人間中心からエージェンティックなコードレビューへ：異なる世代の生成AI技術がレビューの質に与える影響

要旨

コードレビューはコード統合前にソフトウェア品質を維持するのに役立つが、人間のレビュアーに多大な作業負荷を課す。生成人工知能がソフトウェア開発の一部となるにつれて、コードレビューは主に人間が行うプロセスから、大規模言語モデル（LLM）レビュアーやAIエージェントレビュアーが人間レビュアーと共に参加するAI支援レビュープロセスへと移行しつつある。しかしながら、この移行がレビュー効率やレビュー品質にどのような影響を与えるかについての実証的証拠は依然として不足している。本論文では、三つのコードレビュー時代（人間中心レビュー、LLM支援レビュー、エージェント型コードレビュー）を経て変遷する207のGitHubプロジェクトから収集した102万件のレビュー済みプルリクエストを分析する。我々は三つのAIレビュアー導入手法（段階的AI導入、急激なLLM導入、急激なAIエージェント導入）を特定する。さらに、プルリクエストのレビュー議論をレビュアー間の相互作用シーケンスとしてモデル化し、レビュープロセスにおいて人間、LLM、AIエージェントのレビュアーがどのように協力するかを特徴づける。結果によると、エージェントが関与する協業パターン、特にAIエージェントによって開始されるレビューや複数のAIエージェントが関与するレビューは、段階的AI導入および急激なAIエージェント導入においてより迅速なレビュー決定と関連している。しかしながら、これらの効率向上はレビュー品質の改善にはつながらない。また、レビュー活動量とプルリクエストの種類はどの時代でも重要な要素であり続ける一方、LLMレビュアーやAIエージェントレビュアーが参加すると、人間とAIの協業パターンがレビュー効率の最も強い説明要因となることが明らかになった。これらの知見は、レビュー品質を損なうことなく効率を向上させるAI支援コードレビュープロセスの設計に実証的な指針を提供する。

English

Code review helps maintain software quality before code integration, but it also imposes a substantial workload on human reviewers. As generative artificial intelligence becomes part of software development, code review is shifting from a primarily human review process toward AI-supported review processes in which large language model (LLM) reviewers and AI agent reviewers participate alongside human reviewers. However, we still lack empirical evidence on how this transition affects review efficiency and review quality. In this paper, we study 1.02 million reviewed pull requests from 207 GitHub projects that transition across three code review eras: human-centric review, LLM-assisted review, and agentic code review. We identify three AI reviewer adoption practices: Gradual AI Adoption, Rapid LLM Adoption, and Rapid AI Agent Adoption. We further model pull request review discussions as reviewer interaction sequences to characterize how human, LLM, and AI agent reviewers collaborate during the review process. Our results show that agent-involved collaboration patterns, especially reviews initiated by AI agents or involving multiple AI agents, are associated with faster review decisions under Gradual AI Adoption and Rapid AI Agent Adoption. However, these efficiency gains do not translate into better review quality. We also find that review activity and pull request type remain important across eras, while human-AI collaboration patterns become the strongest explanatory factor for review efficiency once LLM and AI agent reviewers participate. These findings provide empirical guidance for designing AI-supported code review processes that improve efficiency without weakening review quality.