GitHub, Copilot code review 6천만 건 돌파… AI 시대의 review 병목 해소를 겨냥

X에서 GitHub가 발표한 내용

2026년 3월 20일, GitHub는 Copilot code review가 6천만 건을 넘어섰다고 밝혔다. 중요한 점은 메시지의 방향이다. GitHub는 단순 기능 업데이트를 홍보하는 것이 아니라, AI-assisted development로 코드 출하 속도가 빨라질 때 review를 감당하는 인프라로 Copilot을 제시하고 있다.

X 게시물은 2026년 3월 5일 공개된 GitHub 블로그 글로 연결되며, 여기서 회사는 사용자 feedback을 반영해 시스템을 어떻게 바꿨는지 설명한다. 핵심은 “댓글 수를 늘리는 것”이 아니라 더 나은 판단이다. noise가 많은 review remark를 줄이고, 실제로 도움이 되는 finding과 더 빠른 human 이해를 pull request 안에 담으려는 접근이다.

GitHub 블로그가 제시한 수치

GitHub는 Copilot code review 사용량이 출시 이후 10배 늘었고, 현재는 GitHub 전체 code review의 5건 중 1건 이상을 차지한다고 설명한다. 또한 저장소 context를 가져오고 변경 전반을 추론하는 agentic architecture로 전환했으며, 시스템을 accuracy, signal, speed 세 축으로 조정하고 있다고 밝혔다.

• GitHub는 현재 review의 71%에서 actionable feedback이 나오고, 나머지 29%는 저품질 noise를 남기지 않기 위해 침묵한다고 설명한다.
• 평균 comment 수는 review당 약 5.1개지만, review churn은 늘리지 않았다고 주장한다.
• 더 고급 reasoning model을 채택한 한 변화에서는 positive feedback rate가 6% 상승하는 대신 latency가 16% 증가했다고 말한다.
• 12,000개 이상 organization이 모든 pull request에 Copilot code review를 자동 실행한다고도 밝혔다.

블로그는 새 설계가 review 간 memory를 유지하고, 연결된 issue와 pull request를 읽고, 관련 피드백을 묶고, 단일 줄이 아니라 논리적인 code range에 comment를 붙일 수 있다고 설명한다. GitHub는 이런 변화가 review comment를 더 신뢰 가능하고 실행 가능하게 만든다고 주장한다.

왜 중요한가

코드 생성 비용이 낮아지고 속도가 빨라질수록, review 품질은 다음 병목이 된다. GitHub는 Copilot code review를 통해 이 병목을 일부 흡수할 수 있다고 본다. 전제는 comment 수 극대화가 아니라 high-signal finding에 집중하는 것이다. 이는 단순 lint 보조보다 강한 주장으로, review 자체를 context retrieval과 judgment를 갖춘 agent workflow로 재정의하려는 시도다.

더 큰 의미는 AI software delivery stack이 기본적으로 다단계 구조가 되고 있다는 점이다. 하나의 시스템이 코드를 만들고, 다른 시스템이 그것을 검토하며, 두 시스템 모두 benchmark가 아니라 실제 production 환경에서 측정돼야 한다. GitHub의 수치만으로 장기 품질이 완전히 입증되지는 않지만, review 자체가 핵심 AI product surface로 빠르게 자리 잡고 있음을 보여주기에는 충분하다.

출처: GitHub X 게시물 · GitHub 블로그