Anthropic、複数エージェントでPRを精査する「Code Review」公開

AIでコードを書く作業は劇的に快適になりましたが、その裏で同僚のレビュー負担は限界を迎えつつあります。

Anthropic社内では過去1年でエンジニア1人あたりのコード生成量が200％増加しました。結果としてPull Request（PR）が山積みになり、差分を深く読み込まずに流し見で承認してしまうケースが多発していました。このボトルネックを解消するため、同社は3月9日、Claude Code向けの新機能「Code Review」の提供を開始しました。現在はTeamおよびEnterpriseプラン向けにリサーチプレビューとして公開されています。

複数エージェントが並行検証、論理エラーに絞って検出

従来の静的解析や数秒で動くAIツールとは異なり、Code Reviewは速度よりも「深さ」を追求して設計されています。PRが作成されると、複数のAIエージェントが並行してコードを読み込み、それぞれ異なる観点からバグを探索します。

その後、別のエージェントが誤検知を除外するための検証を行い、深刻度順にランク付けしたうえで、PR全体への要約コメントと各行へのインライン指摘を残します。指摘は色分けされており、赤が最高レベルの重要課題、黄が人間による確認が推奨される懸念事項、紫は既存コードや触れられた周辺領域に潜んでいた過去の不具合を示します。

Anthropicのプロダクト責任者であるCat Wu氏はTechCrunchに対し、インデントや記法といったスタイルの指摘をあえて完全に排除し、論理エラーの検出に特化させたと説明しています。開発者がAIフィードバックで最も嫌うのは、役に立たない大量の誤検知だからです。

社内検証の数字もその効果を裏付けています。数か月にわたる運用において、エンジニアが「誤り」と判定した指摘は全体の1％未満でした。1,000行を超える大規模なPRでは84％で問題が検出され、1回のレビューで平均7.5件の課題が見つかっています。また、社内PR全体において実質的な指摘がついた割合は従来の16％から54％へと跳ね上がりました。

実際の成果も公表されています。ある社内本番サービスへの1行だけの変更は、通常なら即座に承認されるような差分でしたが、認証機構を破壊する危険があるとしてシステムが警告を出しました。また、オープンソースストレージTrueNASのZFS暗号化リファクタリングでは、変更箇所に隣接する古いコードに潜んでいた型不一致を発見しました。このバグは同期ごとに暗号鍵キャッシュをサイレントに消去してしまう重大なものでした。

1回20分、15〜25ドルの本格派レビュー基盤

エージェントを総動員して精査するため、手軽な処理ではありません。レビュー完了までの平均時間は約20分で、トークン消費に応じた従量課金制となっており、費用は1回のレビューあたり平均15〜25ドルです。

コストの暴走を防ぐため、管理者向けには月額利用枠の設定やリポジトリごとの有効化機能、利用状況のダッシュボードが用意されています。また、このツールはPRを自動で承認することはできず、マージの最終判断は人間に委ねられています。

現在Anthropicは企業向け事業の拡大に注力しており、Claude Codeの年間換算売上高はすでに25億ドルを突破、法人契約数は年初から4倍に伸びています。UberやSalesforce、Accentureといった大企業がAIによるコード急増に直面しており、こうした高額でも確実なレビュー需要が急速に高まっています。

なぜ重要か

AIによるコード生成が一般化するにつれ、開発の最大の障害は「書くこと」から「検証すること」へと完全にシフトしています。

個人の趣味開発者にとっては、PR1回ごとに15〜25ドルを払うのは割に合いません。しかし、本番障害で数千万円の損害を出すリスクを抱える企業チームにとっては、極めて妥当な保険と言えます。わずか数千円で優秀なシニアエンジニアが20分間徹底的に読み込んでくれる計算になるため、クリティカルなリポジトリに限定して導入する価値は十分にあるはずです。

業界全体で見れば、Anthropicは「コードを大量生産させるツール」を売った直後に「その氾濫を食い止めるツール」を提供するという、見事なマッチポンプ型の収益構造を確立しつつあります。競合他社も単なる自動補完の枠を出て、コードの品質管理まで包括したワークフローの提供を迫られることになるでしょう。

速度を犠牲にして20分をかけ、誤検知率を1％未満に抑え込んだ判断は非常に現実的です。開発現場ではノイズが多いツールはすぐに通知をオフにされてしまうため、論理欠陥だけに絞った割り切りは高く評価できます。

ただし懸念もあります。AIレビューの精度が高すぎるあまり、人間のレビュアーが「AIが通したから大丈夫」と過信し、思考停止でマージボタンを押す形骸化が起きる危険性があります。最終的な責任を負うのはあくまで人間であるという原則を、開発チームがどう維持し続けるかが今後の課題になりそうです。