クリーンコードはAIエージェントのテスト合格率を上げないが、トークンを節約する

SonarSourceの研究者による論文は、AIコーディングエージェントを導入するチームが抱えてきた疑問に取り組む：LLMが変更を行う場合、コードベースの清潔さは重要か？ 答えはイエスだが、おそらく予想とは異なる形でだ。

最小ペアプロトコル

著者のPriyansh TrivediとOlivier Schmittは、機能的には同一だがコード品質が異なる6つのリポジトリペアを構築した。各ペアはアーキテクチャ、依存関係、外部動作で一致するが、静的解析ルール違反と認知複雑性で異なる。ペアは両方向で構築された：クリーンな状態から劣化させたものと、乱雑な状態からクリーンアップしたものだ。

その後、これらのペアにわたって33のタスクを作成し、Claude Codeを使用して660回の試行を実行した。評価では、アプリケーションの公開面での隠しテストに対する合格率と、トークン消費量およびファイル再訪問パターンを測定した。

合格率は横ばいだが、コストは低下

主要な発見：コードの清潔さはエージェントの合格率を変えなかった。クリーンでも乱雑でも、エージェントは同じ割合でタスクを完了した。しかし、運用フットプリントは劇的に変化した。クリーンなコードで作業するエージェントは、7～8%少ないトークンを使用し、ファイル再訪問を34%削減した。

これは意味のあるコスト削減であり、特にエージェントを大規模に運用するチームにとって重要だ。トークン消費は直接APIコストに直結し、ファイル再訪問の減少はより迅速なイテレーションサイクルを意味する。

エンジニアリングチームにとっての意味

この結果は、従来の保守性原則がAI駆動開発の時代に時代遅れになったわけではなく、異なる目的を果たすことを示唆している。クリーンコードはエージェントを賢くしないが、エージェントをより安価で効率的にする。これは、モデル選択、ハーネス設計、プロンプティングと並んで、エージェントの動作に実質的に影響を与える要因となる。

すでにコード品質ツール（SonarQube、リンターなど）に投資しているチームにとって、これはAIがコーディングを行う場合でもその投資が報われるという検証である。コード衛生に甘かったチームにとっては、清潔さが運用コストに現実的で測定可能な影響を与えるというデータポイントとなる。

この論文は、雰囲気やベンダーの主張に支配されてきた分野に、歓迎すべき実証的厳密さをもたらす。画期的な結果ではないが、有用な結果であり、コードベースの特性がAIエージェントのパフォーマンスにどのように影響するかを評価するための、より体系的なアプローチを指し示している。