최근 AI를 활용한 개발이 늘면서 코드 변경이 실제 데이터에 미치는 영향을 제대로 검증하지 못해 발생하는 오류가 증가하고 있습니다. 이러한 문제의식에서 출발하여, 코드 변경이 데이터 및 수치에 미치는 영향을 자동으로 검토하고 검증하는 에이전트 스킬 '데이터 리뷰(data-review)'가 깃허브(GitHub)에 공개되었습니다. 이 도구는 특히 데이터 엔지니어링 및 재무 관리 분야에서 코드 변경 후 데이터 파이프라인의 수치 변화를 정밀하게 추적하여, 개발자가 놓치기 쉬운 데이터 오류를 사전에 발견하도록 돕습니다.
'데이터 리뷰'는 코드 변경이 어떤 데이터 파이프라인(lane)에 영향을 미치는지 분석하고, 해당 파이프라인을 재실행하여 변경 전후의 데이터를 비교합니다. 기존 코드 리뷰나 단위 테스트(unit test)로는 발견하기 어려운 수치 스케일링 오류, NULL 값 처리 문제, 조인(join) 시 데이터 중복, 이중 계산 등을 잡아내는 데 특화되어 있습니다. 예를 들어, 센트(cent) 단위를 달러(dollar)로 잘못 변환하여 전체 합계가 100배 튀는 식의 실제 버그를 단 몇 분 만에 찾아내는 시연 사례를 통해 그 효과를 입증했습니다. 이 도구는 특정 데이터베이스(DuckDB)를 기반으로 작동하며, `data-review.yml` 파일을 통해 데이터 엔진, 파이프라인, 기준선(baselines), 검증 규칙 등을 설정할 수 있습니다.
이러한 '데이터 리뷰' 도구의 등장은 AI 시대의 데이터 무결성(data integrity) 확보에 중요한 의미를 가집니다. AI가 코드를 생성하고 개발 속도를 높이는 만큼, 데이터의 정확성을 검증하는 과정은 더욱 복잡하고 중요해지고 있습니다. 이 도구는 사람이 일일이 데이터를 확인하는 수고를 덜어주고, 잠재적인 재무적 손실이나 잘못된 의사결정을 초래할 수 있는 데이터 오류를 자동화된 방식으로 걸러내어 비즈니스 신뢰도를 높이는 데 기여할 것입니다. 특히 데이터 기반 의사결정이 필수적인 산업에서 개발자와 데이터 분석가들에게 필수적인 보조 도구가 될 것으로 전망됩니다.