Series
AIレビューの実運用
『AIレビューの実運用』シリーズの記事一覧（全3回）。AIにコードや文章を書かせていて、そのレビューもAIに任せられるか判断したい実務者向けの内容です。
Posts
シリーズの記事一覧
公開順（シリーズ内の並び順）に読めます。
-
AIレビュアーの指摘はどれだけ当たるのか：採否記録から測る
Node.jsのエラー解説リポジトリで、AIが生成したコードと文章を別ベンダーのAIにレビューさせた9回分の採否記録から、指摘の採用率を集計する。採用率87%は生の正答率ではなく、範囲指定・異ベンダーの突き合わせ・裏取りを通した運用上の数字であることを工程まで分解し、棄却より頻度の高い5つの失敗の型と、そこから決めた運用ルールを示す。
-
2エージェント相互レビューの実運用：プロンプト・実行・intakeの回し方
異ベンダーのAIを2〜3体並べて同じ対象をレビューさせ、指摘を突き合わせてから採否を決める運用を、プロンプト・実行・intakeの3フェーズで示す。プロンプトに「見ないもの」を先に宣言する理由、ヘッドレス実行をやめて対話CLIを自動起動している理由、誤検知の判定を記録に残す理由まで、実際のファイル構成とコマンドで説明する。
-
AIに書かせたコードのレビュー指摘95件を全部分類した
AIに書かせた4プロジェクトのコードへのレビュー指摘95件のうち、誤検知1件を除く94件を15の失敗パターン＋その他に全分類した。最多は黙って間違うfail-open／サイレント劣化系。仮説の「検証済みの過大申告」は件数こそ少なく、出た場所が成果物の品質を自称する層に揃っていた。