본문으로 건너뛰기
PR 리뷰의 시작점을 바꾼 Yahoo!플레이스의 Claude Code
목차

PR 리뷰의 시작점을 바꾼 Yahoo!플레이스의 Claude Code (2026-04)

원문 정보

두 사람에게 쌓이던 리뷰 요청

2024년 하반기 Yahoo!플레이스 백엔드 팀에서는 테크 리드와 팀원 한 명에게 리뷰 요청이 몰렸습니다. 테크 리드였던 글쓴이는 구현도 맡고 있었지만, 하루 작업의 대부분을 리뷰에 쓰면서 자기 업무를 뒤로 미뤄야 했습니다. PR을 올린 개발자도 기다렸습니다. 대기 중인 PR이 쌓이면서 다음 작업으로 넘어가기 어려워졌기 때문입니다.

리뷰를 끝내도 불안은 남았습니다. 마감이 다가오면 큰 PR을 짧은 시간 안에 봐야 했고, 시간이 더 있었다면 놓친 버그를 찾지 않았을까 하는 걱정이 따라왔습니다. 철저히 검토하면 개발 속도가 떨어지고, 효율을 앞세우면 버그 누락이 늘어나는 상황입니다. 리뷰를 맡은 개인의 노력만으로는 한계가 있었습니다.

2025년 리뉴얼 릴리스를 앞두고 프런트엔드 전문 팀이 출범했습니다. 글쓴이는 백엔드에서 겪은 리뷰 집중과 정체를 반복하지 않도록, 새 팀의 리뷰 절차부터 바꾸기 시작했습니다.

매번 붙여 넣던 프롬프트를 대신한 커스텀 명령어

처음에는 AI로 PR의 개요를 만들어 리뷰에 활용했습니다. 변경 내용을 이해하기는 쉬워졌습니다. 하지만 수정이 다른 코드에 어떤 영향을 주는지 따라가거나 잠재적인 문제를 찾는 일은 여전히 어려웠고, 리뷰할 때마다 프롬프트를 붙여 넣는 수고도 남았습니다. 약 2주 만에 사용을 멈춘 이유입니다.

전환점은 2025년 여름 무렵 사내에 도입된 Claude Code였습니다. 리뷰용 커스텀 명령어를 한 번 등록하면 매번 프롬프트를 준비하지 않아도 됐습니다. 이를 바탕으로 리뷰어가 PR을 본격적으로 검토하기 전에 AI가 먼저 점검하는 ‘스크리닝 리뷰’를 도입했습니다. 사람이 PR을 열고 변경 내용부터 하나씩 조사하던 자리에서, AI의 분석을 확인하고 최종 판단을 내리는 방식으로 바뀐 것입니다.

커스텀 명령어에는 검토 순서를 담았습니다. 리뷰 요구 사항을 확인하고 PR 전체를 파악한 뒤, 파일별 변경을 살펴보고 코드베이스 전체로 영향 조사를 넓혀 리뷰 결과를 정리하도록 했습니다. 변경된 파일에 의존하는 다른 파일도 점검 대상입니다. 변경 내용 요약에 그치지 않고 코딩·명명 규칙을 확인하며, 버그나 성능 문제를 찾아내도록 요청했습니다.

코멘트의 말투에도 공을 들였습니다. AI는 구현자를 존중하면서 최대 3줄 정도로 짧은 문장을 제안하고, [must], [want], [imo], [ask], [nits], [info] 같은 라벨을 붙입니다. 단정적인 표현은 피하고 코멘트를 남길 위치도 명시하도록 했습니다. 결과는 수정 또는 확인이 필요한 부분과 수정은 필요 없지만 우려되는 부분으로 나누며, 코멘트를 실제로 전송하지는 않습니다.

PR 작성자도 같은 명령어로 리뷰 요청 전에 자체 점검을 할 수 있습니다. 지적받을 만한 부분을 미리 해결하는 용도입니다. 글쓴이는 이 방식을 도입한 뒤 리뷰 시간이 줄고 구현에 집중할 시간이 늘었다고 전합니다.

AI의 개선안을 판단하는 리뷰어

AI가 제안했다고 모든 변경을 받아들이지는 않았습니다. 리뷰어가 서비스 이용 상황과 향후 확장성을 고려해, 제안받은 코드 개선이 현 시점에는 필요하지 않다고 판단한 경우도 있었습니다. 신규 기능을 검토할 때는 AI가 성능 문제를 발견해 사전에 막은 사례도 있습니다. 폭넓게 조사하는 작업은 AI가 지원하고, 서비스 문맥을 고려한 결정은 사람이 맡았습니다.

AI의 결과를 두고 논의가 더 이어지기도 했습니다. 제안받은 리팩터링안을 AI와 깊이 논의하다가 원래 PR의 목적을 넘어 본질적인 개선으로 이어진 사례입니다. 글쓴이는 이런 경험에서 AI가 생각할 계기를 제공하고, 엔지니어의 설계 역량도 성장한다는 느낌을 받았습니다.

리뷰에 참여하는 사람도 달라졌습니다. 자신의 지식이 부족할까 봐 주저하던 경험이 적은 멤버들이 AI의 지원을 받으며 자신 있게 코멘트를 남기기 시작했습니다. AI가 제안한 검토 관점을 참고하면서 무엇을 봐야 하는지도 배웠습니다. 리뷰 부담을 줄이는 일이 팀원들이 리뷰에 참여하기 쉬운 환경을 만드는 일로 이어졌습니다.

스크리닝 리뷰를 뒷받침하는 팀의 작업 흐름

사전 점검에서 어느 정도 성과를 얻은 뒤에는 PR 작성과 리뷰 대기, 효과 확인까지 손봤습니다. AI가 검토할 맥락을 충실하게 만들고, 리뷰를 잊지 않도록 알리고, 개선이 실제로 이어지는지 팀이 확인하는 방식입니다.

AI가 읽을 배경을 채우는 PR 템플릿

PR 작성 자동화는 작성자의 수고를 줄이면서 AI 리뷰의 정확도도 높이기 위한 작업이었습니다. AI가 커밋 차분을 분석해 제목과 설명을 만들고, 템플릿의 배경·변경 내용 항목을 채웁니다. PR의 맥락이 충실해지면 스크리닝 리뷰가 더 정확해지고, PR 내용이 표준화되면서 팀 전체의 리뷰 품질도 높아집니다.

커스텀 명령어는 브랜치 생성부터 커밋과 PR 생성까지의 Git 작업을 자동화합니다. 먼저 템플릿을 찾고, 현재 브랜치가 main이나 develop이면 새 브랜치를 만들도록 했습니다. 승인 절차도 명시했습니다. 제목과 본문을 사용자에게 보여 주고 승인받기 전에는 PR을 만들지 않으며, 실행할 명령어도 보여 주고 최종 확인을 거칩니다.

대기 시간을 함께 보여 주는 Slack 알림

리뷰 대기 알림 봇은 기다리는 PR을 Slack에 정기적으로 알립니다. 할당된 리뷰어를 직접 멘션하고, 각 PR이 얼마나 오래 대기했는지도 표시합니다. 누락을 줄이는 장치입니다. 정기 알림은 대기 중인 PR을 빨리 리뷰하고, 그 과정에서 AI 스크리닝을 활용해 효율적으로 검토하자는 문화가 자리 잡도록 돕습니다.

매주 팀과 공유하는 48시간 내 리뷰 완료율

팀은 PR을 만든 뒤 48시간 안에 리뷰가 끝난 비율을 매주 계산해 공유합니다. 리뷰 절차를 바꾼 효과를 확인하기 위한 지표입니다. 개선 결과가 수치로 보이면 팀의 동기를 유지하는 데 도움이 되고, 이를 평가 프로세스에도 반영하면서 활동을 이어 갈 근거로 삼았습니다.

처음 적용하는 팀에 권하는 출발점도 이 경험에서 나왔습니다. 리뷰어용 커스텀 명령어로 AI의 사전 점검과 사람의 최종 판단을 나누고, PR 템플릿과 자동 생성을 정비한 뒤 단순한 지표로 효과를 확인하는 순서입니다. 처음부터 고도화된 대시보드를 만들기보다, 48시간 내 리뷰 완료 비율 같은 지표에서 시작해 팀에 맞게 조정하자는 제안입니다.

각자 AI 리뷰를 실행한 ODW 첫 워크숍

팀에서 얻은 경험은 Orchestration 길드의 첫 워크숍으로 이어졌습니다. 이 길드는 각 조직의 임원이 선발한 엔지니어들이 현장의 AI 활용 지식을 전사에 공유하는 커뮤니티입니다. DevRel 팀 Inoue 님의 제안으로 리뷰 효율화 경험을 첫 주제로 삼았고, 2025년 10월 30일 Orchestration Development Workshop #1을 개최했습니다.

실시간으로 2,000명 이상이 참여했습니다. 약 1시간 동안 진행한 프로그램에서 스크리닝 리뷰는 참가자가 직접 실행하는 핸즈온으로, PR 작성 자동화와 알림 봇, 지표는 사례 소개로 다뤘습니다. 참가자가 명령어를 실행하고 AI가 만든 코멘트를 확인하면서 자기 팀에서도 해 볼 수 있다는 감각을 얻도록 한 구성입니다. 워크숍 뒤에는 바로 적용해 보고 싶다는 반응과 함께 구현 방법, 프롬프트를 묻는 구체적인 질문이 이어졌습니다.

참가자 설문에서도 변화가 나타났습니다. AI 코드 리뷰 지원을 어떤 형태로든 활용한다는 응답은 워크숍 전 45.0%에서 후 68.5%로 늘었습니다. 지속적으로 활용한다는 응답은 15.0%에서 27.6%로 거의 두 배가 됐고, 활용 예정이 없다는 응답은 28.0%에서 12.2%로 줄었습니다.

워크숍 전후 AI 리뷰 지원 활용 응답
활용 상황워크숍 전워크숍 후변화
지속적으로 활용하고 있음15.0%27.6%+12.6pt
일부 시험적으로 활용 중30.0%40.9%+10.9pt
합계(어떤 형태로든 활용)45.0%68.5%+23.5pt
앞으로 사용해 보고 싶음27.0%19.3%-7.7pt
활용 예정 없음28.0%12.2%-15.8pt

설문에는 같은 문제로 고민하던 중 마침 시도해 보고 싶었던 내용이라는 의견이 많았고, 이후 여러 팀이 AI 리뷰 지원을 도입했습니다. 워크숍 뒤 기존 활용자들을 인터뷰하면서 다른 효과도 확인했습니다. 새로 배정됐거나 오랜 공백 후 복귀한 개발자가 AI의 배경·영향 범위 요약을 읽고 코드베이스를 빠르게 이해해 리뷰에 참여하는 데도 도움이 됐습니다.

이 활동은 2025년 10월 31일 자사 보도 자료에도 소개됐습니다. 사내 엔지니어 약 7,000명을 대상으로 하는 Orchestration 길드의 활동 가운데, AI 코드 어시스턴트로 코드 리뷰 업무를 개선한 사례로 다뤄졌습니다.

글쓴이가 다음 단계로 확산하고 싶은 것은 리뷰를 넘어선 AI 코딩입니다. AI와 대화하며 코드를 작성하고 설계를 다듬는 바이브 코딩을 질 높게 실천하는 방법까지 조직 전체가 익혀 가기를 바라고 있습니다.

마지막 수정 일자