AIコーディングの次。コードレビューと理解負荷を解消して組織の開発生産性を高める

第1回 AI駆動開発勉強会 札幌支部
https://aid.connpass.com/event/399546/

の発表資料です。

Transcript

1. #AI駆動開発 AIコーディングの次。コードレビューと理解 負荷を解消して組織の開発生産性を高める CodeRabbit 中津川篤司 @第1回 AI駆動開発勉強会 札幌支部
2. 𝕏 自己紹介 中津川 篤司 CodeRabbit デベロッパーアドボケイト 一般社団法人DevRel 代表理事 @goofmint fb.me/goofmint
3. CodeRabbitについて覚えてほしい3つのこと 🥕 レビューを基本とした、Agentic Change Management 🩴 シート単位の定額・OSSは無料 ⛵ キャラクターの名前はHoppy coderabbit.ai/ja
4. Agentic Change Managementとは？ AIエージェントが大量に生成するソフト ウェアの変更を、検証・優先順位付け・ 理解・承認・保守まで一貫して管理する 仕組み
5. アジェンダ 1.AIコーディング普及後に残った生産性の課題 2.コードレビューで増大する理解負荷 3.開発生産性を高める鍵はレビュアー支援 4.レビュアーのためのAIコードレビュー 5.組織に適応するCodeRabbitの育て方
6. AIコーディング普及後に残った 生産性の課題
7. AI支援コーディングの普及 1. ソフトウェア開発関係者の90%が業務でAIを利用※1 前年比14%増 2. AIコーディングツール経験者の72%が毎日利用※2 82%が「AIによってコーディングが速くなった」と回答 ※1 How are developers using AI? Inside Google's 2025 DORA report ※2 State of Code Developer Survey report
8. AIコーディング後に発生している課題 1. 検証されないコード増 2. バグ・手戻り・障害が増える可能性 3. AI特有のセキュリティ問題が発生 4. 個人のコーディング速度と組織の生産性の不一致 5. コードレビューが新たなボトルネックに 6. コード生成と理解の不一致
9. 検証されないコード増 1. AIコーディングツール経験者の72%が毎日利用 2. 96%はAI生成コードを完全には信用していない 3. コミット前に必ず検証する開発者は48% via State of Code Developer Survey
10. バグ・手戻り・障害が増える可能性 AIを積極的に活用している組織・期間において… 1. コードチャーン 861%↑ 2. バグ/PR 28.7%↑ 3. バグ/開発者 54%↑ 4. インシデント/PR 242.7%↑ 5. レビューなしでマージ 31.3%↑ via The AI Engineering Report 2026: The AI Acceleration Whiplash - Ten Takeaways
11. AI特有のセキュリティ問題が発生 1. 全テストケースの45%に脆弱性が含まれる※1 新モデルを利用しても改善されず 2. AIが利用する外部ライブラリの49%に既知脆弱性※2 昨今のサプライチェーン攻撃に繋がる問題 3. AIは人の1.7倍、深刻な問題を含むPRを作成※3 ※1 GenAI and Code Security: What You Need to Know ※2 State Of Dependency Management 2025 | Application Security |… ※3 State of the AI vs. Human Code Generation Report
12. AI特有のセキュリティ問題が発生 1. 全テストケースの45%に脆弱性が含まれる※1 新モデルを利用しても改善されず 2. AIが利用する外部ライブラリの49%に既知脆弱性※2 昨今のサプライチェーン攻撃に繋がる問題 3. AIは人の1.7倍、深刻な問題を含むPRを作成※3 ※1 GenAI and Code Security: What You Need to Know ※2 State Of Dependency Management 2025 | Application Security |… ※3 State of the AI vs. Human Code Generation Report
13. 個人のコーディング速度と組織の生産性の不一致 1. AI利用で24%高速化すると予測していたが、19%低 下していた※1 2. Copilot導入でバグ数が41%増加。PRサイクルタイム は変化なし※2 3. コア開発者のレビュー負荷6.5%増により、チームの 開発生産性が低下※3 ※1 Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity - METR ※2 Does GenAI Improve Software Developer Productivity? ※3 [2510.10165] AI-Assisted Programming Decreases the Productivity of Experienced Developers by Increasing the Technical Debt and Maintenance Burden
14. コードレビューが新たなボトルネックに 1. PRサイズ 2. 初回レビューまでの時間 3. 平均レビュー時間 4. レビュー時間の中央値 51%↑ 156.6%↑ 199.6%↑ 441.5%↑ via AI Impact on Engineering Productivity: 2026 Report Data
15. コード生成と理解の不一致 ジュニアエンジニア52人が新しいPythonライブラリを学習 • AIを利用したグループは、手作業で実装したグルー プより理解度テストの得点が17%↓ • 作業時間の短縮は統計的に有意ではなかった • AIに説明や概念を質問した参加者は理解度を維持 via How AI assistance impacts the formation of coding skills \ Anthropic
16. コードレビューで増大する 理解負荷
17. コードレビューにおける理解負荷とは？ • 単にコードを読むことだけでない • 変更の意図から影響範囲までを頭で再構成する負荷 via How AI assistance impacts the formation of coding skills \ Anthropic
18. Brian Kernighan（Unix共同開発者、The C Programming Language の共著者） デバッグはコードを書くときの2倍は難 しい。したがってその定義に従うなら ば、コードをできる限り複雑に書けば、 そのコードをデバッグできるほど自分は 賢くないことになる。
19. レビュアーは変更意図を復元しなければならない • 何を解決する変更なのか • なぜこの実装方法を選んだのか • 要件を満たしているか • 変更してはいけない挙動を壊していないか • コードベース全体の設計と整合しているか
20. AI生成コードは見た目が自然なため、問題を発見しにくい 命名や書式が整っており、一見するともっともらしく見える • 要件の微妙な取り違え • 例外系や境界値の不足 • 既存の設計思想との不整合 • 不要な抽象化や重複実装 • 性能、並行処理、セキュリティ上の問題 • 正常に動くが、本来の意図とは異なる実装
21. レビュー負荷がシニアエンジニアに集中する構造 正しいレビューに必要な知識 • コードベースの歴史 • 過去の設計判断 • 暗黙の制約 • 障害が起きやすい箇所 • 他システムへの影響 • ビジネス要件の背景 Senior Engineer Tax via The AI Engineering Report 2026: The AI Acceleration Whiplash - Ten Takeaways
22. 負荷が限界を超えると、レビュー品質が下がる 理解負荷が増えると、レビュー待ち時間以外の問題も発生 • 表面的な確認で承認する • テスト結果だけを見て判断する • AIの説明をそのまま信用する • 大きな差分の一部しか確認しない • レビューなしでマージする via The AI Engineering Report 2026: The AI Acceleration Whiplash - Ten Takeaways
23. 開発生産性を高める鍵は レビュアー支援
24. マージ Issue着手
25. 承認 指摘 変更内容の理解 レビュー待ち 実装 Issue着手 PR作成 修正 マージ
26. コーディングエージェントの領域 承認 指摘 変更内容の理解 レビュー待ち 実装 Issue着手 PR作成 修正 マージ
27. レビュアーはチーム内の希少資源 PM シニアエンジニア エンジニア
28. レビュアー支援とは AIにレビューを委ねることではない チームメンバーができること CodeRabbitが提供するもの 小さいPRサイズ 変更意図の記載 変更目的を絞る レビュー前の品質確認を徹底する レビュアーの適切な割り当て レビュー基準の共有 • 担当者向けファーストレビュー • PRの変更意図を説明 • 組織の修正ルールを適用 • 最適なレビュアーを推薦 • 理解しやすいPR専用のUI • • • • • •
29. レビュアーのための AIコードレビュー
30. レビューは2つの側面がある レビュイー レビュアー プログラマー シニアエンジニア レビューを受ける人 レビューをする人
31. レビューは2つの側面がある レビュイー レビュアー プログラマー シニアエンジニア レビューを受ける人 レビューをする人 ↑ AIコーディングエージェントのレビュー機能はこちら向け VS Code機能拡張・CLIもこちら
32. レビューは2つの側面がある レビュイー レビュアー プログラマー シニアエンジニア レビューを受ける人 レビューをする人 ↑ 開発生産性を上げるなら、 こちらのサポートが重要 CodeRabbitのPRレビューはこちらも対象
33. CodeRabbitのAIコードレビュー 1. よくあるミス、問題は事前に解決 40+のLinter/SAST、Webクエリーで最新情報を収集 2.人が見るようにレビュー Issue、ドキュメント、過去のコメントでコンテキストを補足 3.人がPRを理解するのに必要な情報を提示 概要、変更ファイルグループ、シーケンス図、Change Stack レビュアーの工数を半分に
34. コーディングエージェントの領域 承認 指摘 変更内容の理解 レビュー待ち 実装 Issue着手 PR作成 修正 マージ
35. コーディングエージェント + CodeRabbitの領域 承認 指摘 変更内容の理解 レビュー待ち 実装 Issue着手 PR作成 修正 マージ
37. ウォークスルー（PRの概要）
38. 変更一覧
39. シーケンス図
40. Change Stack
41. 組織に適応する CodeRabbitの育て方
42. CodeRabbitの飼いならし方 1.PRの指摘へのコメント（Learnings） 2.パスごとのレビュー観点（path instructions) 3.Issueとの連携 4.MCP連携
43. PRの指摘へのコメント（Learnings） 1.CodeRabbitはコードを学習しませんが、フィー ドバックを学習・蓄積します 2.フィードバックは次回以降のレビューに活用さ れます 3.シニアエンジニアのフィードバックを学習する ことで、チームの強力な品質ゲートに
44. パスごとのレビュー観点（path instructions) 1.SQL、TypeScript、/backend などの拡張子、パ ス毎にレビュー観点を変更できます 2.a11yの徹底、SQLに対するセキュアな観点など 見るべきポイントや視点を変更することでレ ビュー精度を上げられます
45. Issueとの連携 1.GitHub、GitLabなどのIssueや、Linear、Jiraの Issueと連携 2.Issueに書かれた完了要件に沿ったレビューが 可能
46. MCP連携 1.AWS、Notion、TerraformなどのMCPサーバー との接続 2.最新データに基づくコンテキストをレビューに 注入
47. まとめ 🥕 AI駆動開発のボトルネックはレビュー 🩴 チーム・AIでレビュアーをサポート ⛵ キャラクターの名前はHoppy でチームのAI開発生産性を高めよう！