今やコードは AI が書く。プルリクエストあたりのインシデントは 242% 増。

AI が生成したコードは、コードレビューを追い越しつつあります: Faros AI の測定では、AI 導入度が高いとき、マージされたプルリクエストあたりのインシデントは 242.7% 増、開発者あたりのバグは 54% 増でした。規模に対応できる品質ゲートは、ビルドのたびに実行される自動のエンドツーエンドテストです。

Faros AI が測定したこと

2026 年 4 月、Faros AI は The AI Engineering Report 2026: The Acceleration Whiplash を公開しました。これは開発者の感想を集めた調査ではありません。4,000 を超えるチームの開発者 22,000 人から約 2 年分のテレメトリーを集め、各組織内で AI 導入度が最も低かった時期と最も高かった時期を比較したものです。

最初の発見が背景を物語っています。チームの 80% で開発者の半数以上が毎週 AI ツールを使い、開発者が受け入れる AI 生成コードの割合は 20% から 60% に上がりました。

良い知らせは本物で、レポートもそう述べています。AI 導入度が高いと、チームはより多くの仕事を完了します。

そこに反動 (whiplash) が来ます。同じチームがより多くのインシデントとバグを出荷し、その曲線は緩やかになるどころか急になっています。

数値はすべて Faros AI 自身のもので、要点をまとめた記事とレポートのページから引用しており、各組織内で AI 導入度が最も低かった時期と最も高かった時期を比較しています。

AI が生成したコードでバグとインシデントが増えているのはなぜか?

インシデントとは、ユーザーが実際に感じるものです: 障害、セキュリティ事象、システムの機能不全。AI 導入度が低い時期と高い時期の間で、マージされたプルリクエストに対するインシデントの比率は 242.7% 上昇し、月間インシデントは 57.9% 増加しました。

バグも同じ線をたどります。Faros の 2025 年レポート The AI Productivity Paradox では、開発者あたりのバグは 9% 増でした。今回のデータセットでは54% 増で、レポート自身のページはプルリクエストあたりのバグを28.7% 増としています。チームが AI に頼るほど、欠陥は速く増えます。

これらの数字は何が起きたかを示すものであり、唯一の原因を示すものではなく、Faros も慎重にそう述べています。しかし、どれも同じ方向を指しています。より多くのコードがより速く本番に届き、それぞれの変更が以前より大きなリスクを伴っています。

コードレビューが AI コーディングエージェントに追いつけないのはなぜか?

コードレビューは、人間の速度で書かれるコードのために設計されました。AI コーディングエージェントはプルリクエストを数分で書き、エージェントを 5 体抱えるチームは、シニアエンジニアが 1 週間で読める以上のプルリクエストを 1 日で開きます。

Faros は待ち行列を測定しました: 最初のレビューまでの時間の中央値は 156.6% 増、レビュー中の時間の中央値は 441.5% 増です。そして、その圧力には逃げ道があります。人間によるものもエージェントによるものも含め、まったくレビューされずにマージされるプルリクエストは 31.3% 増えています。

レビューが見逃すバグを捕まえるものは何か?

最初に思いつくのは、エージェントにもっと単体テストを書かせることです。それはやるべきですが、そこで止まってはいけません。コードを書いたエージェントが書いたテストは、タスクに対するエージェントの理解を共有しています: 要件を読み違えていれば、コードとテストは互いに一致し、どちらも間違っています。

AI の速度に見合うセーフティネットには、性質が 3 点あります。

それがエンドツーエンドテストです: サインインから支払いまで、ユーザーがたどるとおりにインターフェイスを通じてアプリケーション全体をテストするものです。AI 生成コードのテストは結局これに行き着き、Faros の数字が求めているのもこれです: レビュアーの数ではなく、変更の量に合わせて拡大するチェックです。

エンドツーエンドテストを CI/CD の品質ゲートにするには?

1. 1

   決して壊れてはいけないジャーニーを列挙する

   サインアップ、サインイン、検索、チェックアウト、顧客が毎週月曜日にエクスポートするレポート。5 ～ 10 のジャーニーを、それぞれユーザーが期待する結果とともに挙げます。そのリストが仕様であり、エージェントではなく人のものです。

2. 2

   コードではなく画面をテストする

   ユーザーが読み、目にするものを検証します: 合計、メッセージ、ボタン、配置。エージェントはクラスの名前を自由に変え、コンポーネントを書き直します。画面に根ざしたテストはそれを乗り切り、それでも画面が間違っていれば不合格になります。

3. 3

   すべてのプルリクエストで実行し、失敗したらブロックする

   警告するだけの結果は、すぐに無視されます。エンドツーエンドテストが不合格ならビルドを失敗させ、変更がユーザーに届く代わりに修正を待つようにしてください。

4. 4

   テストをエージェントの手の届かないところに置く

   エージェントはテストを実行し、結果を読んでかまいません。テストが期待する内容の変更には人の承認が必要で、そうでなければテストはコードがたまたま行うことのほうへ流されていきます。

5. 5

   失敗を読めるものにし、登録する

   失敗は、どのステップが失敗し、画面がどう違うかを画像付きで伝えるべきで、そうすればエージェントが修正を提案し、人が判断できます。そして、誰かがスクリーンショットをコピーすることなく、トラッカーのバグになるべきです: 不合格のテストを Jira のバグにするをご覧ください。

注意点が 1 点あります: 理由もなく失敗するゲートは、人がそれを無視することを覚えてしまうので、ゲートがないより悪いものです。ゲートには、本当のリグレッションと無害なノイズを見分けるテストが必要です。それが不安定なテストと誤検知のテーマです。

GUI Test Studio でビルドのたびに AI 生成コードをテストする

GUI Test Studio はまさにこのゲートのために作られています。Web アプリ、Windows デスクトップアプリ、スマートフォン、ゲームを、そのインターフェイスを通じてエンドツーエンドでテストし、書いたり保守したりするテストコードはありません。

数分でテストを: 記録するか、説明する

GUI Test Runner-Recorder で、実際のアプリケーションをクリックし、入力しながら、ワークフローを一度記録します。あるいは Claude、Codex 付きの ChatGPT、またはローカル AI モデル (当社が提供するモデルか、独自のモデル) にプロンプトで説明すれば、テストが代わりに作成されます。アシスタントが追加するアサーションはすべてその場で試され、今の画面で合格できないものは拒否されます。

gtr-cli で、パイプラインにゲートを

gtr-cli は同じテストを Windows のビルドマシンで実行し、パイプラインが期待するとおりに答えます: 終了コードでビルドを失敗させ、JUnit ファイルでテストタブを埋め、Markdown の要約をプルリクエスト用に用意します。オプション 1 個で、不合格のテストは再現手順と期待した画像および見つかった画像の付いた Jira の課題になります。

gtr-cli run tests --countdown 0 --format github --junit results\junit.xml ^
  --summary results\summary.md --artifacts results\artifacts --jira on-failure

TeamCity、Jenkins、GitHub Actions、GitLab、Azure DevOps で動作します: パイプラインでテストを実行すると、TeamCity の設定を順を追って説明したすべてのビルドでエンドツーエンドテストを実行するをご覧ください。

本当のリグレッションか、無害なノイズか?

エージェントもゲートを実行できる

コネクターを通じて、コードを書くアシスタントがテストを実行し、判定を読み、テストの変更を提案でき、その変更は確認を待ちます。テストが期待する内容の責任は人が持ち続けます。サイクル全体はAI エージェントとの開発 (ADLC)にあります。

YouTube の Perfology · 再生をクリックしたときにだけ読み込まれます

要点

• 1今やコードの主な書き手は AI です。スループットは上がり、インシデントも上がりました: マージされたプルリクエストあたり +242.7%、月あたり +57.9% です。
• 2バグは安定するどころか加速しています。開発者あたりのバグは、2025 年レポートの 9% に対して 54% 増えました。
• 3レビューは限界に達しました。まったくレビューされずにマージされるプルリクエストが 31.3% 増えています。
• 4セーフティネットは自動化され、独立していなければなりません: ユーザーが目にするもののエンドツーエンドテストを、人が所有し、ビルドのたびに実行します。
• 5それをゲートにしてください。失敗はマージをブロックし、バグを登録し、何が変わったかを伝えます。

よくある質問

数値の出典: Faros AI, The AI Engineering Report 2026: The Acceleration Whiplash (2026 年 4 月)、およびプルリクエストあたりのバグについてはそのレポートページ。Faros AI、Claude、ChatGPT、Codex、Copilot、OpenAI、Anthropic、Jira、TeamCity、Jenkins、GitHub、GitLab、Azure DevOps、YouTube は、それぞれの所有者の商標です。