Atsushi Nakatsugawa
March 23, 2026
|1 min read
March 23, 2026
1 min read
Share
Cut code review time & bugs by 50%
Most installed AI app on GitHub and GitLab
Free 14-day trial
フリー株式会社（以下freee）は「スモールビジネスを、 世界の主役に。」をミッションに掲げ、クラウド会計ソフトをはじめとして人事労務、電子契約など約40種類のプロダクト・サービスを提供しています。また、「だれもが自由に経営できる統合型経営プラットフォーム」というビジョンのもと、従来バラバラだったフロントオフィスからバックオフィスまでの業務やデータを一気通貫させ、複雑な経営をシンプルに変革しています。
今回は、そんなfreeeの開発組織でAI活用を推進する、AIプラットフォームエンジニアリングチームの中山さんとジェスンさんにCodeRabbitの導入、活用についてお話を伺いました。
freeeの開発組織には、エンジニアだけで数百名が在籍しており、BP（ビジネスパートナー）を含めるとさらに大規模な開発体制となっています。
基本的にはプロダクトごとに開発チームが分かれており、最終的なユニットとしては4〜5名程度のチームでスクラム開発を行うことが多いです。開発拠点は大崎だけでなく、名古屋、関西、福岡、北海道、沖縄など日本各地に広がっています。
freeeではAIコーディングエージェントを利用するための基盤作りなど、積極的なAI活用を推進していました。その結果として、AIを活用するエンジニアからのプルリクエスト（PR）が増加し始めたという背景があります。
エンジニアが全力でコードを書く一方で、「コードレビューが追いつかない」という声が現場から上がるようになりました。目に見えてPRが滞留する事態にはなっていなかったものの、今後PRが増加していくことは明白でした。デリバリーのリードタイムを短縮するためにも、レビューにかかる時間をいかに削減するかが課題となっていました。
「レビューのボトルネック化が健在化しつつあった中で、いかにレビューにかかる時間を削減するかが課題でした」（中山さん）
CodeRabbitを知ったきっかけは、約2年前から個人開発で無料バージョンを利用していたことでした。当時はChatGPTが出始めた頃で、AIコードレビューが無料で使える点に大きな魅力を感じていました。そうしてCodeRabbitを使っていく中で、会社でも使いたいという気持ちが芽生えていったと振り返ります。
社内ではすでに別のAIレビューツールが導入されていましたが、精度や使い勝手の面で課題を感じていました。そのため、社内でもPRが増えて課題が出始めたタイミングで、他のツールでの機能検証や比較を行ってみたいと考えたのが最初の接点です。
「すでに導入されていた別のツールは、一方的にレビューを提示されるだけで、『こういう観点でレビューしてほしい』といった対話や設定がうまくできない点に物足りなさを感じていました。個人開発でCodeRabbitを触る中で、その辺りの使い勝手が非常に良いと実感しており、社内課題にもマッチすると考えて比較検証を提案しました」（ジェスンさん）
CodeRabbitを導入した最大の決定要因は、レビューの精度が他のツールよりも高かったことです。本格導入前に数十名のエンジニアに実際の業務で使ってもらったところ、今まで使っていたものよりも使いやすいという声が多く挙がりました。また、チャットで独自のコーディングルール（Learnings）を追加・管理できる点や、ダッシュボード機能なども高く評価されました。
さらに、定額制（サブスクリプション）である点も非常に重要なポイントでした。従量課金制のツールでは利用量によってコストが変動するため予算の見通しが立てづらく、社内決裁のハードルが高くなります。定額制であればコストを予測しやすいため、社内での説得もスムーズに進みました。
「AWSのようなインフラであれば、利用量が跳ねても『アクセスが増えて売上が上がっているから』と説明がつきます。しかし、開発ツールの場合、利用料金と生産性が比例する訳ではありません。従来の定額制が当たり前だった開発ツールの予算組みにおいて、コスト予測が立てやすいというのは非常に大きな安心材料でした」（中山さん）
現在は、社内エンジニアにシートを配布して運用しています。開発メンバーの約90%が週3回以上（うち約6割は毎日）利用しており、CodeRabbitは日常的な開発プロセスとして定着しています。
社内アンケートでは、76%のメンバーが「満足」または「大変満足」と回答し、71%が「レビュー負荷が減った」と導入効果を実感しています。また、レビュー負荷の削減以外にも「目が増えることによってコードの品質が上がった」と評価する声も挙がっています。
運用上の工夫として、厳格なルールではないものの、「まずCodeRabbitの指摘事項を全て完了させてから、人にレビュー依頼を出す」ことを社内で推奨しています。初歩的なミスや細かい指摘をAIが先に行ってくれるため、人間はより重要で本質的な設計などのレビューに集中できるようになりました。また、人間相手だと指摘しづらい些細な修正依頼も、AIならば意に返さず行ってくれるのも評価されています。
単純なレビュー工数の削減だけでなく、AIの目線が入ることによるコード品質の底上げ効果が高く評価されています。
「ジュニアメンバーにとっては『レビュー依頼前にセルフチェックができる』という安心感があり、シニア層にとっても『すでにAIが基礎的な確認を済ませてくれている』と信頼できるため、双方にとって良い効果が生まれています」（ジェスンさん）
今後CodeRabbitに期待したい改善点として、まずはレビューのレスポンス速度の向上を挙げています。現状はPRを出してからレビュー結果が返ってくるまでに5〜10分程度かかることがあり、ここが1〜2分に短縮されれば、エンジニアのファーストリアクションがさらに快適になるとのことです。
また、社内のデザインドキュメントなどの追加コンテキストをうまく渡し、コードの良し悪しだけでなく、要件を満たしているかどうかのレビュー精度をさらに高めていきたいと考えています。freeeではCodeRabbitを深く活用し、さらなる社内の開発生産性向上に取り組んでいます。
CodeRabbitは、freee社の開発生産性向上に今後も寄与していきます。
freee社では、機械学習エンジニアやSRE、QAエンジニアなど、さまざまな職種で求人しています。AIを活用した自社サービス開発に興味がある方は、ぜひ採用情報 | フリー株式会社をご覧ください。
