AIが書くコードの割合が増えるほど、レビュー側もAIに任せる場面が増えます。ただし、差分（diff）だけを見るレビューでは、要件の漏れやセキュリティ上の問題を見逃します。DeepLearning.AIの短い講座「AI Code Review」は、レビューの作法と、文脈を扱うレビューの仕組み作りを教える講座です。講座ページの内容に沿って整理します。
ステップ1：良いレビューの条件を確認する
講座ページは、まず人間によるレビューとAIによるレビューの違いを確認するところから始めます。プルリクエストが一見もっともらしく見えても、要件が欠けていたり、セキュリティ上の問題が隠れていたりする。量が多く手で確認しきれないからこそ、AIレビューの条件を明確にする、というのが講座の出発点です。
ステップ2：PRを開く前にレビューを済ませる
講座が挙げる実践の1つが、プルリクエストを開く前にAIレビューを通しておくことです。開く前に問題を潰しておくと、レビューの往来が減り、人的レビューは判断が要る箇所に集中できます。あわせて、コードを書いたAIや人とは別のレビュワーを使うことも、講座は実践として挙げています。書いた者自身にレビューさせると、同じ考え方の癖が通過しやすいためです。
ステップ3：タスクとリポジトリの文脈を渡す
レビューの精度を上げる鍵が文脈です。講座ページは、タスクの内容とリポジトリの情報をレビュワーに渡すことを実践として挙げています。どの要件のために書かれた変更か、プロジェクトの既存の作法は何か、が分かれば、diffだけでは分からない漏れや違和感を拾えます。指摘された内容をリスクの高さで仕分けし、良い指摘は再利用できる基準として蓄積する、という流れも講座は扱っています。
ステップ4：コンテキストエンジンを組み立てる
講座の後半は、文脈を機械的に集める仕組みの作成です。コードベースから関連する部分を探し出すコンテキストエンジンを、チャンキング（分割）、埋め込み（embedding）、ベクトル検索の組み合わせで作ります。分割の考え方は、当サイトのチャンキング、埋め込みの基礎は、当サイトの埋め込み（Embedding）の解説も参考にしてください。
ステップ5：専門レビュワーのアンサンブルを組む
単一の汎用レビュワーを超える構成として、講座は専門エージェントの組み合わせ（アンサンブル）を挙げています。セキュリティの専門家と、コードベースの作法の専門家といった役割別のレビュワーを組み合わせることで、一つでは拾えない種類の問題を拾えます。役割の分担の考え方は、エージェントの協働を扱った当サイトのエージェンティックAIの解説も参考にしてください。
ステップ6：日常の開発フローに組み込む
仕組みが整ったら、日々の流れに組み込みます。書く段階でAI支援を使い、開く前にAIレビュー、開いた後に人的レビュー、という順序が自然な形です。講座が想定する対象者は、AIでコードを書く開発者で、実装にはPythonが使われます。生成コードの中身を説明できないままにしない、という意識も、レビューとセットで持っておくと品質が保てます。生成コードの活用法は、当サイトのバイブコーディングの解説も参考にしてください。
| 段階 | 使うもの |
|---|---|
| 書いている最中 | AIコーディング支援 |
| PRを開く前 | 文脈を持つAIレビュー |
| PRを開いた後 | 人的レビュー＋専門レビュワーの補助 |
FAQ
Q. なぜ文脈が重要なのですか？
A. レビューの品質は、背後のモデルよりもレビュワーが持つ文脈で決まると講座ページは説明しています。
Q. 対象者と必要な知識は？
A. AIでコードを書く開発者向けの講座で、コンテキストエンジンなどを自作するためPythonでの実装に慣れていることが望ましいと記載されています。
あわせて使いたいツール
講座はQodoとの共同制作で、実習にはPythonを使うと講座ページに記載されています。料金と提供条件は各サービスの公式情報で確認してください。
- GitHub Copilot：書く段階の支援とレビュー補助
- Cursor：AI機能を統合したコードエディタ
出典
出典：DeepLearning.AI「AI Code Review」（2026年11月11日更新、講師Nnenna Ndukwe、Qodoとの共同制作）。実践の作法、コンテキストエンジンとアンサンブルの構成、前提知識の記述は同講座の公開ページに基づきます。
関連ガイド
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。