버그 티켓, AI에게 맡겨봤습니다 — QUBA 개발기

버그를 처리할 때 개발자는 코드, API 문서, 로그, 정책, 과거 이력 등을 여러 시스템에서 직접 모아 원인을 찾아야 해서, 실제 수정 전 정보 조사에 많은 시간이 들었습니다.

QUBA는 LangGraph로 티켓 처리 흐름을 단계별로 관리하고, RAG 검색으로 관련 자료를 모은 뒤 LLM이 원인과 수정 범위를 제안하며, 파일 존재 여부와 근거를 검증하고 사람의 승인 후 Jira에 결과를 기록합니다.

실제 7개 티켓에서 도구 호출은 12%, 비용은 6% 줄고 1차 조사 시간도 단축됐지만, 검색 품질은 모델보다 문서 분할·색인·정확 일치 필터·신뢰도 검증에 크게 좌우되므로 충분한 평가 데이터와 사람의 최종 검토가 필요합니다.