PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.28235v1cs.SE

에이전트가 아니라 저장소를 거버넌스하라: AI-네이티브 소프트웨어의 생태계 수준 리스크 측정

Govern the Repository, Not the Agent: Measuring Ecosystem-Level Risk in AI-Native Software

자율 코딩 에이전트는 이제 공유 저장소에서 풀 리퀘스트(pull request)를 대규모로 열고 병합하며, 이 분야는 기존에 컴포넌트를 평가해 왔던 방식대로 고립된 벤치마크(benchmark) 과제에서 에이전트를 하나씩 평가한다. 그러나 각각 자신의 테스트를 통과하는 에이전트들도, 어떤 단일 기여도 설명할 수 없는 문제가 축적되는 저장소를 남긴다. 우리는 이 문제가 개별 에이전트에 속하는 것인지, 아니면 문제가 축적되는 저장소에 속하는 것인지 묻는다. 우리는 통합 마찰(integration friction)을 연구한다. 이는 다른 기여자들이 동시에 변경하고 있는 코드베이스에 기여를 통합하는 데 드는 비용이다. 930,000개가 넘는 에이전트 작성 풀 리퀘스트에 걸쳐, 기여, 저자, 규모, 에이전트를 통제한 뒤 마찰의 변동 중 얼마나 많은 부분이 저장소에 남아 있는지 측정한다. 약 절반은 그렇고, 완전한 통제를 적용해도 남아 있다. 동일한 저장소에서 에이전트 작성 기여는 이 저장소 수준 마찰을 인간 작성 기여보다 대략 두 배로 집중시킨다(급내상관(intraclass correlation) 0.30 대 0.16). 이 격차는 코드베이스 규모, 연령, 작업 형태, 프로세스 성숙도, 병합 경로를 통제한 뒤에도 유지된다. 리스크는 에이전트가 아니라 생태계의 속성이다. 따라서 AI-네이티브 소프트웨어는 에이전트를 하나씩보다 생태계 수준에서 측정하고 거버넌스하는 것이 더 낫다.