7月10日、Gergely Oroszが「The Pulse: Interesting AI coding stats from Cursor」と題した記事を公開した。Cursorが2年分の集計データをもとに公開したインサイトレポートの主要統計を紹介したものだ。その中でも特に衝撃的なのが、AIエージェントが作成したコミットを手動レビューせずに受け入れる開発者の割合が、ある時期を境に10%から約40%に跳ね上がったという数字である。コードレビューをソフトウェア品質の要としてきた業界にとって、この変化は無視できない現実だ。
AIが書いたコードを、4割のエンジニアがレビューしていない
Cursorが公開したインサイトレポートの中で最も衝撃的な統計がこれだ。AIエージェントが作成したコミットを手動レビューせずに受け入れる開発者の割合が、10%から約40%に跳ね上がった。元記事によると、この変化は1ヶ月の間に起きたとされているが、その期間の起点・終点については元記事内で明示されていない点は留意が必要だ。
元記事では、このタイミングが最新世代のコード生成モデルのリリースと重なっていると指摘されている。ただし、元記事が具体的に言及しているモデル名については後述のセクションで詳しく触れる。
コードレビューはソフトウェア品質の基本とされてきた。その工程を4割の開発者がスキップし始めているという事実は、現場の実態を端的に示している。
なぜ今、Cursorはこのデータを公開したのか
※編集部の考察
AIコーディングツール市場は2024年以降、GitHub Copilot、Cursor、Windsurfなど複数プレイヤーが競合する構図が固まりつつある。各社がシェア争いを繰り広げる中、Cursorがこのタイミングで2年分の集計データを公開したことには、単なる透明性向上以上の意味があると見られる。
ユーザーの実態データを根拠として示すことで「最も使われているツール」という印象を強化し、開発者コミュニティとの信頼関係を構築する意図があるとも読める。同時に、このレポートはCursorが積み上げてきた独自のコスト最適化技術（後述のキャッシュ設計など）を間接的に証明する素材にもなっている。
コード生成量：中央値700行、上位1%は週3〜4万行
Cursorのユーザーデータによると、中央値（p50）の開発者は週約700行のコードをAIで生成している。一方、上位10%（p90）は週約9,000行に達する。
さらに驚くのが上位1%（p99）の数字だ。週3〜4万行を生成しており、これは中央値の開発者約45人分に相当する。
この上位1%が何者なのかは興味深い問いだ。記事ではGergely自身が「グリーンフィールド開発（既存コードベースに依存しない新規開発）が多いのか、ライブラリを使わない傾向があるのか、あるいはリーダーボード上位を狙って意図的に行数を稼いでいるのか」と問いかけている。生成したコードがビジネス価値に結びついているかどうかは、行数だけでは判断できない。
トークンの9割は「読む」ために使われている
Cursorのトークン使用内訳で明らかになったのは、入力トークン（AIがコードベースやドキュメントを読む）が全体の90%を占めるという事実だ。コードを出力するトークンは少数派である。
これはロバート・C・マーティン（「アンクルボブ」）が2008年の著書『Clean Code』で指摘した法則と一致する。
「コードを読む時間と書く時間の比率は、軽く10対1を超える。新しいコードを書くためには、常に既存のコードを読んでいる」
人間の開発者が長年経験的に知っていたこの「10:1の読み書き比率」が、AIエージェントのトークン消費にもそのまま現れている。
キャッシュ活用でコストを約10分の1に抑える
さらにキャッシュ（文脈の再利用）を考慮すると構成が変わる。キャッシュリード（90%）、キャッシュライト（2.5%）、入力トークン（7%）、出力トークン（**わずか0.6%**）という内訳だ。
Cursorが効率的なキャッシュ層を実装していなければ、トークンコストは約10倍に膨れ上がる計算になる。自前でAIエージェント基盤を構築する場合にも、同等のキャッシュ設計が必要になるという点は、エンジニアにとって実践的な示唆だ。
モデルコスト比較：高価なモデルは採用率でコストを回収する
元記事によると、Cursorのデータにはいくつかのモデル間のコスト比較が含まれている。具体的なモデル名として元記事が言及しているものについては、記事内の表記を参照していただきたい。ここでは元記事が示した構造的な知見を紹介する。
Cursorのデータが示すのは、エージェント1リクエストあたりのコストが高いモデルほど、コードの採用率（承認率）も高いという傾向だ。そのため単純なリクエストコストで比較した場合と、「コスト/承認行数」という効率指標で比較した場合とでは、モデルのランキングが変わる。高価なモデルがコスト効率で安価なモデルに並ぶ、あるいは逆転するケースも確認されている。
また、GoogleのGeminiモデルはこのレポートに含まれていない。Cursorによると、プラットフォーム上でのGeminiの利用が極めて少ないためとのことだ。
まとめ
Cursorが2年分のデータを公開したことで、AIコーディングの実態がより具体的になった。特に「レビューなし承認が約40%に達した」という数字は、開発者のAIへの信頼度の変化を示す指標として今後も注目されるだろう。コスト効率の観点では、キャッシュ設計とモデル選択が実際の運用コストを大きく左右することも確認された。AIコーディングツール市場全体が成熟しつつある今、このようなプラットフォーム側からの実態データの公開は、業界全体の議論を前進させる意味でも価値が高い。
詳細はThe Pulse: Interesting AI coding stats from Cursorを参照していただきたい。
