자동차 산업이 소프트웨어 중심으로 빠르게 전환되면서, 자동차의 경쟁력은 이제 소프트웨어 품질에 의해 결정된다고 해도 과언이 아닙니다. 자동차에 들어가는 소프트웨어의 비중이 높아지면서, 운전자와 탑승자의 이동 경험이 얼마나 편리하고 재미있으며, 새로운지, 또 얼마나 안전한지도 소프트웨어에 의해 좌우되고 있습니다. 그래서 자동차 산업에서는 더욱 철저한 소프트웨어 검증작업인 코드 리뷰가 필요합니다.

‘경쟁하지 말고 차별화하라.’

비즈니스 성공 요인을 묻는 질문에 많은 유명인들이 이와 같은 방향성을 제시합니다.

‘차별화는 단순히 튀는 아이디어가 아닙니다. 치밀한 전략과 탄탄한 논리 위에 생기는 결과물입니다.’

LG전자도 비슷한 방식과 결과 대신 차별화된 방식과 결과를 추구하고자 합니다. 특히 개발의 효율성과 편의성을 높이는 차별화된 방식을 모색하고 있으며, 그 일환으로 인공지능을 활용한 소스 코드 리뷰 방법을 연구하고 직접 적용해 보고 있습니다.

LG전자가 연구 중인 인공지능 코드 리뷰 시스템은 어떻게 개발자의 업무를 지원할까요? 또 소프트웨어 개발 과정을 어떻게 더 편리하게 바꿀 수 있을까요?

인공지능 기반 자동차 소프트웨어 코드 리뷰 상황을 표현한 AI 생성 이미지

대화형 리뷰
소프트웨어 소스 코드가 변경되었다고 가정해 보죠. 이 변경 내용을 바탕으로 개발자인 인간과 인공지능은 대화를 시작합니다.

예를 들어 “어떠한 이유로 소스의 방향이 수정되어야 한다.”, “특정 날짜까지 반영이 필요하다.”, “영향을 받을 수 있는 관련 기능은 무엇이다.”와 같은 대화를 통해 인공지능은 변경된 소스 코드의 앞뒤 맥락을 이해하게 됩니다. 그리고 변경된 부분에 문제점이나 취약점, 추가로 고려해야 할 사항이 있다면 개발자에게 의견을 제시하지요. 변경된 부분뿐 아니라 기존 코드와 충돌은 없는지, 일관성은 유지되는지도 함께 확인합니다. 변경된 부분이 아주 많거나 기존 코드가 방대하더라도, 프롬프팅이 잘 된 인공지능은 인간보다 실수할 가능성이 상대적으로 낮고 일관된 판단을 할 수 있습니다.

이 인공지능 코드 리뷰는 체크리스트에 따라 정량적으로 점수를 매겨, 각 코드의 리뷰 결과를 점수로 나타낼 수도 있습니다. 이러한 방식은 소스 코드의 리뷰 전후 개선 정도를 추적할 수 있고, 개선 효과를 보다 가시적으로 확인할 수 있다는 장점이 있습니다. 또한 최종 소스 코드가 반드시 일정 점수 이상을 충족해야 한다는 기준을 마련해 둔다면, 소스 코드 리뷰를 체계적으로 관리하는 도구로도 활용할 수 있겠지요.

수정한 코드 제안

이 대화 과정에서 인공지능은 단순히 조언만 제시하는 데 그치지 않고, “이렇게 수정하면 좋겠다”라는 구체적인 샘플 코드까지 함께 제공합니다. 즉, 대화를 통해 문제를 파악하는 단계부터 수정된 샘플 코드를 제안하는 단계까지 한 번에 지원하는 것입니다.

인공지능이 코드의 문제점을 분석하고 개선 방향을 제안하는 과정을 표현한 AI 생성 이미지

이러한 방식은 개발자의 시간과 노력을 줄여줘 전반적인 개발 생산성 향상으로 이어질 수 있습니다.
다만 인공지능 코드 리뷰가 언제나 완벽한 것은 아닙니다. 간혹 오탐지가 발생하기도 합니다. 이러한 경우에는 해당 결과가 적절하지 않다는 점을 인공지능에 알려 재평가를 지시해야 합니다. 이런 상황에도 대화형 인공지능 코드 리뷰는 편리합니다. 바로 다시 대화를 이어가면 인공지능이 앞뒤 맥락과 이력을 기억하고, 보다 쉽고 효과적으로 재평가할 수 있기 때문입니다.

LG전자는 이러한 과정이 더욱 효과적으로 운영될 수 있도록 지속적인 연구를 이어가고 있습니다.

오탐지로 인한 재평가 패치 셋은 지속적인 모니터링을 통해 향후 오탐지율을 개선하기 위한 학습데이터로 활용됩니다. 다음번에는 인공지능이 이러한 유형의 오류를 반복하지 않도록 재발 방지 대책이 마련되는 것이지요.

기존 정보도 리뷰에 활용

인공지능은 인간과의 대화 속에서 어떤 정보들을 코드 리뷰의 맥락으로 활용할까요? 첫 번째는 인간이 제공한 데이터를 활용합니다. 예를 들어, 우리 회사의 코딩 룰을 준수했는지, 또는 국제 표준 원칙을 따르고 있는지를 확인해 달라는 대화를 인간과 인공지능이 나누는 과정에서, 인공지능 코드 리뷰 시스템은 이러한 요구사항을 이해하게 됩니다.

이에 더해 인간이 제시한 데이터 외에도, 인공지능 스스로 소스 코드 개발과 연관된 시스템, 툴, 관련 문서, 사내 이력 기록 등 추가 정보를 찾아내 리뷰에 활용한다면 코드 리뷰의 정확성과 일관성을 한층 강화할 수 있을 것입니다. LG전자는 이러한 리뷰 환경의 완성도를 높이기 위해 관련 연구를 지속하고 있습니다.

또한 인공지능은 코드 리뷰 과정에서 참고한 기준이나 정보의 출처를 함께 제시합니다. 다양한 데이터를 종합적으로 활용하는 동시에 어떤 근거로 판단했는지 함께 제시함으로써, 인공지능 기반 소스 코드 리뷰의 신뢰성 역시 함께 높일 수 있습니다.

정보를 종합적으로 활용해 코드를 검토하는 인공지능 리뷰 환경을 표현한 AI 생성 이미지

다국어 지원

인간과 인공지능의 대화는 다국어 지원이 가능해 개발자인 인간이 가장 편한 언어를 사용할 수 있습니다.

소스 코드나 코멘트를 인공지능이 자동으로 요약하고 다국어 번역도 수행합니다. 이렇게 생성된 요약·번역 자료는 개발자에게 제공될 수 있으며, 인공지능이 코드 리뷰 과정에서 관련 맥락을 이해하는 참고 자료로도 활용될 수 있습니다. 개발자는 이를 통해 코드 리뷰 결과를 더욱 신속하고 정확하게 이해할 수 있습니다.

인공지능을 활용해 소스 코드를 리뷰하는 이러한 ‘방식’을 차별화함으로써, 그 ‘결과물’인 소프트웨어와 제품의 품질도 한층 차별화할 수 있을 것으로 기대됩니다. LG전자는 인공지능 코드 리뷰를 통해 소프트웨어의 완성도를 높이며, LG전자 자동차 솔루션 사업의 차별화된 경쟁력을 쌓아가고 있습니다.