AI로 늘어난 PR에 오픈소스 유지관리자가 경고를 보낸 이유

들어가며

AI 코딩 도구는 새로운 오픈소스 프로젝트의 코드를 이해하고 변경안을 만드는 일을 쉽게 만들었습니다. 동시에 프로젝트를 충분히 파악하지 않은 채 그럴듯한 PR과 이슈를 작성하는 일도 쉬워졌습니다. 오픈소스 프로젝트 유지관리자인 Neil Alexander는 이력서에 기여 기록을 추가하려는 목적으로 AI를 이용해 낮은 품질의 제출물을 대량 생산하는 사람들에게, 이런 내용을 자신의 프로젝트로 보내지 말라고 요구했습니다.

이는 AI를 활용한 개발 전반을 거부하는 주장이 아닙니다. 핵심 문제는 생성된 내용을 제출자 스스로 확인하고 실행하고 이해하지 않은 채 프로젝트에 넘기는 행위입니다.

달라진 외부 기여 패턴

Alexander의 관찰에 따르면 지난 1년 동안 외부 기여에는 몇 가지 변화가 나타났습니다.

• 이슈보다 PR이 훨씬 많이 올라오고;
• 이슈에 AI가 작성한 분석이 첨부되는 일이 늘었으며;
• 보안 취약점 보고가 이전보다 잦아지고;
• 보고서에 AI가 생성한 수정 제안이 함께 포함되는 경우가 많아졌습니다.

일부 제출물은 실제 문제를 해결하기보다 기여 기록을 남기는 데 더 초점이 맞춰진 것처럼 보입니다. 물론 이런 특징만으로 모든 제출물이 무가치하다고 할 수는 없습니다. AI는 관련 코드를 찾고, 복잡한 로직을 요약하고, 재현 절차를 정리하고, 가능한 수정 방향을 제안하는 데 도움을 줄 수 있습니다.

하지만 생성된 제안을 실행하거나 테스트하지 않고 제출하면 유지관리자의 업무가 줄어들지 않습니다. 오히려 유지관리자는 처음부터 문제의 사실 여부와 수정안의 적절성을 다시 확인해야 합니다. 빠르게 만들어진 기여가 프로젝트에 무료로 추가되는 것이 아니라, 검토와 후속 질문, 회귀 분석이라는 비용을 함께 발생시키는 셈입니다.

전문적으로 보여도 충분하지 않은 이유

오픈소스 작업은 코드만으로 판단할 수 없습니다. 보안 보고서가 기존 방어 기능을 놓칠 수 있고, 수정안이 호환성을 깨뜨릴 수도 있습니다. 기술적으로 실행되는 리팩터링이라도 프로젝트의 설계 원칙이나 장기 유지보수 방향과 맞지 않을 수 있습니다.

유지관리자는 문제가 실제로 존재하는지, 변경이 필요한지, 테스트가 충분한지, 프로젝트의 정책에 부합하는지를 확인해야 합니다. AI가 만든 제출물이 대량으로 들어오면 유지관리자가 기여자가 먼저 수행해야 할 기본 검증까지 대신하게 됩니다. 특히 자원봉사자 중심으로 운영되는 프로젝트에서는 이런 추가 부담이 크게 작용합니다.

또 다른 문제는 평가 방식의 왜곡입니다. PR 개수가 역량의 증거처럼 취급되면 기여자는 품질보다 제출 횟수를 늘리는 데 집중할 수 있습니다. 프로젝트는 이력서의 소재가 되고, 유지관리자는 자동 생성된 내용을 선별하는 무급 필터가 됩니다.

AI 시대의 책임 있는 기여

AI를 사용하는 것 자체가 낮은 품질을 의미하지는 않습니다. 다만 AI를 보조 도구로 사용하고 책임까지 넘기지 않는 태도가 필요합니다. 기여자는 문제를 재현할 수 있어야 하고, 변경이 필요한 이유와 수정 내용, 실제로 실행한 테스트를 설명할 수 있어야 합니다. AI가 상당한 부분에 관여했다면 이를 투명하게 밝히는 것도 이후 소통에 도움이 됩니다.

프로젝트는 기여 가이드와 PR 템플릿, 보안 보고 절차를 정비해 재현 단계, 테스트 결과, 영향 범위, 수동 검증 여부를 요구할 수 있습니다. 맥락이 없거나 재현할 수 없고 반복적인 제출물을 닫는 것은 개방성을 포기하는 일이 아닙니다.

이번 논쟁의 핵심은 오픈소스가 AI를 받아들일지 여부가 아닙니다. 기여가 여전히 이해와 검증, 책임을 바탕으로 이뤄지는지에 대한 문제입니다. AI는 더 많은 사람이 오픈소스에 접근하도록 도울 수 있지만, 생성된 텍스트가 자동으로 가치 있는 협업이 되는 것은 아닙니다. 검증된 소수의 기여가 검증되지 않은 대량의 패치보다 역량을 더 잘 보여줄 수 있습니다.

출처: OSChina