Claudeが自らのツールを記述する時、レビューは壁に突き当たる
2026年10月、Anthropicは衝撃的なレポートを発表しました。同社の主力AIであるClaudeが、自社のコーディングツールであるClaude Codeのコードの約90%を記述しているというものです。これはソフトウェア開発における根本的な問いを投げかけています。ツール自体が主要な作成者である場合、チームはどのようにソフトウェアをレビューすべきでしょうか。従来の行単位の人間によるレビューというパラダイムは、限界に達しています。
この課題の規模は驚異的です。Anthropicの報告によると、同社のモノレポは9月までに1日あたり3万件以上の変更を受け入れており、5月時点の約2,500件から大幅に増加しました。これは1分間に20件以上の変更が行われていることを意味し、人間によるレビューでは到底追いつけないペースです。
この変化により、品質指標の再評価が求められました。6月から9月にかけて、Claude Codeのプルリクエスト数は2倍以上に増加しました。同期間において、差し戻し（取り消し）が必要となった変更の割合は40%以上減少しました。システムはより少ないロールバックで高いスループットを実現しており、コード品質保証の新しい時代の到来を示唆しています。
答えは「スーパーレビュアー」ではなく「レビューの組み立てライン」
エージェントが生成したコードに対するAnthropicの回答は、単一のスーパーレビュアーではなく、層状の組み立てラインです。変更はいくつかの自動チェックを通過します。まず、エージェントがテストの実行や出力の検査を通じて作業を検証し、次に並列化されたAIレビュアーがバグを探し、十分な数のエージェントが合意した場合にのみ結果が報告されます。各指摘には修正または論理的なクローズが必要です。
次に、自動化されたセキュリティレビューと従来のCIチェック（ビルドなど）が、安全でない変更をブロックします。最後に、人間による承認はリスクに応じて拡張されます。信頼できる作成者によるドキュメント修正にはピア承認は不要で、通常の製品変更には1名、高リスクのコードには2名の承認が必要です。
このシステムには2つの説明責任ルールがあります。エージェントの承認は人間の承認の代わりにはならず、エージェントに指示を出した人物がその変更の責任を負うというものです。これにより、エージェントによるレビューの無限ループを防いでいます。3ラウンド経過後、レビュアーは作成者にアプローチの再考を求めます。この変更だけで、1ラウンドでPRが通過する割合が65%から78%に向上しました。また、過去のすべてのインシデントがテストケースとなり、AIレビュアーを継続的に改善しています。
チェックの増加は、人間のボトルネックの減少につながる
信頼性の高いシステムは、すべてのトランザクションを人間が検査するのではなく、層状で反復可能なチェックによって繁栄します。メモリ内の誤り訂正符号、インターネットパケットのTCPチェックサム、あるいは複式簿記を考えてみてください。これらのメカニズムは自動的にエラーを捕捉し、人間のボトルネックを防ぎ、大規模な整合性を保証します。
エンジニアリングの役割は劇的に変化します。シニア開発者は上流へと移行し、プロジェクトのスコープやアーキテクチャのパターンを定義します。下流では、エージェントシステムを導く重要なテスト、制約、リスク管理を設計します。人間の注意は希少なリソースとなり、何かを構築すべきか否かという判断や、人間による監視が必要な高リスクコードの特定など、機械にはまだ不可能な戦略的決定に向けられるようになります。
Anthropicの2026年10月のClaude Codeレビューに関する投稿は、この未来の一端を垣間見せており、そのmulti-layered pipelineが1日あたり3万件以上のマージをどのように実現しているかを詳述しています。詳細については、How the Claude Code Team Does Code Reviewを参照してください。ただし注意点として、Anthropicは自社の取り組みを自ら評価しているという点があります。報告されているパフォーマンス数値（2026年6月から9月の間にマージされたプルリクエストが倍増し、リバート率が40%低下したこと）は、第三者による検証を受けたものではありません。また、同社はモデルの使用や、Scionバージョン管理システムのようなカスタムインフラに多大なリソースを費やしており、これらは他社にとって実現可能とは限りません。
この記事が気に入ったら、毎朝同じようなものをメールで受け取れます。
1日1通 · 2クリックで解除 · サードパーティのトラッキングなし
情報を大量に流し込む前に、脱出ハッチを構築せよ
Anthropicの階層型パイプラインは、実用的な基準を示しています。チームは、変更のテスト、ステージングリリース、feature flagsの活用、迅速なロールバックが可能になるまでは、人間によるレビューを減らすべきではありません。これは、信頼性の高いシステムが常に運用されてきた方法を反映しており、階層化されたチェックによってエラーが波及する前に捕捉します。
チームは、過去のインシデントをAIレビュアーのための反復的なテストへと変換すべきです。人間によるレビューで繰り返されるコメント、つまり貴重な注意力を奪うような一般的な指摘事項は、永続的なルール、自動テスト、あるいは新しいツールへと昇華させる必要があります。これにより、機械が人間の経験を単に肩代わりするだけでなく、そこから学習することが保証されます。
組織への影響は甚大です。リーダーは、自動化が拡大しても責任の所在が明確であり続けるよう、自身のspan of accountability（説明責任の範囲）によって評価されるべきです。意思決定は適切なレベルの人間による監視と紐付けられる必要があり、機械が日常的なタスクを調整しつつも、人間の判断やオーナーシップが失われないようにしなければなりません。
最終的な目標は人間を排除することではなく、その役割を高度化することです。人々は行ごとの検査から、戦略的な意思決定へとシフトします。何を構築すべきか、どのコードが機械単体ではリスクが高すぎるか、どの設計がパターンを決定づけるか、そして証拠が妥当であるかどうかを判断します。誰が入力したかにかかわらず、出荷されるすべての変更に対して人間が責任を負い続けます。
よくある質問
AnthropicはClaudeによって書かれたコードをどのようにレビューしていますか？
Anthropicは、エージェントによる検証、AIバグレビュー、セキュリティチェック、自動テスト、リスクベースの人間による承認、およびロールバックの保護策を組み合わせています。
AnthropicはAIに自身のコードを承認させていますか？
いいえ。Anthropicの規定では、エージェントによる承認は人間による承認とはみなされず、各変更に対して人間が責任を負い続けることになっています。
なぜエンジニアはすべてのAI生成コードをレビューできないのですか？
変更のボリュームが非常に大きい場合、行ごとのレビューはチームが持つ以上の人的注意力を消費してしまいます。自動化されたチェックが日常的なリスクを処理し、人間は重大な意思決定に集中します。
すべての企業がAnthropicのレビュープロセスを模倣すべきですか？
保護策なしに行うべきではありません。チームは人間によるレビューを減らす前に、信頼性の高いテスト、ステージングリリース、feature flags、そして迅速なロールバック体制を整える必要があります。