AIでリファクタリングはできる?技術的負債をためない進め方
AIでリファクタリングはできるのか。任せるとコードの状態は良くなるのか、それともかえって悪くなるのか。この記事では、AIが得意な整理の作業と人が判断すべき部分を分けて、技術的負債をためない開発の進め方を整理します。
新規事業でシステムを作る会社が、AIを使った開発の進め方や依頼先を考えるときの確認の観点としても読めるようにまとめました。
技術的負債とリファクタリング|まず言葉を整理する
技術的負債とは
技術的負債とは、目先の開発を早く進めるために選んだ近道が、あとから修正や機能追加のしにくさとして残っていく状態を、借金にたとえた言葉です。ソフトウェア開発者のウォード・カニンガム氏が使い始めた比喩として知られています。
負債と呼ばれるのは、放っておくと「利息」がつくからです。たとえば次のようなものが、よくある例です。
- 同じ処理があちこちにコピーされていて、直すときに全部を探して回る必要がある
- 変数や関数の名前が実態とずれていて、読んでも何をしているのか分からない
- テストがなく、少し変えただけで別の機能が壊れないか不安になる
- 設計の意図が残っておらず、なぜそうなっているのか誰も説明できない
近道そのものが悪いわけではありません。新規事業では、まず動くものを作って確かめるために、あえて近道を選ぶ場面もあります。問題になるのは、近道をしたことが誰にも見えなくなり、返す時期も決まらないまま積み上がることです。
リファクタリングとは
リファクタリングとは、外から見た振る舞いを変えずに、内部の構造を整える作業です。画面に出る結果や機能は同じまま、コードを読みやすく、直しやすくします。
ここで大事なのは「振る舞いを変えない」という部分です。機能を足したり、仕様を変えたりする作業とは区別されます。この区別があいまいだと、整理のつもりで入れた変更が不具合の原因になります。AIに任せるときも、この前提は変わりません。
AIでリファクタリングはできるのか|得意なことと苦手なこと
結論から言うと、AIはリファクタリングの多くの作業を手伝えます。ただし「どこまで任せるか」と「できた結果を誰が確かめるか」を決めておかないと、負債を減らすつもりが増やす結果にもなります。
AIが得意な作業
AIは、コードの中にある規則的なパターンを見つけて整える作業が得意です。
- 長すぎる関数を、役割ごとの小さな関数に分ける
- 意味の伝わりにくい名前を、読んで分かる名前に変える
- コピーされた処理を見つけて、ひとつにまとめる
- 古い書き方を、新しい書き方に置き換える
- 変更前の振る舞いを確かめるためのテストの下書きを作る
- コードの内容を読み解き、説明文やコメントの案を出す
これらは、人が手作業でやると時間がかかるわりに、判断そのものは難しくない作業です。AIに任せやすく、効果も出やすい範囲だと考えられます。
AIだけでは判断しにくいこと
一方で、次のような作業は、AIにコードだけを渡しても適切に判断できないことがあります。
- 業務上の意味:同じように見える2つの処理が、実は別の業務ルールにもとづいている場合
- 書かれていない仕様:コードには現れていない、運用上の約束事や例外の扱い
- 全体の設計:どの機能をどこに置くか、どこまで共通化するかという構造の判断
- 変更の範囲:この整理が他のどの機能に影響するか、いまやる価値があるか
- 事業の優先順位:整理に時間を使うより、機能を出すほうが大事な時期かどうか
整理すると、次のようになります。
| 作業 | AIに任せやすさ | 人が見るところ |
|---|---|---|
| 名前の変更・関数の分割 | 任せやすい | 意味が変わっていないか |
| 重複コードの洗い出し | 任せやすい | 本当に同じ処理か |
| 古い書き方の置き換え | 任せやすい | 動作が変わっていないか |
| テストの下書き | 任せやすい | 確かめたい振る舞いを押さえているか |
| 構造の見直し・共通化 | 提案を受けて人が判断 | 設計の方針と合っているか |
| 優先順位・やる範囲 | 人が決める | 事業の状況に合っているか |
つまり、AIは「整理を実行する担い手」としては有力ですが、「何を整理するか」「整理した結果で良いか」を決めるのは人の役割です。AI開発全体での役割分担の考え方は、AI駆動開発とは|AIと人の役割分担と発注側の要点でも整理しています。
AIがコードを増やすことで起きやすいこと
AIは短い指示でも、動くコードをたくさん出してくれます。この速さは利点ですが、負債の面では注意点もあります。
ひとつは、既存のコードにすでにある部品や書き方を知らないまま、似た処理を新しく作ってしまうことです。AIに渡した情報の範囲でしか判断できないため、プロジェクトの規約や既存の共通部品が伝わっていないと、重複が増えます。
もうひとつは、もっともらしく見えるが微妙に間違ったコードが混ざることです。こうした誤りの見つけ方は、生成AIのハルシネーションが開発に混ざるとき|見つけ方と防ぎ方で詳しく扱っています。
また、AIの書いたコードは、安全性と動作の両方を満たすのが難しいことを示す評価も公開されています。詳しくはLSCBench公開、AIのコードは安全と動作の両立が最良25%で取り上げました。速く書けることと、長く保てる品質を備えていることは、別の問題として考える必要があります。
AIでリファクタリングを進める手順
AIにリファクタリングを任せるときは、手順を決めておくと失敗が減ります。ここでは、一般的に有効とされている考え方を5つの段階にまとめます。
1. 先に「振る舞い」を固定する
リファクタリングは、振る舞いが変わっていないことを確かめられて初めて成り立ちます。その確認手段がテストです。
整理の前に、いまの動きを確かめるテストを用意します。テストがない部分には、AIに下書きを作らせ、人が「確かめたい動きを押さえているか」を見て直します。テストに任せる範囲と人が見る項目の分け方は、AIのテスト自動生成|任せる範囲と人が見る確認項目にまとめています。
テストがない状態でAIに大きな整理を任せるのは、変更前後の比較ができないため、避けたほうが安全です。
2. 目的をひとつに絞り、小さな単位で依頼する
「全体をきれいにして」という依頼は、AIにとっても人にとっても判断基準があいまいです。次のように、ひとつの変更にひとつの目的を持たせます。
- この関数を、役割ごとに3つに分ける
- この画面の入力チェックを、共通の部品に寄せる
- この2つのファイルにある重複した処理を、ひとつにまとめる
小さく依頼すると、結果の確認が簡単になります。うまくいかなかった場合も、元に戻しやすくなります。
3. プロジェクトの決まりをAIに渡す
AIに既存の書き方や設計方針を伝えないと、AIは一般的な書き方で整理してしまいます。名前のつけ方、フォルダの構成、使ってよい共通部品、避けたい書き方を文書にまとめ、依頼のたびに参照させます。
この文書は、人が新しく参加したときの手引きとしても使えます。AIのために整えたものが、結果として人の理解も助けます。
4. 差分を人が見る
AIが出した変更は、変更前後の差分を人が読んで確認します。見るポイントは次のとおりです。
- 振る舞いを変える変更が混ざっていないか
- 整理の目的と関係のない箇所が書き換えられていないか
- 必要なテストが消えたり、弱くなったりしていないか
- 設計の方針から外れていないか
AIによるレビューを併用すると、見落としを減らせます。ただ、どの指摘を採用するかは人が決めることです。この線引きは、AIコードレビューで指摘される点と人が判断する点で詳しく書きました。
5. 動かして確かめ、理由を残す
テストが通っても、実際の画面や業務の流れで動かしてみると気づく点があります。整理した範囲は、実際に触って確認します。
あわせて、何のために、どう変えたのかを短く記録します。理由が残っていれば、数か月後に別の担当者が読んでも、変更の意図が分かります。設計の記録の残し方は、AI設計書の自動生成は可能?後から困らない残し方が参考になります。
技術的負債をためない開発の進め方
リファクタリングは、負債が増えてから返す作業です。それよりも、増えにくい進め方を最初から組み込んでおくほうが、全体の負担は軽くなります。AIを使う開発では、次の点が特に効いてきます。
整理を開発の流れに組み込む
「時間ができたら整理する」という進め方では、整理の時間はなかなか生まれません。機能を追加するたびに、その周辺を少し整える作業を含めておくのが現実的です。
たとえば、毎回の機能追加の中に、次のような作業を入れておきます。
- 追加した機能に関わる部分のテストを増やす
- 触った箇所の名前や構造を、その場で整える
- 重複が見つかったら、記録に残して次の機会に直す
AIは、こうした小さな整理を短い時間で実行できます。人の仕事は、整理を実行するタイミングと範囲を決めることです。
自動で確かめる仕組みを先に作る
形式の統一や基本的なミスの検出は、機械的に確かめる仕組みに任せられます。コードの書き方を揃える仕組みや、変更のたびにテストを自動で走らせる仕組みを用意しておくと、AIが書いたコードも同じ基準で確認できます。
リリースまでの流れの中で、AIと人の確認をどう分けるかは、AI CI/CD 自動デプロイ|AIと人の確認の分け方で整理しています。
設計の意図を文書に残す
負債が重くなる大きな原因は、「なぜそうなっているのか」が分からなくなることです。AIは設計書の下書きを作るのが得意ですが、書かれた内容の正しさを確認するのは人の役割です。
最低限、次の3点は残しておくと、後の整理がしやすくなります。
- 全体の構成と、データの持ち方
- 選んだ技術と、その理由
- 意図的に後回しにした部分
3つ目の「意図的に後回しにした部分」が、負債の見える化にあたります。借りたことを記録しておけば、返す時期を決められます。
人の頭の中だけにある知識を減らす
特定の担当者しか分からないコードや手順は、負債になります。AIを使うと開発が速くなる分、誰が何を理解しているのかが見えにくくなる面もあります。開発の工程を決まった流れにして、判断の記録を残しておくことが、属人化を抑える助けになります。考え方はシステム開発の属人化を防ぐ|工程のフロー化とAI開発基盤に書きました。
引き継げる状態を保つ
将来、担当者や開発会社が変わる可能性は常にあります。AIが書いたコードでも、他の人が読んで直せる状態にしておくことが、負債をためないことにつながります。引き継ぎと改修の確認点は、AI生成コードの保守は可能か|引き継ぎと改修の確認点で扱っています。
新規事業では「負債をゼロにする」より「どこに負債を置くか」を決める
新規事業のシステム開発では、負債を完全になくす進め方が最善とは限りません。事業がうまくいくかどうかがまだ分からない段階で、将来の拡張を見越して作り込みすぎると、確かめる前に時間と力を使い果たしてしまうからです。
確かめるための近道は、見える形で選ぶ
最初のプロトタイプや小さなサービスでは、事業の仮説を確かめることが目的です。そのために、次のような近道を選ぶ場面があります。
- 利用者が少ない前提で、性能の作り込みを後回しにする
- 管理画面を最小限にして、手作業でカバーする
- 将来使うかもしれない機能を、いまは作らない
こうした判断は、あえて選んだ近道であれば、負債ではなく「計画した借り入れ」です。重要なのは、何を後回しにしたかを記録して、事業の手応えを見たうえで、返すか、捨てるかを決めることです。
利用者が増えたときへの備えをどこまでするかは、新規事業のシステムの拡張性|利用者増への備えはどこまでで考え方を整理しています。
プロトタイプのコードは、そのまま本開発に使えるのか
プロトタイプから本開発へ進むとき、「作り直しになるのか」が気になる点です。引き継げる部分と見直す部分を分けて考えるのが現実的です。判断のしかたは、MVPから本開発は作り直し?引き継げる部分と見直す点にまとめています。
ここでもAIによるリファクタリングは役立ちます。事業の手応えが見えた段階で、プロトタイプの構造を整える作業を、テストを足しながら進める、という使い方です。事業の判断が先にあり、整理はその後に続きます。順番を逆にしないことが、新規事業では大切です。
公開後は、育てながら整える
システムは、公開した後も機能追加と修正が続きます。負債は、公開後の変更の中で少しずつ増えます。だからこそ、公開後も小さな整理を続ける前提で、体制を考えておく必要があります。納品後の改善の考え方は、システムは納品後の改善で育てる|新規事業の考え方で書いています。
発注側が確かめておきたい5つの点
AIを使った開発を外部に依頼するとき、技術的負債の面から見て、事前に確かめておきたい点があります。コードを読めなくても、次の質問なら確認できます。
- AIが書いたコードを、誰がどんな基準で確認しているか。 確認の担当と基準が決まっているかを聞きます。AI開発でも品質には人の確認が必要な理由も、あわせて参考になります。
- テストはどこまで用意されるか。 テストがあれば、後から整理や機能追加をするときの安全性が上がります。
- 設計の意図や、後回しにした部分は記録されるか。 納品物にどんな文書が含まれるかを確認します。システム開発の納品物一覧|ソースコード以外に受け取る成果物が助けになります。
- 納品後の改修や不具合対応は、どう進むか。 負債は公開後に増えるため、継続した支えがあるかを確かめます。システム開発の保守契約|納品後の対応範囲の確認点も参照してください。
- AIのコードを事業で使うときの権利や安全面の確認はどうしているか。 AI生成コードの著作権|事業で使う前の確認点とAI生成コードのセキュリティ|確認点と人の役割で、確認点を整理しています。
これらは、特定の会社を評価するための質問ではありません。AI駆動開発を使う場合に、私たちが依頼する側の立場でも確かめておきたい、共通の観点です。
まとめ
AIでのリファクタリングは、名前の整理、関数の分割、重複の洗い出し、テストの下書きなど、規則的な作業では実用的に使えます。一方で、業務上の意味や設計の方針、整理を行う優先順位は、人が決める部分として残ります。
技術的負債をためないためには、次の点が助けになります。
- 整理の前に、テストで振る舞いを固定する
- 依頼は小さく、目的をひとつに絞る
- プロジェクトの決まりをAIに渡し、出てきた差分は人が確認する
- 設計の意図と、後回しにした部分を記録に残す
- 機能追加のたびに、小さな整理を流れの中に組み込む
- 新規事業では、負債をなくすより、何を後回しにしたかを見える形にして、返す時期を決める
JustFitは、構想をもとに約1ヶ月で動くプロトタイプを先に開発し、実物を見てから契約を判断していただく「先に作って、後から決める」進め方を取っています。開発にはAI開発基盤「LAF」を使い、要件定義・設計・DB設計・実装・テスト・レビューを専門のAIが工程ごとに担い、人は何を作るかを決めることと品質の最終判断を担います。納品後も、不具合修正や毎月ひとつの機能追加まで伴走して育てていきます。サービスの詳しい内容はJustFitのサービス紹介をご覧ください。