최근 'repo-slopscore'(슬롭스캔)라는 웹 서비스가 등장하여 개발자 커뮤니티의 이목을 끌고 있습니다. 이 도구는 Git 저장소의 커밋 기록을 분석해 AI 또는 대규모 언어모델(LLM)이 코드 작성에 기여한 흔적을 감지하는 것을 목표로 합니다. 개발자들은 자신의 프로젝트에 AI가 얼마나 개입했는지, 혹은 다른 프로젝트의 AI 기여도를 파악할 수 있게 됩니다.
repo-slopscore는 단순한 GitHub(깃허브) 분석을 넘어 Codeberg, Bitbucket, SourceHut 등 다양한 Git 호스팅 플랫폼의 저장소를 스캔합니다. 현재까지 3,000개가 넘는 저장소가 스캔되었으며, 각 저장소에는 AI 기여도에 따라 점수(예: 0점은 AI 기여가 많음, 100점은 AI 기여가 적음)가 매겨집니다. 예를 들어, 유명 오픈소스 프로젝트인 'nixpkgs'는 228개의 AI 관련 커밋 신호로 인해 0점을 받았는데, 이는 전체 100만 개 이상의 커밋 중 0.022%에 불과한 수치임에도 낮은 점수를 받아 논란이 되기도 했습니다. 반면 'Bevy'는 단 하나의 'co-authored by Claude' 주석 때문에 97점을 받았습니다. 이 서비스는 스캔된 저장소의 URL과 분석 시각을 함께 제공하며, 소스 코드도 공개되어 있습니다.
이러한 도구의 등장은 AI가 소프트웨어 개발 과정에 깊숙이 침투하면서 발생하는 새로운 윤리적, 관리적 문제들을 반영합니다. AI가 생성한 코드의 품질, 보안 취약성, 라이선스 문제, 그리고 개발자 간의 공정성 등 다양한 측면에서 논의가 필요해졌기 때문입니다. repo-slopscore는 이러한 논의의 출발점이 될 수 있지만, 동시에 점수 산정의 투명성과 맥락 부족으로 인한 오해를 불러일으킬 수 있다는 비판도 받고 있습니다. 특히 'slop'(엉성한 작업)이라는 단어의 부정적인 함의와 가혹한 채점 방식은 AI 도움을 받은 개발자들에게 불필요한 낙인을 찍을 수 있다는 우려를 낳고 있습니다. 이 도구는 AI 기여 여부에 대한 데이터를 제공하지만, 그 정보를 어떻게 해석하고 활용할지는 결국 사용자에게 달려 있습니다.