AI生成コードの急増でレビュー工程が新たなボトルネックに 各社が対策を模索

コード生成の急増とレビュー負荷

AIを活用したコーディングツールは、数分で数千行のコードを生成できるようになりました。その一方で、生成されたコードを検査するレビュー工程が新たなボトルネックになっています。AIコードレビューのスタートアップであるCodeRabbitは、2026年8月に1億4,300万ドルを調達し、評価額は15億ドルに達しました。同社はNvidia、Indeed、BMW Groupなど17,000社を顧客に持ち、週に200万件以上のレビューを実行しているとしています。

AIが生成したコードは、一見すると整っていても、誤った前提やセキュリティ上の欠陥、導入後に発覚する問題を含むことがあります。そのため、生成量の増加はレビュー負担の増加に直結します。ソナー（Sonar）の調査では、共有リポジトリに追加されたコードのうちAI由来とみられる割合は平均42%と推定されました。しかし、開発者の96%はAIの出力が正しく動作するとは完全には信頼しておらず、38%はAI生成コードのレビューには同僚のコードよりも多くの労力が必要だと回答しています。その38%のうち61%は、AIが「正しく見えるが信頼できない」コードをしばしば生成したとしています。

仕様策定とAIエージェントによる事前検査

課題への対応として、コードを生成する前に、何を生成するのかを詳細に定義する方法があります。Amazon Storesのシニアプリンシパルエンジニアであるマクラーレン・スタンリー氏は、Amazonのモバイルショッピングアプリの基盤となる17年分のコードをAIで刷新しています。同氏の70人規模のチームは、1,000人以上の開発者が機能を開発するための土台を保守しています。AIにコードを書かせる現場では、生成前に「仕様（スペック）」を詰める時間が重要になっています。

仕様の記述が不足していると、誤ったコードが大量に生成される恐れがあります。実際、ある指示の欠落が原因で、AIエージェントが誤ったバージョンのSwiftで25,000行を生成し、一度に直せない600件のエラーを生み出した事例がありました。スタンリー氏はコードを破棄して仕様を更新し、エージェントを再起動したところ、15分後には正しく再生成できたといいます。コード生成後の一次チェックにもAIエージェントが使われ始めています。AWSのシニアプリンシパルエンジニアであるデビッド・ヤナチェック氏によると、AWSでは人がレビューする前に、AIエージェントがコードが機能するか、当初の計画と一致するか、セキュリティ上の欠陥がないかを確認する仕組みを導入しています。

人間レビューを残す仕組み

AIエージェントによる事前チェックを導入していても、多くの企業は人間レビューを一定数残しています。非営利ソフトウェア企業Bonterraでは、AIツール導入後、提案された変更が3カ月で3倍になり、レビュー対象のコードは10倍、レビュー時間は3倍に増えました。同社はAIエージェントに、コードと承認済み設計、セキュリティ規則、コーディング基準、アクセシビリティ要件を照合させ、信頼度をスコアとして報告させています。スコアが低い場合や問題が検出された場合、変更は人のレビューに回されます。特に支払いや個人データなど機微な領域のコードは常に人が確認します。

Synthesiaも、人間レビューの優先度を決めるためにAIエージェントを利用しています。エラーメッセージの変更のような低リスクな変更は精査が弱く、顧客データや基幹ビジネスルールを変えるコードは厳しいレビューが必要という基準をエンジニアが設定しています。それでも、人がレビューせずに通る変更は全体の5%未満です。最高技術責任者（CTO）のピーター・ヒル氏は、AIエージェントによるコード生成を完全には信頼できないとの見方を示しています。

逆に、提出者への説明義務を課す企業もあります。Temporalは、開発者がAIエージェントの設計上の選択や異常系の扱いを自分の言葉で説明できない場合、レビュー担当者が変更を却下する「Send Back」ポリシーを運用しています。同社CEOのサマー・アッバス氏は、コードレビューを「モデル出力の未チェックな捨て場」にしないと述べています。

ジュニアエンジニア育成の変化

コードを書くことから、コードを判断することへと開発者の仕事が変わる中で、ジュニア層への教育方法も模索されています。Making Senseでは、AIによる生産性向上が最も大きかったのはジュニアエンジニアでしたが、その一方で自分の手で書いて学ぶ機会が失われる懸念があります。同社のチーフAIアーキテクト、JDライモンディ氏は、コードの意味を理解せずに機械的に承認する「シアター承認」を警告しています。そのためMaking Senseでは、ジュニアをAI出力のチェックだけに置かず、顧客要件の理解や機能設計の判断に関与させています。

IBMでは、AIを使って新卒エンジニアに上級者向けの仕事を早期に任せる試みが進んでいます。AIが実装やテストを支援し、失敗があればジュニアが原因を調べて修正し、上級者が最終承認します。同社のAI・自動化担当ゼネラルマネージャー、ニール・スンダレサン氏は、AIの支援により、かつてシニアエンジニアが担当していた一部のタスクの70〜80%をジュニアが実行できるようになると見込んでいます。

Bonterraでは、かつて新人が学んでいた定型的なコーディング作業をAIエージェントが担うようになったため、ジュニアは経験豊富な同僚と一緒に成果に対して責任を持つ形に変わりました。ジュニアはAIエージェントの指示の出し方や、出力に疑問を呈する方法を学び、最終的な結果に責任を持ちます。同社CTOのタヌジャ・コーレプラ氏は、ジュニアを雇わなくなればシニアは育たないと指摘しています。