Atsushi Nakatsugawa
September 03, 2025
1 min read
Share
Cut code review time & bugs by 50%
Most installed AI app on GitHub and GitLab
Free 14-day trial
生成AIの技術が急速に進化する中で、AIを活用した開発支援ツールにも注目が集まっています。なかでも、AIによるコードレビュー支援は、開発生産性と品質を両立させるための有効な手段として、多くの現場で導入が進んでいます。
今回は、AIエージェント活用をテーマに事業を展開しているGenerative AgentsのCEO、西見さんにお話を伺いました。同社では立ち上げ当初からCodeRabbitを導入しており、その背景や運用上の工夫、今後への期待などについて詳しく語っていただきました。
Generative Agentsは、AIエージェントの利活用を軸とした事業を展開しています。LangChainやLangGraphといったLLM関連のライブラリを利用し、クライアント企業のAI活用を支援しています。技術講座の提供や教育プログラムの設計にも注力しており、AIエージェント活用を推進する立場として活動の幅を広げています。
設立は2024年3月。共同創業者3名はいずれも生成AI分野での著書を持つ技術者であり、同じ志を持つ仲間として活動を開始しました。個人では追いきれないスピードで進化するAI技術を、仲間とともにキャッチアップしながら、社会に還元していくことを目指しています。
Generative Agentsの開発体制は、現在5名という少人数構成です。エンジニアリングリーダーがアーキテクチャ全体を設計しつつ、顧客と共同でプロダクト開発を進めています。LangChainやLangGraphを使った開発に深く関わり、技術的な壁を乗り越える支援を得意としています。
同社にはAI VTuberのニケちゃんも在籍し、開発メンバーとして活動しています。その他、参画したエンジニアとともに、柔軟な体制でクライアントと伴走しています。プロダクトを開発するだけでなく、顧客自身が手を動かせるような支援体制が特徴です。
創業前から個人事業として活動していた西見さんは、外部のエンジニアと協業する中でコードレビューの負荷に課題を感じていました。1人でコードの品質を担保するには限界があり、第三者の視点が欠けがちになっていたそうです。
創業後も、少人数での開発が中心であるため、同じような課題は継続していたといいます。レビューの質を維持するためには、客観的な視点を常に取り入れられる仕組みが必要だと考えていたといいます。
「少人数体制だからこそ、第三者視点が持てるレビュー環境が重要でした。AIによるレビュー支援は、まさにそのニーズに合っていました」（西見さん）
CodeRabbitとの出会いは、創業前の個人事業時代に遡ります。外部の開発パートナーと進める中で、自然と導入していたと振り返ります。CodeRabbitは特に違和感なく、スムーズに日々の開発に組み込まれていたとのことです。
Ruby on Railsでの開発経験が長く、静的解析やスタイルガイドに基づく開発には慣れていたこともあり、AIによるレビューというスタイルにもすぐに適応できたと語っています。
「ルールベースの指摘に慣れていたので、AIがレビューしてくれることについては特に抵抗はありませんでした」（西見さん）
Generative Agentsでは、CodeRabbit以外のAIコードレビューツールも利用しています。しかし、LangChainなどの複雑な文脈を含むコードに対しては、思うようなフィードバックが得られなかったといいます。
一方で、CodeRabbitはコンテキストの長いファイルに対しても適切な指摘ができ、重大なバグの予防にも貢献してくれていると語ります。
「実際に比較してみて、精度の違いを実感しています」（西見さん）
現在の運用では、すべての開発メンバーが積極的にCodeRabbitを使っているわけではないものの、多くのメンバーにとって非常に頼れる存在となっています。人手でのレビューが難しい状況でも、AIによるフィードバックが品質を支えてくれています。
新しく参加するエンジニアについても、元々レビュー文化に慣れており、AIの指摘も自然に受け入れられているとのことです。レビュー指摘に対してフラットに議論できる風土が、AI活用にもつながっています。
「人間であれAIであれ、指摘されたコードを素直に見直すという文化が根付いているからこそ、AIレビューも自然に受け入れられています」（西見さん）
現在のCodeRabbitに対して高く評価している一方で、改善を期待する点もあると語ってくれました。特にレビュー設定が難解で、どの項目がどのように結果に影響するのかが把握しづらい点に課題を感じているそうです。
また、生成されるコメントの中には冗長なものもあり、実際に役立つ指摘は一部にとどまってしまう場合もあるとのこと。今後は、プロジェクトごとに最適なレビューができるよう、AIが学習して改善していく仕組みを期待していると語ってくれました。
「設定変更の効果が見える化されていたり、指摘の質を学習して改善してくれると、もっと成長を実感しながら使えるツールになると思っています」
