1. 문제 정의 (Problem)

소프트웨어 공학에서 코드 가독성 (Code Readability) 은 유지보수성과 지속 가능성의 핵심 요소입니다. 가독성이 낮으면 기술 부채가 증가하고 개발 시간이 늘어나며 버그 발생 위험이 커집니다.
최근 대규모 언어 모델 (LLM) 의 발전으로 AI 에이전트 기반의 자동 리팩토링이 주목받고 있습니다. 기존 연구들은 AI 에이전트가 수행하는 리팩토링의 전반적인 유형 (성능 최적화, 구조 개선 등) 을 분석했으나, 구체적으로 '가독성 개선'을 목적으로 한 리팩토링이 실제로 코드 가독성 지표에 어떤 영향을 미치는지는 명확히 규명되지 않았습니다. 즉, AI 에이전트가 가독성 개선을 위해 코드를 수정할 때, 그것이 진정한 품질 향상인지 아니면 오히려 악영향을 미치는지 확인하는 연구가 부족했습니다.

2. 연구 방법론 (Methodology)

이 연구는 오픈소스 프로젝트의 데이터를 기반으로 한 실증 분석 (Empirical Study) 을 수행했습니다.

• 데이터 소스: 5 개의 코딩 에이전트가 생성한 93 만여 개의 풀 리퀘스트 (PR) 를 포함한 AIDev 데이터셋을 사용했습니다. GitHub REST API 를 통해 총 138 만 건 이상의 에이전트 커밋을 수집했습니다.
• 데이터 필터링:
  1. 가독성 관련 키워드 필터링: 'readability', 'clarity', 'understandable' 등 8 가지 키워드가 포함된 커밋 메시지를 추출 (총 4,115 건).
  2. 언어 필터링: Python 소스 파일이 수정된 커밋으로 제한 (577 건).
  3. 최종 샘플: 파싱 오류가 없는 403 개의 커밋을 최종 분석 대상으로 선정.
• 연구 질문 (RQs):
  • RQ1: AI 에이전트가 생성한 커밋 중 가독성 관련 커밋의 빈도는 얼마나 되는가?
  • RQ2: 에이전트가 해결하는 가독성 문제 (Readability Smells) 의 유형은 무엇이며, 인간 개발자와有何 차이가 있는가?
  • RQ3: AI 에이전트의 가독성 관련 커밋 전후로 코드 가독성 지표 (Metrics) 는 어떻게 변화하는가?
• 분석 도구 및 지표:
  • Qualitative 분석: 231 개의 커밋을 무작위 추출하여 인간 개발자 (2 인) 가 독립적으로 검토하고, Oliveira 등 [23] 이 정의한 8 가지 가독성 냄새 (Readability Smells) 카테고리에 매핑.
  • Quantitative 분석: radon 라이브러리를 사용하여 유지보수성 지수 (Maintainability Index, MI), 순환 복잡도 (Cyclomatic Complexity, CC), 할스테드 지표 (Halstead Metrics), 코드 라인 수 (LOC) 등을 계산.
  • 통계적 검정: Wilcoxon 부호 순위 검정 (p < 0.01) 과 효과 크기 (Cliff's delta) 를 사용하여 변화의 유의미성과 크기를 평가.

3. 주요 결과 (Key Results)

RQ1: 가독성 관련 커밋의 빈도

• AI 에이전트가 생성한 모든 커밋 중 가독성 관련 키워드가 포함된 커밋은 약 0.3% (4,115 건) 에 불과했습니다.
• 이는 AI 에이전트가 가독성 개선에 집중하기보다는 다른 작업 (기능 추가, 버그 수정 등) 에 더 많이 활용되고 있음을 시사합니다.

RQ2: 해결하는 가독성 문제의 유형

• 인간 vs AI 에이전트 비교:
  • 인간 개발자: 식별자 이름 변경, 주석 추가 등 표면적 (Surface-level) 인 개선과 논리적 복잡성 개선을 골고루 수행.
  • AI 에이전트: '복잡한/긴/부적절한 논리 (42.4%)' 와 '불완전한 문서화 (24.2%)' 개선에 압도적으로 집중.
  • 반면, 식별자 이름 (Bad Identifier) 이나 포맷팅 (Formatting) 과 같은 표면적 요소는 상대적으로 덜 다뤘습니다.
• 결론: AI 에이전트는 문법적 스타일보다는 논리의 이해 가능성과 설명의 명확성을 우선시하는 경향이 있습니다.

RQ3: 코드 지표의 변화 (가독성 개선의 실제 효과)

가장 놀라운 결과는 가독성 개선을 목표로 한 커밋이 오히려 전통적인 품질 지표를 악화시켰다는 점입니다.

• 유지보수성 지수 (Maintainability Index): 커밋의 56.1% 에서 감소했습니다 (악화).
• 순환 복잡도 (Cyclomatic Complexity): 커밋의 42.7% 에서 증가했습니다 (악화).
• 코드 크기 (Lines of Code): 71.5% 의 커밋에서 코드 행수가 증가했습니다.
• 통계적 의미: 대부분의 지표에서 p-value < 0.01 로 유의미한 변화가 있었으나, 방향성이 '악화'였습니다. 즉, AI 가 논리를 단순화하려다 오히려 코드를 더 길고 복잡하게 만들거나, 유지보수성을 떨어뜨리는 경우가 빈번했습니다.

4. 주요 기여 (Key Contributions)

1. AI 에이전트의 가독성 개선 효과에 대한 첫 번째 정량적 평가: 기존 연구가 포괄적인 리팩토링을 다뤘다면, 본 연구는 '가독성'이라는 특정 목표에 초점을 맞춰 AI 에이전트의 실제 성능을 평가했습니다.
2. 역설적 발견 (Paradoxical Finding): AI 에이전트가 가독성 개선을 위해 코드를 수정할 때, 오히려 유지보수성 지수를 낮추고 복잡도를 높이는 경우가 많다는 사실을 입증했습니다.
3. 인간과 AI 의 리팩토링 패턴 차이 규명: 인간은 표면적 스타일과 논리를 균형 있게 개선하는 반면, AI 는 논리 복잡성과 문서화에 편향되어 있음을 밝혔습니다.

5. 의의 및 시사점 (Significance & Implications)

• 현실적인 경고: 개발자들은 AI 에이전트가 제안하는 '가독성 개선' 코드를 맹목적으로 수용해서는 안 됩니다. 오히려 코드 품질을 저하시킬 수 있으므로 엄격한 코드 리뷰와 품질 검증 메커니즘이 필수적입니다.
• 도구 개발 방향: 향후 AI 에이전트 개발 시, 단순한 기능 수정을 넘어 할스테드 복잡도 (Halstead Complexity) 나 코드 크기 (LOC) 와 같은 지표를 모니터링하여, 리팩토링이 오히려 인지 부하를 증가시키면 이를 거부하는 '품질 검증 에이전트'를 도입해야 합니다.
• 연구 방향: 단순한 식별자 변경이나 주석 추가를 넘어, 기능적 수준에서의 조직화를 통해 코드의 본질적인 이해도를 높이는 가독성 특화 에이전트 개발이 필요하며, 이를 위해 정성적 평가 (Qualitative Evaluation) 를 통합한 검증 단계가 강화되어야 합니다.

요약하자면, 이 논문은 AI 에이전트가 코드 가독성을 개선한다고 주장할지라도, 실제로는 구조적 품질을 악화시킬 수 있음을 데이터로 증명하며, AI 기반 리팩토링 도입 시 신중한 검증의 필요성을 강조합니다.