LY가 Claude Code 커스텀 명령어로 PR 리뷰 정체를 해소한 과정

요약

LY Corporation Yahoo!플레이스 팀이 백엔드 테크 리드 한두 명에 리뷰가 몰리던 SPOF 문제를 Claude Code 커스텀 명령어 기반의 AI 스크리닝 리뷰로 1차 점검 → 사람 최종 판단의 2단계 구조로 전환. 그 경험을 Orchestration Development Workshop #1에서 2,000명 이상에 핸즈온으로 풀어내, 워크숍 전후 사내 AI 리뷰 활용률 45.0% → 68.5%, 지속 활용자 15.0% → 27.6%로 거의 두 배.

내용

2024년 후반 Yahoo!플레이스 백엔드 개발 팀에서 테크 리드 한 명과 다른 팀원 한 명에게 리뷰가 집중되던 상태. 본인 코드 작성과 리뷰를 동시에 진행해 PR 대기열이 쌓였고, 마감일이 가까워지면 "더 꼼꼼히 보고 싶어도 시간이 없다"는 부담이 반복.

리뷰를 철저히 하면 품질은 올라가지만 개발 속도가 떨어지고, 효율을 우선하면 버그 누락이 늘어나는 트레이드오프가 풀어야 할 과제. 2025년 전반 Yahoo!플레이스 리뉴얼 릴리스에 맞춘 프런트엔드 전문 팀 출범이 새 리뷰 체계를 짤 계기.

처음엔 PR 내용을 AI에 붙여 개요를 만드는 방식을 시도했지만, 변경 파악은 쉬워져도 영향 범위·잠재 이슈 조사는 그대로였고 매번 프롬프트를 붙여 넣는 번거로움 때문에 약 2주 만에 사용 중단. 전환점은 2025년 여름 사내에 Claude Code가 도입된 시점 — 커스텀 명령어 기능으로 리뷰용 명령을 한 번 등록해 두면 매번 프롬프트를 만들 필요가 없어 AI 스크리닝 리뷰가 현실적인 옵션이 됨.

해결 / 접근

AI 스크리닝 리뷰 — Claude Code 커스텀 명령어

리뷰어가 본격 검토에 들어가기 전에 AI가 사전 점검을 수행, 그 결과를 받아 사람이 최종 판단하는 2단계 구조. 명령어가 처리하는 4가지:

1. 변경 내용·영향 범위 자동 요약
2. 코딩 규칙·명명 규칙 자동 확인
3. 잠재적 버그·성능 이슈 지적
4. 구현자에게 보낼 리뷰 코멘트 샘플 제안

설계 포인트 3개:

• 단계적 절차: 리뷰 요구 사항 확인 → PR 전체 내용 파악 → 각 파일 상세 리뷰 → 코드베이스 전체 영향 조사 → 최종 판단
• 의존 관계 조사: 리뷰 대상 파일에 의존하는 다른 파일까지 점검
• 코멘트 톤: [must], [want], [imo], [ask], [nits], [info] 라벨, 정중한 어조("~처럼 보입니다"), 단정 표현 회피

PR 작성자도 동일 명령어로 셀프 점검해 리뷰 요청 전 지적 가능 항목 선해결.

4축 통합 패키지

리뷰 효율화를 도구 모음이 아니라 4개 축이 서로 보완하는 에코시스템으로 설계.

방안	주요 효과	역할
AI 스크리닝 리뷰	리뷰 부담 절감	효율화의 핵심
AI 기반 PR 작성 자동화	작업 효율화·정확도 향상	AI 리뷰 정확도 기반
리뷰 대기 알림 봇	누락 방지·촉진	문화 조성
리뷰 효율 가시화	동기 유지	지속 개선·팀 평가

AI 기반 PR 작성: 브랜치 생성·커밋·PR 생성 자동화 + 커밋 diff에서 PR 제목·설명·템플릿 항목(배경, 변경 내용 등) 자동 채움. PR 컨텍스트가 충실해지면 AI 스크리닝 리뷰 정확도도 동반 상승.

리뷰 대기 알림 봇: Slack 정기 알림 + 리뷰어 멘션 + PR별 대기 시간 가시화.

리뷰 효율 가시화: PR 생성 후 48시간 내 리뷰 완료된 PR 비율을 매주 계산해 팀에 공유.

Orchestration 길드 워크숍

LY Corporation 임원진이 선발한 엔지니어로 구성된 Orchestration 길드의 정식 활동으로 2025년 10월 30일 Orchestration Development Workshop #1 개최. 주제 "리뷰 정체를 해소하기 위한 AI와 체계화 실전 강의". 핸즈온 형식으로 참가자가 그 자리에서 AI 스크리닝 리뷰 직접 실행. 2,000명 이상 실시간 참여, 약 1시간 진행.

방안	형식
AI 스크리닝 리뷰	핸즈온
AI 기반 PR 작성 자동화	사례 소개
리뷰 대기 알림 봇	사례 소개
리뷰 효율 가시화	사례 소개

결과 / 참고

워크숍 전후 사내 AI 리뷰 지원 활용률 변화:

활용 상황	워크숍 전	워크숍 후	변화
지속적으로 활용	15.0%	27.6%	+12.6pt
일부 시험적 활용	30.0%	40.9%	+10.9pt
합계(어떤 형태로든)	45.0%	68.5%	+23.5pt
활용 예정 없음	28.0%	12.2%	-15.8pt

• 사내 엔지니어 약 7,000명 대상 Orchestration 길드 활동, 2025-10-31 자사 보도자료에 사례 소개
• 인사이트:
  • AI는 diff 분석·영향 범위 조사·잠재 이슈 지적 등 폭넓은 1차 작업, 사람은 문맥·확장성 고려한 최종 판단
  • 경험이 적은 팀원·신규 합류·복귀 개발자 onboarding에 AI 리뷰가 효과적 — 코드베이스 문맥 요약을 받아 빠르게 건설적 코멘트 가능
  • AI 제안을 출발점으로 한 대화에서 PR 원래 목적을 넘는 본질적 개선이 나오기도 함
• 추천 시작 단계: AI 스크리닝 리뷰 도입 → PR 템플릿·PR 자동 생성 정비 → 48시간 내 리뷰 완료율 같은 단순 지표 가시화
• 작성: Yahoo!플레이스 프런트엔드 / Orchestration 길드 멤버 Fukuyama
• 출처: LY Corporation Tech Blog