Zig 창시자 앤드루 켈리 인터뷰: AI 코드 기여를 전면 금지한 이유와 오픈소스 리뷰 시간 문제

핵심 메시지

• Zig 프로젝트는 이슈와 풀 리퀘스트에 AI·LLM 사용을 전면 금지한다. 창시자 앤드루 켈리는 그런 기여가 "예외 없이 쓸모없다"고 잘라 말한다.
• 금지의 진짜 이유는 코드 품질이 아니라 리뷰 시간이다. 현재 200건이 넘는 풀 리퀘스트가 리뷰를 기다리는데, AI 기여를 검토하다 보면 다른 기여자들이 순서를 잃는다.
• 켈리는 코드 리뷰의 목적을 멘토링으로 본다. AI로 기여하는 사람은 배우는 것이 없어 미래의 핵심 기여자로 성장하지 않는다는 것이 그의 판단이다.
• "좋은 AI 기여만 받겠다"는 정책은 그가 매번 심판이 되어야 해서 지속 불가능하다. 전면 금지가 오히려 집행하기 쉬운 규칙이라는 설명이다.
• 정작 Zig 코드 자체는 MIT 라이선스라 어떤 기업이든 AI 학습에 써도 막지 않는다. 켈리는 이 모순을 인정하면서도 개의치 않는다고 밝혔다.

쉽게 이해하기

시스템 프로그래밍 언어 Zig를 만든 앤드루 켈리가 젯브레인스와의 인터뷰에서 프로젝트의 AI 정책을 직접 설명했다. Zig는 이슈와 풀 리퀘스트에서 LLM 사용을 엄격히 금지하는 몇 안 되는 주요 오픈소스 프로젝트다. 켈리는 그 이유를 묻자 AI가 만든 기여는 "예외 없이 쓰레기"이며, 가치가 없는 정도가 아니라 마이너스 가치를 가진다고 답했다.

마이너스라고 말한 근거는 시간이다. Zig에는 리뷰를 기다리는 풀 리퀘스트가 200건 넘게 쌓여 있고, 개발팀 인원은 매우 적다. AI로 만든 기여를 몇 차례 리뷰하다 보면 기여자가 자기가 무엇을 하는지 전혀 모른다는 사실이 드러나는데, 그동안 순서를 기다린 다른 사람들은 리뷰를 받지 못하고 코드도 병합되지 않는다. 켈리는 이 상황을 "기여자 포커"라고 부른다. 한정된 리뷰 시간을 누구에게 투자할지 골라야 하는 게임이라는 뜻이다.

그가 코드 리뷰를 바라보는 관점은 품질 검사보다 멘토링에 가깝다. 기여자가 나중에 핵심 팀원이 되거나 더 실력 있는 시스템 프로그래머로 성장하면 프로젝트에도 좋고 그 사람의 경력에도 좋다는 것이다. Zig 재단의 사명 자체에 교육이 들어 있다는 점도 근거로 들었다. AI에 의존해 기여하는 사람은 배우는 것이 없으니 이 선순환에 들어오지 않는다는 게 그의 결론이다.

정책을 "전면 금지"로 못 박은 데는 실무적인 이유도 있다. 품질 좋은 AI 기여만 선별해 받겠다고 하면 그가 매번 판정관이 되어야 한다. 아예 전부 금지하면 집행이 단순해진다. 다만 탐지가 늘 쉬운 것은 아니라고 인정했다. 요즘은 LLM 문장을 그대로 붙여넣지 않고 자기 말투로 고쳐 쓰는 사람이 많아, 앞으로는 기여 권한 자체에 더 강한 필터가 필요할지 모른다고 했다.

흥미로운 대목은 켈리가 이 정책의 모순을 스스로 인정한다는 점이다. Zig는 MIT 라이선스라 어떤 대기업이든 코드를 가져다 AI를 학습시킬 수 있다. 그는 Zig가 세상에 주는 "조건 없는 선물"이라 믿기 때문에 그 사용을 문제 삼지 않는다고 말했다. 오히려 사람들이 AI 작업에 Zig를 쓰기 시작한 것은 언어가 쓸모 있다는 증거로 본다고 덧붙였다.

주요 인사이트

• AI 기여 금지의 비용은 코드가 아니라 사람의 주의력으로 계산된다. 리뷰어가 소수인 프로젝트에서 검토 대기열은 가장 희소한 자원이며, 생성 비용이 거의 0인 기여가 밀려들면 이 자원이 먼저 고갈된다.
• "좋은 것만 걸러 받겠다"는 정책은 판정 비용을 유지 관리자에게 떠넘긴다. 켈리가 전면 금지를 택한 이유는 규칙이 옳아서가 아니라 집행 가능해서다. 규칙 설계에서 자주 놓치는 지점이다.
• 오픈소스의 기여 리뷰가 실은 인재 파이프라인이라는 시각은 한국의 사내 코드 리뷰에도 그대로 적용된다. 리뷰를 결함 탐지로만 보면 AI 생성 코드가 늘어날 때 남는 게 없다.
• 켈리는 AI 코딩 도구가 "놀랍게도 잘 작동한다"는 평가 자체를 문제 삼는다. 버그가 없다는 사실에 놀라야 하는 상황이면 품질 기준이 이미 낮아진 것이라는 지적이다.
• 변수명 일괄 변경 같은 작업에서 그는 확정적으로 동작하는 리팩터링 도구를 선호한다. 결과를 검토할 필요 없이 커밋할 수 있기 때문이다. AI에 맡기면 결과를 반드시 읽어야 해서 오히려 느려진다는 것이다.

자주 묻는 질문

관련 AI 소식