암호화 리팩터링 과정에서는 동기화할 때마다 암호화 키 캐시를 조용히 날려버리던 인접 레거시 코드의 타입 불일치 버그를 짚어냈습니다.

1회 20분 소요, 15~25달러의 고성능 엔터프라이즈 관문

깊이 있는 분석을 수행하는 만큼 작동 방식도 묵직합니다. 리뷰 한 건당 평균 약 20분이 소요되며, 토큰 사용량에 따라 과금되어 PR 크기와 복잡도에 따라 평균 15~25달러의 비용이 발생합니다.

비용 통제를 위해 관리자는 월간 지출 한도를 설정하거나 특정 핵심 저장소에서만 리뷰가 작동하도록 지정할 수 있습니다. 또한 AI가 자체적으로 PR을 승인할 수는 없으며, 최종 머지 결정권은 여전히 인간 엔지니어가 갖습니다.

이번 출시는 Anthropic의 엔터프라이즈 사업이 급성장하는 시점에 이뤄졌습니다. 회사에 따르면 Claude Code의 연간 환산 매출은 이미 25억 달러를 돌파했으며, 기업 고객 구독은 올해 초 대비 4배로 늘었습니다. Uber, Salesforce, Accenture 같은 대기업들이 AI로 대량 생산되는 PR을 감당하지 못하고 있는 만큼, 확실한 코드 검증 도구에 기꺼이 비용을 지불하려는 수요가 큽니다.

왜 중요한가

AI가 코드를 대신 짜주는 시대의 진짜 승부처는 코드 생산이 아니라 검증과 품질 관리에 있습니다.

개인 개발자나 사이드 프로젝트 수준에서는 1회 검토에 15~25달러를 쓰는 것이 과도한 부담이며 시도할 이유가 적습니다. 하지만 운영 장애 한 번으로 막대한 손실을 볼 수 있는 기업 개발팀 관점에서는 매우 남는 장사입니다. 수만 달러짜리 치명적 배포 사고를 2~3만 원 선에서 사전 차단할 수 있다면 핵심 서비스 저장소에 도입할 가치는 충분합니다.

업계 관점에서도 영리한 전략입니다. Anthropic은 프론트엔드에서 Claude Code로 코드 생산량을 폭발시킨 뒤, 백엔드에서 Code Review와 Code Security를 팔아 그 위험을 통제하는 강력한 사업 모델을 완성했습니다. 코드를 생성하는 도구와 이를 감시하는 도구가 서로 토큰을 소비하며 매출을 견인하는 구조입니다.

우리는 Anthropic이 빠른 응답 시간을 과감히 포기하고 20분의 다중 검증을 선택해 오탐률을 1% 미만으로 낮춘 점을 높게 평가합니다. 개발자 도구의 성패는 결국 노이즈 통제에 달려 있으며, 사소한 서식 지적을 버리고 치명적인 논리 결함에만 집중한 설계는 엔지니어의 작업 현실을 정확히 꿰뚫었습니다.

다만 장기적인 부작용도 배제할 수 없습니다. AI 리뷰어의 적중률이 높아질수록 인간 검토자는 경계심을 풀고 'AI가 봤으니 문제없겠지'라는 생각으로 승인 버튼을 누르는 기계적 태도에 빠질 수 있습니다. 다중 에이전트조차 놓치는 예외적인 엣지 케이스가 발생했을 때, 코드의 세부 맥락을 잃어버린 인간 개발자가 이를 제때 수습할 수 있을지는 여전히 의문으로 남습니다.