앤트로픽, 자체 버전관리 ‘사이언’ 사례 공개…AI 코드 증가가 개발 기반 바꿨다

코드를 빠르게 생성해도 여러 변경을 동시에 합치고 문제의 원인을 추적하는 과정은 남는다. 자동 시험에 사용할 코드를 준비하는 일도 반복된다. 이번 사례는 AI 도구의 응답 속도보다 생성된 결과가 개발 조직의 실제 작업 흐름에 들어가는 과정에 초점을 맞춘다는 점에서 모델 출시와 다른 성격의 뉴스다.

Git의 기본 복제는 저장소를 새 디렉터리에 만들고 원격 추적 정보를 구성한다. 공식 문서는 이력의 일부를 가져오는 얕은 복제와 작업 경로를 줄이는 sparse 옵션, 객체를 조건에 따라 가져오는 필터도 제공한다. 규모가 커졌다고 반드시 새 시스템이 필요한 것은 아니며 기존 도구 안에도 자료를 덜 가져오는 선택지가 있다.

사이언은 대부분의 이용자가 항상 온라인인 에이전트와 작업이라는 조건을 설계의 출발점으로 삼았다. 서버가 변경 생성과 병합, 이력 질문을 처리하고 클라이언트는 제한된 자료와 작업 파일을 유지한다. 로컬에 모든 기능과 이력을 갖추는 성격을 줄이는 대신 서버와의 연결에 더 의존하는 구조다.

이 차이는 단순한 기능의 우열보다 개발 환경의 조건을 반영한다. 연결이 없어도 이력을 확인하고 변경을 만들 수 있는 도구와, 서버에서 필요한 정보를 즉시 얻는 도구는 운영상의 장점이 다르다. 회사 안의 자동 작업 대부분이 온라인이라면 비용을 배치하는 방법이 달라질 수 있다.

앤트로픽은 주요 브랜치 이력이 약 100GB, 압축 작업 사본이 25GB 이상인 규모를 공개했다. 지속적 통합 작업만으로 하루 약 2,500만 회 코드를 체크아웃한다고 설명했다. 이 수치는 일반 프로젝트의 평균이 아니라 회사가 왜 자료 전달과 복제 비용을 문제로 봤는지 보여주는 사례의 조건이다.

코드 작성과 변경 관리의 속도는 함께 봐야 한다

부분 복제로 내려받는 자료를 줄여도 변경의 관계와 파일 이력을 읽는 작업은 남는다. 자동 작업이 필요한 자료만 받아 가도록 만드는 접근은 이런 질문을 서버에서 처리할 수 있을 때 범위를 넓힐 수 있다. 중요한 변화는 저장소 파일을 복사하는 과정과 변경 정보를 조회하는 과정을 각각 다루는 데 있다.

회사는 7명의 팀이 5개월 동안 버전관리와 코드 리뷰를 비롯한 관련 시스템을 만들고 이전했다고 보고했다. 동시에 엔지니어가 시스템 사이의 제약과 설계 판단을 맡았다고 설명했다. 이 기간과 인원은 특정 내부 작업의 결과이며 같은 규모의 전환을 다른 조직이 같은 시간에 끝낼 수 있다는 일정표는 아니다.

하루 병합 3만 건이라는 수치도 생산성의 완결된 점수는 아니다. 작은 수정과 큰 기능 변경을 모두 건수로 합칠 수 있고, 병합 이후의 오류와 운영 성과는 다른 지표다. 코드량의 증가와 개발 기반의 압박을 이해하는 자료로는 의미가 있지만 제품 품질이나 매출 향상을 직접 측정한 결과로 읽을 수 없다.

온라인 서버 중심의 방식에는 가용성과 접근 통제, 개발 도구와 시험 체계의 연결이 중요해진다. 이 조건을 함께 갖추지 않은 채 저장소 도구 하나만 바꾸면 같은 결과를 기대하기 어렵다. 일반 조직의 판단에 필요한 것은 도구의 이름보다 어디에서 비용과 지연이 발생하는지에 대한 실제 자료다.

앤트로픽은 사이언을 범용 Git 대체재로 소개하지 않았다. 이번 공개의 의미는 AI가 만든 코드가 늘 때 기존 개발 기반에서 어떤 문제가 나타날 수 있는지를 내부 사례로 보여줬다는 데 있다. AI의 개발 능력이 올라갈수록 생성 이후의 검토·시험·배포를 다루는 능력도 함께 중요해진다.