넥슨 진현호 AI 엔지니어는 NDC 2026 무대에서 "AI 코딩 도구 확산으로 코드 작성 속도는 비약적으로 빨라졌지만, 정작 개발 조직의 코드 이해 능력은 그 속도를 따라가지 못하고 있다"라고 밝혔다.

진현호 엔지니어는 18일 열린 NDC 2026 '코드 리뷰부터 지식 자산화까지 게임 코드베이스를 위한 AI - CodeOnBoard' 세션에서 AI 시대 개발 조직이 직면한 새로운 과제로 '이해 부채'를 제시했다.

 

 

그는 "예전에는 며칠 걸리던 코드를 이제는 몇 분 만에 생성할 수 있다"며 "하지만 리뷰는 여전히 사람이 수행하기 때문에 코드 생성 속도와 이해 속도 사이의 격차가 빠르게 커지고 있다"고 설명했다. 실제 발표에서 업계 벤치마크 자료에 따르면 코드 리뷰 요청(PR) 규모는 20% 증가했지만 리뷰 시간은 91% 증가했다. 그럼에도 리뷰 이후 발견되는 문제는 오히려 늘어났다.

 

진현호 엔지니어는 이를 "코드는 있는데 이해한 사람은 없는 상태"라고 표현했다. 그는 이해 부채를 기존의 기술 부채와 비교하기도 했다. 기술 부채가 코드 품질 저하나 유지보수 비용 증가처럼 비교적 눈에 보이는 문제라면, 이해 부채는 코드가 존재함에도 이를 제대로 이해하는 사람이 없는 상태로 조직 내부에 축적되는 문제라는 설명이다. 진 엔지니어는 이를 수면 위로 드러난 일부만 보일 뿐 실제 문제는 물 아래에 숨어 있는 '빙산'에 비유했다.

 

현재 수백만 라인 규모의 레거시 코드와 부족한 문서화 문제를 안고 있으며, 여기에 AI가 생성하는 코드가 대량으로 유입되면서 기존 레거시 부채에 새로운 AI 부채까지 더해지고 있다는 설명이다.

 

넥슨이 개발한 '코드온보드 (CodeOnBoard)'는 바로 이 이해 부채를 줄이기 위한 AI 서비스다. 프로젝트는 가장 병목이 심한 영역인 코드 리뷰부터 시작됐다.

 

그는 기존 AI 코드 리뷰가 주로 변경된 코드(diff)만 분석한다는 한계를 지적했다. 예를 들어 함수 하나의 조건문이 변경됐을 때 단순 코드만 보면 문제가 없어 보일 수 있지만, 실제로는 해당 함수를 호출하는 다른 코드에서 예상치 못한 버그가 발생할 수 있다는 것이다.

 

이를 해결하기 위해 코드온보드는 변경 코드뿐 아니라 호출 관계와 의존성까지 함께 분석한다. 사람이 리뷰 과정에서 관련 코드를 찾아보는 행동을 AI가 대신 수행하도록 설계한 것이다.

 

 

검색 정확도를 높이기 위한 구조도 도입했다. 한 번 성공한 검색 패턴을 저장하고 다음 리뷰에 재활용하는 '자기 개선 루프(Self-Improving Loop)'를 적용해 검색 성능을 지속적으로 향상시키는 방식이다. 진 엔지니어는 "코드 검색은 정확도를 높이면 속도가 느려지고, 속도를 높이면 정확도가 떨어지는 문제가 있다"며 "성공 사례를 학습하는 구조를 통해 매칭률을 크게 개선했다"고 설명했다.

코드온보드는 게임 개발 환경에 맞춘 특화 기능도 갖췄다. 내부에서 사용하는 커스텀 스크립트 언어를 직접 분석할 수 있도록 설계됐다. 또 코드 리뷰 외에 보안 리뷰와 기획서 리뷰 기능도 제공한다. 특히 기획서 리뷰는 실제 구현 내용이 원래 기획 의도를 벗어나지 않았는지 검증하는 방향으로 발전하고 있다.

 

실제 도입 효과도 공개됐다. 넥슨의 한 라이브 게임 개발팀에 적용한 결과 기존 오프라인 대면 중심 리뷰 방식 대비 리뷰 시간이 약 95% 감소했다. 리뷰 한 건당 평균 2시간가량 소요되던 과정이 5~20분 수준으로 줄어들었다는 설명이다.

 

그러나 진현호 엔지니어는 코드 리뷰 자동화만으로는 문제를 해결할 수 없다고 강조했다. 변경 코드 단위의 이해 부채는 줄일 수 있지만, 수년 동안 축적된 거대한 코드베이스 자체를 이해하는 문제는 여전히 남기 때문이다.

이에 넥슨은 코드베이스를 '지식 자산'으로 전환하는 작업에 나섰다.  진현호 엔지니어는 현재 대부분의 코드베이스를 "물건이 쌓여 있지만 어디에 무엇이 있는지 알 수 없는 창고"에 비유했다. 반면 목표는 분류 체계와 연결 관계가 정리된 "도서관"이다.

 

이를 위해 코드온보드는 정적 분석을 통해 함수, 클래스, 의존 관계 등을 추출하고 이를 RDB, 벡터DB, 지식 그래프 형태로 저장한다. 특히 지식 그래프는 함수 호출 관계와 상속 구조, 의존성 등을 연결해 단순 검색을 넘어 코드의 맥락까지 추적할 수 있도록 한다.

 

이렇게 구축된 지식 자산은 기술 문서 자동 생성으로 이어진다. AI가 코드 구조를 분석해 문서 초안을 생성하고, 개발자가 이를 검토한 뒤 최종 문서를 만드는 방식이다. 실행 흐름도와 구조 다이어그램도 자동 생성할 수 있다.

 

진현호 엔지니어는 "완전 자동 생성은 오히려 품질이 떨어졌다"며 "AI가 초안을 만들고 사람이 도메인 관점에서 판단하는 휴먼 인 더루프 (Human-in-the-Loop) 방식이 가장 효과적이었다"고 말했다.

코드베이스 지식화는 챗봇 형태로도 활용된다. 개발자는 터미널에서 "대미지 계산 로직이 어디에 있느냐"와 같은 질문을 입력해 코드 구조를 확인할 수 있으며, 추가 문서 생성이나 후속 질의도 가능하다.

넥슨은 여기서 더 나아가 개발 워크플로우 전체를 AI 에이전트가 수행하는 엔드투엔드 자동화도 추진하고 있다. AI가 테스트 코드를 생성하고 실행 결과를 분석하며, 향후에는 코드 수정과 코드 생성 자동화까지 이뤄질 것으로 내다봤다. 다만 진현호 엔지니어는 완전 자동화가 사람의 역할을 없애지는 않을 것이라고 강조했다.

 

그는 "AI 시대에는 생성이 쉬워졌지만 이해 없는 결과물은 자산이 아니라 부채"라며 "완전 자율화에 가까워질수록 사람의 역할은 사라지는 것이 아니라 의사결정과 검증 영역으로 이동하게 될 것"이라고 말했다.

 

[이시영 기자 banshee@chosun.com] [gamechosun.co.kr]