[AI가 읽을 수 있는 코드베이스 5/5] AI 접근성 등급으로 보는 코드베이스

핵심 내용

• 코드 품질과 AI 접근성은 같은 축이 아니라는 문제 제기
• Q축은 테스트, 복잡도, 문서화, 의존성, 아키텍처 같은 전통적 품질 지표
• A축은 패턴 일관성, 빌드 피드백, 모듈 경계 예측 가능성, 의존성 방향 강제, 에이전트 가이드, 자동 acceptance 같은 AI 작업 가능성 지표
• 두 축을 합쳐 L1~L5 등급으로 코드베이스를 분류하는 프레임워크 제안

구조와 흐름

• L1 AI-Hostile부터 L5 AI-Native까지 단계별 성숙도 정의
• L4와 L5의 차이로 Standalone, E2E, 에이전트 워크플로우 통합, 위임 지원 강조
• 브라운필드에서는 컨텍스트 단절, 패턴 불일관성, 안전망 부재, 기술 부채 가속이 실패 원인

선택 이유

• 같은 코드 품질 수준이어도 의존성 방향의 물리적 강제 여부에 따라 AI 접근성 차이 발생
• 빌드 시스템에 규칙이 인코딩된 코드베이스가 에이전트에게 즉각적이고 결정적인 피드백 제공
• 구조적 일관성이 AI 접근성을 좌우한다는 관찰 제시

적용해볼 점

• 모듈 경계와 의존성 규칙을 빌드 레벨에서 강제하는 Convention Plugin 활용
• Standalone 환경과 Acceptance/E2E 인프라 확장
• CLAUDE.md 같은 에이전트 가이드를 빌드와 동기화하는 체계화