AI가 만든 코드를 전부 같은 깊이로 읽으면 리뷰가 병목이 됩니다. Meta의 John Kim이 말하는 위험 기반 코드 리뷰는 영향 범위, 검증 증거, 롤백 가능성에 따라 검토 강도를 조절하는 방식입니다.

• trunk 코드(공통 인프라·핵심 상태)는 깊게, leaf 코드는 테스트·실행 증거가 있으면 빠르게 봅니다.

• PR에는 코드뿐 아니라 테스트, 로그, 스크린샷처럼 “작동한다”는 증거를 함께 남깁니다.

• 병합 가능과 출시 가능은 다릅니다. 마지막 검증은 사람이 성능·보안·운영 안전성을 확인합니다.

원문과 영상 요약은 DAKER에서 확인할 수 있습니다.

https://daker.ai/community/selective-risk-based-ai-code-review

원본 영상: https://www.youtube.com/watch?v=b2QkhmQ0sT0