ソースグラフ (Sourcegraph) は2026年11月15日(現地時間)、年次調査「2026 Big Code report」を発表した。このレポートは、AIがコードを生成する状況下で、企業チームが大規模なコードベースをいかに理解し、レビューし、変更しているかを検証している。調査対象となったAI活用組織の回答者の79%がAI投資の費用対効果(ROI)を示すよう中程度から多大な圧力を感じていると報告し、54%がAI生成のエンジニアリング作業の60%以上がリリース前に大幅な人間による修正を必要とすると見積もっている。

レポートは、ディメンショナル・リサーチ (Dimensional Research) が2026年9月に250人以上の開発者を擁する組織のソフトウェア開発担当者1,028人を対象に実施した調査に基づいている。回答者の58%は、今後12ヶ月間のエンジニアリング優先事項として、AIとエージェントの採用拡大を挙げている。

既存のコードや提案された変更の読み込み、検索、理解にチームのエンジニアリング時間の25%以上を費やしていると回答したエンジニアは全体の65%に上る。うち25%は半分以上を費やしていると回答した。また、41%の回答者は、エンジニアが既存機能を見つけられないために、頻繁に機能を再作成していると指摘している。

さらに、重要度の高い依存関係の脆弱性がコードベース全体に影響を及ぼす場合、影響を受けるすべてのインスタンスを見つけて修正するのに「日単位以上かかる」、または「完了できない」と回答したエンジニアは54%に達した。大規模なコード変更における課題としては、「依存関係とその影響の理解」(43%)、リポジトリ間での一貫した変更の実施(42%)、「テストと検証」(42%)が最も多く挙げられた。

エージェントのコンテキストに関する質問では、すべてのエージェントがコードベース、依存関係、履歴の共通ビューを共有していると回答したのはわずか10%だった。AIを活用する組織の回答者の33%は、ツールやエージェントが新しいタスクで効果的に機能する前に、開発者がアーキテクチャ、依存関係、規約、履歴に関する広範な背景説明を行う必要があると述べている。ソースグラフのMCPサーバー (MCP server) を通じて、Claude Code、Codex、Cursorなどの互換性のあるエージェントは、タスク中にインデックス化された組織のコードを検索できる。エンジニアは提案された変更と取得されたコードを検査でき、問題発生時にはエージェントが関連コードを見落としたか、例外を誤解したか、実装エラーを犯したかを判断するのに役立つ。ソースグラフのAgentic Batch Changesは、コードベース全体での作業調整を可能にするとされている。


参考: Sourcegraph Blog (アーカイブ) — 2026年11月16日 09:00 (JST)

原文ハイライト

"AI writes the code. Engineers still have to understand it."

この記事をシェア
X はてブ LinkedIn