AIツールが生成したソースコードのレビューでレビュアーが直面している最大の問題点は、「提出者本人がソースコードの内容を説明できなかった」ことであり、49.5％のレビュアーがこれを指摘している。次いで「動作するが、なぜ動くのかが理解しにくいソースコードだった」が33.6％、「エッジケース（極端な条件やまれな入力などの特殊な状況）で正常に動作しないソースコードだった」が31.8％と続いた。「中途半端なソースコードが大量に存在していた」（24.5％）、「既存のコードベースとの整合性が取れていなかった」（20.9％）といった、システム全体の構造や保守性に関わる課題も挙がった。

　自由回答の意見では、「担当者がAIツールを信じ切ってしまうところ」や「ソースコードの作成者の責任が誰であるかが保証できない」といった、開発者自身の姿勢や責任の所在を危惧する声が寄せられた。「プログラムの土台としては有能だが、プログラマー自身が内容を理解していないのは問題だ」との指摘もあり、AIツールにコーディングを丸投げすることによる影響が見て取れる。「学習データの質に依存し、過去のデータに基づいた不完全なセキュリティ対策が反映される場合があり、『SQLインジェクション』や『クロスサイトスクリプティング』のリスクがあるソースコードが生成される」「ソースコードの中身が分からなくても動作するプログラムが作れるため、レビューが機能しない」といった、セキュリティや開発プロセスそのものを脅かす意見もあった。SQLインジェクションはデータベースを不正操作する攻撃手法、クロスサイトスクリプティングはWebブラウザに不正なスクリプトを実行させる攻撃手法だ。

　こうした背景から、回答者の78.6％のエンジニアが直近6カ月以内にAI生成コードが原因となるバグや障害が発生し、その修正に関わった経験を持っていた。「何度もある（3回以上）」と答えた割合も32.0％に達する。それに伴う追加の対処時間については、「週3～4時間程度」が46.2％、「週5時間以上」が21.3％となっており、およそ7割のレビュアーがAI生成コードのレビューや修正のために週3時間以上を奪われている計算になる。

　このような状況を受け、約8割に当たる76.4％の回答者が「このままAI生成コードが増え続けると、コードベース全体の品質が維持できなくなる」と強い懸念を示している。ソースコード分析ツールを手掛けるGitClearは、数億行のソースコードを分析した調査レポート「AI Copilot Code Quality」において、AIコーディングツールの活用によるコピー＆ペーストの急増と保守性の低下に警鐘を鳴らしている。AI生成コードによる品質低下のリスクは世界的なトレンドになっている。

　早急な対策が求められる中、開発現場のルール整備は十分に追い付いていないのが実情だ。所属する組織においてAI生成コードに関する「明文化されたルールやガイドラインがある」と答えた割合は27.3％にとどまった。最も多かったのは「暗黙のルールや口頭での取り決めがある」の43.5％であり、個人の裁量や現場の空気に依存している状態だ。

　AI時代のコードレビューにおいて、今後レビュアーに求められるスキルとして最も多く選ばれたのは「品質基準を言語化してAIツールに指示する力」（52.2％）だった。続いて「AIツールが生成したソースコードの意図を読み解く力」（41.6％）、「AIツールに任せる範囲を見極める判断力」（40.7％）、「セキュリティリスクを見抜く力」（30.7％）が重視されている。

　AIツールによる開発効率化の恩恵を真に享受するためには、AIツールへの過度な依存を避け、組織として明確なガイドラインを整備することが不可欠だ。同時に、AI生成コードの本質や意図を正確に読み解き、品質基準を的確に言語化してコントロールできる「本質的なエンジニアスキル」の育成が、今後の開発チームにおける課題になるだろう。