AI의 조용한 코드 킬러
AI는 단순히 코드를 생성하는 것이 아니라, 코드베이스의 무결성을 조용히 파괴하는 AI slop(저품질 AI 생성물)을 만들어내고 있습니다. 이는 단순히 나쁜 코드를 넘어선 '공유지의 비극'과 같습니다. 겉으로는 깔끔하고 기능적으로 보이지만, 구조적으로 결함이 있고 중복된 패턴으로 가득 차 있어 기술 부채를 가속화합니다. 이 교묘한 특성은 기본적인 검사를 통과하면서도 내부에서부터 프로젝트를 서서히 침식하는 데 있습니다.
피해 규모를 정량화하면 냉혹한 현실이 드러납니다. GitClear가 2억 1,100만 줄의 코드를 분석한 결과, AI 비중이 높은 프로젝트는 중복 코드 블록이 4~8배 증가했습니다. 리팩토링 효율은 60% 감소했으며, 코드 변경률(churn rate)은 사람이 작성한 코드에 비해 9배나 급증했습니다. 이는 단순한 비효율이 아니라 구조적인 퇴보입니다.
핵심적인 위험은 이 저품질 결과물이 피상적인 검토에서는 유효해 보여 인간의 검토를 쉽게 통과한다는 점입니다. 이는 구조적 결함과 과도한 복잡성을 코드베이스 전반에 조용히 확산시킵니다. 결과적으로 미래의 팀에게 막대한 유지보수 비용을 전가하며, 애초에 프로덕션에 도달하지 말았어야 할 엉망인 코드를 해결하도록 강요합니다.
당신의 AI 가드레일이 실패하고 있습니다
일반적인 통념에 따르면 [Claude](/en/anthropic-workbench).md와 같은 프롬프트 파일이 AI 에이전트 가이드라인으로 충분하다고 생각합니다. 팀들은 '소프트' 규칙과 아키텍처 제안을 포함하기 위해 이를 정교하게 작성합니다. 의도는 명확합니다. 생성형 AI를 품질 지향적으로 유도하고 AI slop을 방지하는 것입니다.
하지만 이러한 접근 방식은 근본적으로 신뢰할 수 없습니다. 에이전트는 복잡한 코드 생성 과정에서 '다른 해결책이 없다고 판단할 때' 이러한 지침을 무시할 수 있으며, 실제로 자주 무시합니다. 이는 비결정론적인 품질 결과로 이어지며, 규정을 잘 따르는 듯하던 에이전트가 갑자기 자신의 프롬프트를 무시하고 중복 패턴이나 any 타입 캐스팅을 도입하게 만듭니다.
문제는 엔지니어의 태만이 아닙니다. 이는 시스템적인 도구의 실패입니다. AI가 대규모로 도입하는 미묘한 구조적 결함이나 일관성 없는 패턴을 인간의 주의력에만 의존해 잡아내는 것은 승산 없는 싸움입니다. GitClear 데이터에 따르면 AI 비중이 높은 코드는 중복 코드 블록이 4~8배 증가하고 리팩토링 효율이 60% 감소합니다.
이러한 소프트 가드레일은 잘못된 안전감을 제공합니다. 겉으로는 깔끔하지만 구조적으로는 부실한 AI 생성 코드가 코드베이스를 조용히 썩게 방치함으로써 기술 부채를 가속화합니다. Claude.md에 담긴 당신의 최선의 의도도, 최선의 해결책이 아닌 '어떤' 해결책이라도 찾으려는 에이전트 앞에서는 충분하지 않습니다.
Anti-Slop을 소개합니다: 당신의 새로운 품질 게이트
이제 anti-slop을 도입할 때입니다. 이는 당신의 새로운 품질 게이트가 될 것입니다. 이 특화된 독단적 린팅 규칙(opinionated linting rules) 세트는 TypeScript에서 흔히 발생하는 AI 생성 안티 패턴을 직접적으로 겨냥합니다. 이는 피상적인 검토 중에는 보이지 않는 무분별한 any 타입 캐스팅, 중첩된 타입 단언, 광범위한 객체 매개변수 타입과 같은 저품질 코드를 방지합니다.
소프트한 Claude.md 가이드라인과 달리, anti-slop은 무시할 수 없는 강력한 린팅 오류를 생성합니다. AI 에이전트가 결함 있는 코드를 출력하면, 구체적인 수정 힌트와 함께 정확하고 결정론적인 피드백을 받게 됩니다. 이는 에이전트가 코드를 수정하도록 강제하며, 구조적 결함과 중복 패턴이 프로덕션에 도달하지 못하도록 강력하고 반복적인 품질 루프를 구축합니다.
결정적으로, anti-slop은 고성능 Rust 기반 린터인 Oxlint를 활용하여 ESLint보다 50~100배 빠른 피드백을 제공합니다. 이러한 극도의 성능은 에이전트 기반 워크플로우에서 필수적이며, AI 에이전트가 견고하고 유지보수가 가능한 코드를 작성하도록 효과적으로 유도하는 즉각적인 검증을 제공합니다. 조건부 빈 객체 스프레드 거부와 같은 특정 규칙 및 구현에 대한 자세한 내용은 프로젝트의 GitHub 저장소를 확인하세요: GitHub - dmmulroy/anti-slop: Opinionated Oxlint rules for rejecting low-evidence TypeScript and JavaScript patterns.
이 글이 마음에 드셨나요? 매일 아침 이런 글을 메일로 받아보세요.
하루 한 통 · 두 번의 클릭으로 구독 취소 · 제3자 추적 없음
소프트웨어 세계를 위한 엄격한 규칙
Anti-slop의 철학은 타입 안전성을 장식이 아닌 증거로 취급하는 것입니다. 이 규칙들은 제안이 아니라 엄격한 컴파일러 중단점입니다. 중첩된 타입 단언, 모듈 모의 객체(mock), 광범위한 객체 매개변수 타입과 같은 패턴은 거부됩니다. 대신 Anti-slop은 명확한 경계 파싱과 const가 아닌 타입 단언에 대한 명시적인 안전 주석을 요구하며, 에이전트가 단순히 통과 가능한 구문이 아닌 견고한 시스템을 구축하도록 강제합니다.
이것은 단순한 블랙박스 의존성이 아닙니다. Anti-slop은 벤더 구현(vendored implementation) 모델을 사용합니다. 팀은 규칙 세트를 자신의 저장소에 직접 복사하여 코드베이스의 일부로 만듭니다. 이를 통해 엄격한 외부 패키지에 맞추는 대신 특정 프로젝트 요구 사항에 맞게 표준을 조정하는 깊은 커스터마이징이 가능합니다. 이는 품질 게이트를 직접 소유하는 것에 관한 것입니다.
Anti-slop은 AI slop의 교활한 위협에 대한 업계의 커지는 인식 속에 자리 잡고 있습니다. 유사한 도구들이 등장하고 있으며, AI로 인한 기술 부채에 대한 논의가 활발해지고 있습니다. 예를 들어, GitClear 데이터에 따르면 AI가 많이 사용된 코드에서 중복 블록이 4~8배 증가하고 리팩토링이 60% 감소하는 것으로 나타났습니다. 문제는 실재하며, 엄격한 규칙만이 유일한 해결책입니다.
자주 묻는 질문
'AI slop'이란 무엇인가요?
AI slop은 구문적으로는 정확하고 기본적인 테스트는 통과할 수 있지만, 아키텍처적으로는 부실한 AI 생성 코드를 의미합니다. 이는 종종 중복된 패턴, 과도한 복잡성, 장기적인 기술 부채를 가속화하는 잘못된 관행을 포함합니다.
Anti-slop 린터는 어떻게 작동하나요?
Anti-slop은 고속 린터인 Oxlint를 위한 독단적인 린팅 규칙 세트입니다. AI 출력물에서 흔히 볼 수 있는 저품질 코드 패턴을 감지하면 무시할 수 없는 엄격한 오류를 생성하여, AI 에이전트가 구체적인 피드백을 사용하여 코드를 수정하도록 강제합니다.
Anti-slop이 좋은 프롬프트나 지침을 사용하는 것보다 나은 이유는 무엇인가요?
프롬프트와 문서 파일은 AI 에이전트가 다른 해결책을 찾지 못할 때 무시할 수 있는 '소프트' 가이드라인입니다. Anti-slop은 우회할 수 없는 결정론적이고 엄격한 오류를 생성하여 효과적인 품질 게이트 역할을 합니다.
Oxlint는 무엇이며 Anti-slop에 왜 중요한가요?
Oxlint는 Rust로 구축된 JavaScript/TypeScript 린터로, ESLint보다 50~100배 빠릅니다. 이러한 극도의 속도는 AI 에이전트가 개발 워크플로우를 늦추지 않고 반복적으로 코드를 수정하는 데 필요한 즉각적인 피드백을 제공하는 데 매우 중요합니다.