10月13日、Craig Haleが「AI agents are great at writing new code」と題した記事を公開した。AIがコード生成の生産性を大幅に向上させる一方で、コードレビューという人間のボトルネックがその恩恵を相殺しているという研究結果を紹介している。
AIはコードを書く。レビューで詰まるのは人間だ
ある研究論文が、AI活用の現場で起きている構造的な問題を数字で示した。元記事ではこの研究の詳細について具体的な研究者名・所属機関の記載はないが、複数の開発チームを対象にした実証データとして紹介されている。
AIを使うと開発者が生産できるコード量は30%増加する。コードのコミット数は**+20%、プルリクエスト数は+23%**と、上流の指標はいずれも大きく改善している。
ところが、完成したソフトウェアの量には統計的に有意な改善が見られなかった。
ここで「完成したソフトウェアの量」とは、実際にマージ・デプロイされた成果物の数を指す。コミットやPR数といった「書く工程」の指標は伸びているにもかかわらず、最終的にユーザーに届くアウトプットの量が増えていないという点が、この研究の核心だ。
その原因として研究者が指摘するのが、コードレビュープロセスの肥大化だ。
- プルリクエストのレビュー・マージにかかる時間：7.03日 → 10.48日（+49%）
- レビュアーのコメント数：**+35%**
- コードレビューを担当する従業員の割合：**+14%**
論文はこう結論づける。「生産性の向上は、開発プロセスの下流にある制約に吸収される。コードレビューがボトルネックになる」。
なぜレビューが詰まるのか
AIが生成するコードの量は、人間が書ける量を大きく上回る。レビュアーは増えた量をさばかなければならない上に、研究者は「AIが生成したコードは修正が必要なケースが著しく多い」とも指摘している。
つまり量が増えて、かつ1件あたりの品質も下がりやすい。レビュアーの負荷が二重に増える構造だ。
近年、「バイブコーディング（vibe coding）」と呼ばれるスタイルが広まっている。AIに自然言語で指示を出し、細部の実装は任せてしまうアプローチで、2025年初頭にOpenAIのAndrej Karpathyが提唱したことで注目を集めた。開発スピードを劇的に上げられる反面、生成されたコードの意図や品質の把握がレビュアーに委ねられるという課題がある。この研究の知見は、バイブコーディングのようなAI主導の開発スタイルがボトルネックを解消するのではなく、上流から下流へと移動させているだけだという見方を裏付けるものだ。
「AIで人員削減」の前提は崩れている
AIの普及がレイオフと結びつけられて語られることが多いが、この研究はその前提に疑問を呈している。コードレビューを担当する従業員の割合が**+14%**増えているという数字は、むしろ人間の関与が下流に移行していることを示す。
研究者は、AI導入によって企業がレビュー要員を増やしているのではないかとも考察している。人間が不要になるのではなく、担う役割が変わっているという解釈だ。
AIをコードレビュー段階に活用する動きも一部で始まっているが、論文は「人間はまだレビューに深く関与している」と述べており、自動化による解決は道半ばの状態にある。
現場エンジニアへの示唆
この研究が示す構造は、AIツールを導入済みのチームにとって身に覚えのある話ではないだろうか。PRの数が増えてレビューキューが詰まる、AIが書いたコードの意図が読みにくくてレビューに時間がかかる——そうした現場の感覚を、数字が裏付けた形だ。
「コードを書く量・速度」だけを最適化しても、デリバリー全体のスループットは上がらない。ボトルネックの所在がどこにあるかを見極めた上で、AIをどこに投入するかを考える必要がある、というのがこの研究の実質的なメッセージだ。
詳細はAI agents are great at writing new codeを参照していただきたい。
