AIが書くコードをどうレビューするか──はてなで注目された「同僚としてのAI」運用

はてなブックマークのAI・機械学習カテゴリで、AIコーディング時代のコードレビューを扱う記事「最新コードレビュー事情」が注目を集めている。記事では、AIを単なる道具ではなく「同僚に近いもの」として扱う開発現場の変化が具体的に書かれている。

ポイントは、AIがコードを書くようになっても、人間のレビューが消えていないことだ。むしろ、AIが作ったPRには人間が作ったPRの約3倍のレビューコメントを付けているという実感が共有されており、AI導入後のボトルネックが「実装」から「検収・レビュー」へ移っていることを示している。

道具としてのAIから、同僚としてのAIへ

従来の見方では、人間がタスクに着手し、AIにコードを書かせ、人間が検収し、別の人間がレビューする構造になりやすい。この場合、検収とレビューが二重化し、受け渡しの待ち時間も発生する。

記事では、AIが人間の指示を受けてタスクに着手し、コードを書き、人間が「AIが書いたコード」としてレビューする構造へ変化したと説明している。この移行により二重レビューのコストは減ったが、人間のコードレビューは依然として重要な工程として残る。

AIレビューだけでは解けない部分

AIにレビューさせれば人間の負担を減らせる場面はある。しかし、社内ポリシー、事業上の判断、チームの暗黙知、機能・非機能要件の優先順位は、単にプロンプトを詳しくするだけでは完全に伝わらない。実装して初めて見える課題もある。

そのため、開発組織は「AIに書かせるかどうか」よりも、「AIが書いた成果物をどう受け取り、どの基準でレビューし、学びを次の指示に戻すか」を設計する必要がある。AI時代の生産性は、生成速度ではなく、レビューと改善のループの速さで決まる。

現場導入の実務ポイント

まず、AIが作るPRの粒度を小さく保つ。大きすぎるPRは人間レビューを詰まらせ、AI導入の効果を相殺する。次に、レビューコメントをチームのAI利用ガイド、コーディング規約、プロンプトテンプレートへ反映する。最後に、AIが作ったコードであることを前提に、テスト、セキュリティ、設計レビューの責任を明確にする。

AIを同僚として扱うなら、オンボーディング、レビュー、フィードバック、権限管理も同僚に近い設計が必要になる。コードを書くAIの普及は、開発者の仕事をなくすというより、レビューと判断の質をより重要にしている。

参考：はてなブックマーク AI・機械学習 / 最新コードレビュー事情