GitHub 엔지니어, AI 코딩 시대 ‘작은 변경’ 판단법 제안

GitHub 공식 엔지니어링 블로그에 따르면 Copilot Agent Control Plane 팀의 소프트웨어 엔지니어 달리아 아부아다스는 17일 AI 코딩 에이전트 시대의 업무 범위 판단법을 제안했다. 코드의 첫 버전을 만드는 비용은 낮아졌지만, 결과를 이해하고 검토하며 장기간 운영할 책임까지 저렴해진 것은 아니라는 것이 핵심이다.

아부아다스는 작은 기능 요청을 두고 개발 범위에 포함할지를 오래 논쟁하기보다, 제약을 건 첫 패치를 빠르게 만들어 실제 변경 범위를 확인하는 방법을 제시했다. 생성된 코드를 완성품이 아닌 탐색용 결과물로 취급해 어느 파일을 건드리는지, 테스트가 가능한지, 기존 추상화를 유지하는지부터 살피자는 접근이다.

예를 들어 백엔드에 이미 있는 정보를 화면에 노출하는 변경이 소수의 코드와 테스트로 끝난다면 초기 예상보다 부담이 작을 수 있다. 반대로 같은 요청이 인증 미들웨어나 여러 패키지까지 건드린다면 작아 보였던 요구가 실제로는 더 큰 설계·운영 문제였다는 사실을 이른 단계에 확인할 수 있다.

이 방식에서 AI는 결정을 대신하지 않는다. 구현 가능성을 보여주는 증거를 빠르게 만들어 사람의 판단 비용을 낮추는 역할을 맡는다. 아부아다스는 작은 패치 시도에 기존 기능 플래그를 유지하고, 공개된 제품 계약을 바꾸지 않으며, 테스트와 변경 파일·위험 요소를 함께 제시하는 제약이 필요하다고 설명했다.

코드 생성 비용과 소유 비용을 구분하는 기준도 강조됐다. 테스트를 통과하더라도 사람이 검토하고 책임지기 어려운 대규모 변경은 저렴한 작업이 아니라 비용을 뒤로 미룬 결과에 가깝다. 특히 권한 처리와 개인정보, 결제, 규정 준수, 데이터 보존처럼 제품 계약과 위험 범위를 바꾸는 영역은 코드 양이 적어도 가볍게 판단해서는 안 된다는 설명이다.

이 제안은 개발 조직의 범위 관리가 구현 전 추정에만 머물지 않고 실제 변경 결과를 확인하는 단계로 일부 이동할 수 있음을 보여준다. AI 에이전트가 제한된 초안을 빠르게 제시하면 팀은 추상적인 난이도 논쟁 대신 구체적인 변경량과 검토 가능성, 장기 유지보수 부담을 놓고 결정할 수 있다.

다만 이번 글은 GitHub의 제품 정책이나 정량 연구 결과가 아니라 현직 엔지니어가 공식 블로그에 제시한 실무 관점이다. AI가 만든 첫 패치의 품질과 검토 비용은 코드베이스의 테스트 수준, 문서화, 권한 구조와 업무의 위험도에 따라 달라질 수 있다. 핵심은 더 많은 변경을 무조건 받아들이는 것이 아니라, 제한된 실험으로 불확실성의 가격을 빠르게 확인하는 데 있다.

출처: GitHub 공식 엔지니어링 블로그 https://github.blog/engineering/the-cost-of-saying-yes-has-changed/