「プロダクト品質良し・レビュアー良し・レビュイー良し」をAIで実現するためにCodeRabbitを選びました
レビュー投稿日の情報になります
株式会社Schoo / 福嶋淳一
メンバー / バックエンドエンジニア / 従業員規模: 11名〜50名
最終更新日投稿日
| 利用プラン | 利用機能 | ツールの利用規模 | ツールの利用開始時期 | 事業形態 |
|---|---|---|---|---|
Pro | コードレビュー | 11名〜50名 | 2025年10月 | B to B B to C |
| 利用プラン | Pro |
|---|---|
| 利用機能 | コードレビュー |
| ツールの利用規模 | 11名〜50名 |
| ツールの利用開始時期 | 2025年10月 |
| 事業形態 | B to B B to C |
導入の背景・解決したかった問題
導入背景
ツール導入前の課題
- コード品質・技術負債の悪化リスク
- コード生成の高速化で、品質の低いコードが混入し技術負債が増えるリスク
- 一定のデリバリー速度が求められる中でレビュー品質が悪化する懸念
- レビューのボトルネック化(マージ遅延)
- コードは早く書けても、レビューが追いつかずマージできない
- レビュー負担・精神的コストの増大
- レビュー量の増加による負担増
- 過去と同じ内容の指摘を繰り返し受けることによる精神的な負担
どのような状態を目指していたか
CodeRabbitを活用し、「プロダクト品質良し・レビュアー良し・レビュイー良し」の状態を目指す。
- 命名、人による指摘漏れ、保守性につながる細かい指摘など、人が見切れない指摘をカバーし、「プロダクト品質良し」の状態をつくる
- 仕様とのズレなど、レビュアーが確認する前に解消すべき指摘がない状態をつくる
- 過去の指摘やリポジトリ特有のルールをAIが学習し、同じ指摘を繰り返さない
- 構造やロジックの妥当性など、本質的なレビューに専念できる状態をつくる
- AIによる素早いレビューで、レビューのボトルネック化を防ぐ
比較検討したサービス
- GitHub Copilot
- Claude Code GitHub Actions
比較した軸
- 費用
- レビューの精度
- カスタマイズ性
- 弊社環境(Cursor & Claude Code & GitHub Copilot混在)への適合性
選定理由
- 費用
- 1ユーザー月額:$24(2026年5月現在)
- ユーザー単位で費用がかかるが、アクティブにする開発者を柔軟に設定できる
- コードレビュー回数が無制限で、コストパフォーマンスが優れている点
- レビューの精度
- 他ツールと比較して高いベンチマークを獲得
- カスタマイズ性
- .coderabbit.yamlファイルで詳細な設定ができる。自然言語での指示も可能
- 弊社環境(Cursor & Claude Code & GitHub Copilot混在)への適合性
- CLAUDE.mdや .cursorrules(Cursor用設定)などを自動的に読み込み、レビュー基準として適用できる
導入の成果
改善したかった課題はどれくらい解決されたか
社内で実施した、導入効果測定アンケート(回答者8名・5段階評価)の結果を、導入前に挙げた3つの課題に対応づけて整理する。
- 課題①:コード品質・技術負債の悪化リスク
- バグの早期発見:平均3.6 / 5。人間のレビュー前に潜在的なバグへ気づけるようになったという回答が中心
- セキュリティ・品質スキャン:平均3.3 / 5
- 課題②:レビューのボトルネック化(マージ遅延)
- レビュー待ち時間(ブロックされる時間)の減少:平均3.9 / 5で全設問の中で最も高評価
- 一次レビューが先回りで完了することで「待ち時間が発生せず、PRクローズまでの時間が大幅に短縮された」という声があり、最も解決が進んだ課題
- 課題③:レビュー負担・精神的コストの増大
- 学習効果(ベストプラクティスの習得):平均2.8 / 5
- 「一次レビューを自動で通せるので、人は重要な観点に絞れる」といった定性的な負担軽減
- 一方で「指摘が多くPRが見づらい」「修正のたびに新たな指摘が出て対応が終わらない」など、“指摘過多”による新たな負担は課題として残る
- 総合評価:
- 「CodeRabbitはあったほうが良い」が8名中7名
- 弊社では継続活用を決定
- 成果はチームによって差が出た。これは、コンテキストファイルの整備やAIを前提とした開発フローへの移行など、CodeRabbitを活かすための環境づくりをどこまで進めたかによる差だと考えている
- 環境整備を積極的に進めたチーム
- 開発者の負担を大きく軽減し、リードタイムの短縮にも大幅に寄与した
- 環境整備がこれからのチーム
- 指摘の精度が十分に高まりきらず、効果を実感しにくい場面もあった。これは「コンテキストを整えるほど指摘が的確になる」というツールの特性の裏返しであり、環境整備を進めることで改善が見込める
- 環境整備を積極的に進めたチーム
- 「CodeRabbitはあったほうが良い」が8名中7名
どのような成果が得られたか
- レビューの位置づけが変化:最低限の品質担保をAIが担うことで、人は「内容を見るレビュー」から「方針の認識合わせの場」へ注力でき、PR作成からマージまでの質と速度が向上した
- 少人数チームでもレビューの網羅性を確保:エンジニア2名のチームでも一次レビューを自動化し、人は重要な観点に絞ってレビューできるようになった
- レビュー待ち時間の解消:人間のレビュアーを待つ間にAIの一次レビューが完了するため、PRクローズまでの時間を大幅に短縮できた
- 致命的なバグを人間のレビュー前に早期発見できた
導入時の苦労・悩み
- コンテキストの整備
- 課題:ドキュメントがドキュメント管理ツールやGitHubのREADMEなどに散在し、更新漏れも多発していて、整理が必要な状態だった
- 対応:ドキュメントをGitHubに一元化し、CodeRabbitが参照できるコンテキストとして整備した。この整備自体には相応のコストがかかった
- AIレビューと人間レビューの棲み分けをどうするか
導入に向けた社内への説明
上長・チームへの説明
- 試験運用期間を設けたが、レビュー精度が高いことがわかり徐々に活用の範囲を広げることにした
活用方法
よく使う機能
- コードレビュー
- IDE拡張機能を使ったローカル環境でのレビュー機能
ツールの良い点
- 人が見落としがちな指摘(命名・typo・基本的なミス)をAIが先に拾い、品質の下支えになる
- 設計・実装の問題を早い段階で指摘でき、手戻りを減らせる
- 修正提案の即適用やコード説明の自動生成で、直すまでが速い
- PR概要や対話機能で、レビューの全体像をつかみやすい
- リポジトリのルールを学習し、同じ指摘を繰り返さない
- 自動かつ即時のレビューで、レビュー待ちが詰まりにくい
ツールの課題点
- 技術的な指摘で、ライブラリやフレームワークの古いバージョンを前提にした内容になることがある(最新仕様と食い違う場合がある)
- リポジトリ側のコンテキスト整備(ルール・前提情報)が不十分だと、指摘の精度が落ちる(的外れな指摘が増える)
今後の展望
- コードを書く仕事から、「AIが適切に動ける環境」を整える仕事へ。価値提供のスピードを何倍にも引き上げる世界を目指したい
- そのために、CodeRabbitに委ねる責務を今後さらに増やしていく
- すでに私が主幹するチームでは、人間によるコードレビューを廃止している
- 代わりに、その前段の詳細設計の工程で認識合わせや作り込みを行っている。
- 最終的には、人間が担う仕事とAIが担う仕事を最適化し、「プロダクト品質良し・レビュアー良し・レビュイー良し」の状態を弊社の開発部門全体で実現していきたい
株式会社Schoo / 福嶋淳一
メンバー / バックエンドエンジニア / 従業員規模: 11名〜50名
よく見られているレビュー
株式会社Schoo / 福嶋淳一
メンバー / バックエンドエンジニア / 従業員規模: 11名〜50名


