Cursor, code review agent가 PR activity를 학습해 real-time self-improve… 해결률 78% 제시

4월 8일 Cursor의 X 게시물에서 회사는 자사 code review agent가 이제 PR activity를 학습해 "self-improve in real time" 할 수 있다고 밝혔다. Cursor는 여기에 하나의 headline metric도 함께 제시했다. agent가 찾아낸 issues 가운데 78%가 pull request가 merge되기 전에 해결된다는 것이다. 짧은 게시물이지만, 이 표현은 code review를 단순한 one-shot model pass가 아니라 feedback loop로 설명한다는 점에서 눈에 띈다.

말 그대로 해석하면 Cursor는 merged PR outcomes가 reviewer를 다시 조정하는 signal로 사용된다고 말하는 셈이다. 이는 많은 AI code review 기능이 diff를 한 번 읽고 suggestion을 남기는 static assistant처럼 소개되는 것과 대비된다. 반면 PR comments, accepted fixes, merged diffs 같은 downstream outcomes를 다시 반영하는 reviewer라면, 시간이 갈수록 precision을 높이고 팀별 review preference에 더 맞춰질 가능성이 있다. Cursor가 선택한 지표도 의미가 있다. raw alert count는 usefulness를 말해 주지 못하지만, merge 전 해결률은 실제 developer workflow 안에서 얼마나 actionability가 있었는지에 더 가깝기 때문이다.

흥미로운 발표지만 methodology는 아직 불투명하다

다만 게시물만으로는 빈칸도 많다. Cursor는 "issue found"를 어떻게 정의하는지, 해결 여부를 어떻게 판정하는지, 78%가 어느 규모의 표본에서 나온 수치인지, 모든 repository를 포함하는지 또는 특정 cohort에 한정되는지 설명하지 않았다. 또한 PR activity의 어떤 부분이 learning loop로 들어가는지, reviewer bias를 강화하지 않도록 어떤 safeguards를 두었는지도 밝히지 않았다. 따라서 이번 발표는 독립 비교가 가능한 benchmark라기보다 강한 product signal로 읽는 편이 타당하다. 그럼에도 방향성은 분명하다. Cursor는 AI code review를 수동 suggestion engine이 아니라 실제 개발 결과를 계속 흡수하는 reviewer로 바꾸려 하고 있다.