AI 요약
우버는 단순한 AI 도입을 넘어 'Minion', 'Shepherd', 'uReview' 등 자체적인 에이전틱(Agentic) AI 도구 생태계를 구축하며 엔지니어링 문화를 혁신하고 있습니다. 우버의 수석 엔지니어 타이 스미스(Ty Smith)와 엔지니어링 디렉터 안슈 차다(Anshu Chada)가 공개한 바에 따르면, 우버의 개발 방식은 IDE에서의 단일 스레드 코딩에서 여러 병렬 에이전트를 지휘하는 오케스트레이션 방식으로 진화했습니다. 현재 우버의 전체 코드 중 31%가 AI에 의해 작성되고 있으며, AI가 직접 여는 Pull Request(PR)의 비중도 11%에 달합니다. 이러한 성과 뒤에는 AI 생성 코드의 노이즈를 관리하기 위한 'Code Inbox'와 같은 관리 도구의 뒷받침이 있었으며, 급격히 늘어난 AI 비용을 통제하는 것이 현재의 주요 과제입니다.
핵심 인사이트
- AI 활용 지표: 우버 개발자의 92%가 매달 AI 에이전트를 사용 중이며, 전체 코드의 31%가 AI에 의해 작성되고 11%의 PR이 에이전트에 의해 생성됨.
- 테스트 자동화: 'Autocover' 툴을 통해 매달 5,000개 이상의 유닛 테스트(Unit Tests)를 자동으로 생성하여 코드 품질을 유지함.
- 비용 문제: 2024년 이후 AI 관련 비용이 6배(6x) 증가하면서 토큰 비용 최적화가 기업의 우선순위가 됨.
- 도구 효율성: 하향식 명령보다 엔지니어들이 직접 성공 사례를 공유하는 방식이 전사적 AI 도입 속도를 높이는 데 효과적이었음.
주요 디테일
- Minion: 모노레포 접근 권한과 최적화된 설정을 갖춘 백그라운드 에이전트 플랫폼으로, 복잡한 작업을 비동기적으로 수행함.
- Shepherd: 대규모 코드 마이그레이션을 엔드 투 엔드로 관리하며 시스템 전환의 복잡성을 해결함.
- uReview: AI가 생성한 코드 리뷰 중 유의미한 신호(High-signal)만 필터링하여 리뷰어의 피로도를 줄여줌.
- AI 스택 구성: 내부 AI 플랫폼, 컨텍스트 소스, 산업 표준 도구, 그리고 테스트 및 리뷰 전용 에이전트의 4단계 레이어로 구성됨.
- AIFX CLI 및 Agent Builder: 개발자들이 AI 에이전트를 더 쉽게 생성하고 내부 데이터에 접근할 수 있도록 돕는 인터페이스와 구축 도구를 제공함.
향후 전망
- 에이전트 중심 워크플로우: 개발자의 역할이 직접 코드를 치는 것에서 여러 AI 에이전트를 관리하고 결과를 검증하는 '오케스트레이터'로 완전히 고착화될 것임.
- 관리 도구의 진화: AI가 생성하는 코드와 PR의 양이 기하급수적으로 늘어남에 따라, 이를 지능적으로 라우팅하고 검증하는 'Code Inbox' 같은 관리 시스템의 중요성이 더욱 커질 전망임.
출처:pragmatic_eng