AnthropicのClaude Codeチーム、Claudeがコードの90%を書く中でコードレビューを再設計

AnthropicのClaude Codeチームは、Claudeが製品自身のコードの約90%を書くようになったことを受けてコードレビュープロセスを再設計し、コードの読み取りの大部分を自動エージェントに移行し、人間の注意力を高リスクの意思決定に留保した。2026年6月から9月にかけて、マージされたプルリクエストは2倍以上に増加し、リバート率は40%以上低下した。チームは、リバートやインシデントを増やすことなく、PRあたり最大1回の人間による承認を目標としている。
イベントのバージョン 1.
Key insights
人間の時間は希少な資源
チームはPRあたりの人間による承認数、人間のコメント、PR待ち時間を測定し、リバート率とインシデント率をガードレールとして使用している。目標は、リバートやインシデントを増やすことなく、ほとんどのプルリクエストが最大1人の人間(著者でも可)をループに含めてマージされることである。
7層のレビューパイプライン
変更は、テスト出力やスクリーンショットなどの証拠を伴うPR前の自己検証、必須のAIレビュー、ブロッキングセキュリティレビュー、ブロッキング自動チェック、リスクベースの人間による承認、フィーチャーフラグと段階的ロールアウトを伴うマージキュー、迅速な検出とロールバックを経る。
AIレビューの指摘が急増
実質的なレビューコメントを含む内部PRの割合は16%から54%に上昇し、1000行を超えるPRはほぼ常に問題を表面化させた。複数のエージェントが並行してバグを検索し、検証エージェントが各指摘に投票してから投稿される。
レビュアーの品質は継続的に評価される
以前にインシデントを引き起こしたPRは、レビュアーが毎日実行する評価セットを形成し、スコアを改善する変更のみが保持される。ノイズは、コメントに対する人間の反応と、既知のクリーンなPRでレビュアーを実行することによって測定される。
ループ収束の修正
あるエージェントが書いたCLIのPRは、一晩で50回以上のレビューラウンドを実行し、フラグが立てられたコードの約59%は最初のラウンドより前のものであった。ラウンドを3回に制限し、後のラウンドでは増分差分のみをレビューし、バグカテゴリにフラグを立て、重複する指摘を禁止することで、初回ラウンドの合格率は65%から78%に上昇し、5回以上のラウンドを必要とするPRは8.9%から1.5%に減少した。