Anthropic、AI生成コード急増に伴うCI刷新を解説

結論：AIエージェントによるコード生成急増が引き起こすCIの負荷爆発

米Anthropicは自社技術ブログにおいて、AIコーディングエージェントの本格運用に伴い、CI（継続的インテグレーション）環境のジョブ実行量が半年間で25倍に急増した実態と、そのボトルネックとなった「テスト影響度分析（変更差分に関連するテストのみを過去の履歴に基づいて動的に選定・実行する仕組み）（Test Impact Analysis: TIA）」の全面刷新プロセスを公開しました。

エンジニアがコードを書く時間的制約が解消された結果、負荷はコード生成からテスト・検証インフラへと完全に移行しました。Anthropicは3度の対症療法的な修正（マシンスペック増強、パッケージ単位のシャーディング、日次再起動）がいずれも短期間で破綻した経験を経て、インメモリストアを活用したステートレスな水平分散アーキテクチャへと移行しました。同社は「最初から10〜20倍のAI指数関数的スケールを見越して設計すべき」とする実践的な教訓をソフトウェア業界に向けて提示しています。

確認済みの事実：出荷コード8倍・テスト10倍と「3つの暫定修正」の破綻

Anthropicが直面した開発環境の急変と、その対応経緯として以下の事実が公表されています。

開発ワークフローの急激な変化

• ​コード出荷量​: エンジニア1人あたりのコード出荷量は2021〜2025年比で平均​8倍​​に増加しました。
• Claudeによる自動生成​: 出荷コードの​**80%**​をClaudeが作成し、プルリクエスト（PR）のレビューや承認プロセスでも主導的な役割を担っています。
• ​テスト数とCIジョブ​: コードベース全体のテスト数は​10倍​​に急増。Claudeが好む小さく細分化されたPRが夜間や休日を問わず継続的に投入された結果、半年間でCIジョブの実行量は​25倍​​に達しました。

テスト選定サービス（TIA）の遅延問題

Anthropicでは、全PRに対して全テストを実行する無駄を避けるため、過去の実行履歴に基づいて実行すべきテストを決定するTIAサービスを運用していました。このサービスは「テスト結果を記録するリスナー」と「PRごとに実行対象を決定するセレクター」で構成されていましたが、単一プロセスで状態を保持していたため、結果の書き込み遅延（ラグ）が頻発しました。リスナーが20分遅れるだけで数万件のテスト結果がセレクターに反映されず、マージ済みバグの検出遅れやflakyテスト（不安定なテスト）によるマージ停止が多発しました。

3つの対症療法とその耐用期間

開発チームはこの負荷増大に対し、段階的な修正を試みましたが、いずれも持続しませんでした。

1. ​マシンのコア数倍増（パッチ1）​: 延命効果は​70日間​​にとどまりました。
2. ​パッケージ単位のシャーディング（パッチ2）​: Claudeに依頼してパッケージごとにワーカーを分割するコードを生成させたものの、効果は​29日間​​で頭打ちになりました。
3. ​日次再起動とアロケータ変更（パッチ3）​: メモリ逼迫により​1日未満​​で破綻し、再起動に伴う未記録ジョブの増加という副作用を生みました。

抜本的な再設計（インメモリストアによるステートレス化）

最終的にAnthropicは、単一インスタンス前提のアーキテクチャを完全に撤廃しました。

• 各リスナーワーカーはメモリ内に状態を保持せず、インメモリストアのジャーナルにイベントを追記するだけのステートレス設計とし、水平方向に自由にスケール可能にしました。
• 独立した軽量コンシューマープロセスが数秒ごとにジャーナルを集約してテスト履歴を構築し、セレクターが低遅延で履歴を参照できる構成に刷新しました。
• この大規模な再設計は、エンジニア1名がClaudeの協力を得て​3週間​​で完遂しました（従来の手作業であれば四半期単位のプロジェクト規模）。

独自価値要素：対症療法と再設計アーキテクチャの比較

Anthropicが試みた各アプローチの延命期間と根本的課題の整理は以下の通りです。

アプローチ	施策内容	延命期間	破綻原因・トレードオフ
​パッチ1（垂直スケール）​	マシンのCPUコア数を倍増	70日間	ジョブ増加ペースがハードウェア増強の上限を即座に突破
​パッチ2（静的分割）​	パッケージ単位でワーカーをシャーディング	29日間	パッケージ間の負荷偏りと全体ジョブの指数関数的増加に対応不能
​パッチ3（運用回避）​	平日午後の定期再起動・GC調整	1日未満	メモリリーク調査不能、キュー未処理によるデータ欠落が発生
​抜本再設計（水平分散）​	インメモリストア導入によるステートレス化	​恒久安定​	運用コストは増加するが、負荷に応じた無制限の水平スケールが可能

分析・展望：「AIの指数関数（AI Exponential）」が変えるインフラ設計思想

今回のAnthropicの事例は、AIコーディングが開発組織に浸透した際に真っ先に直面するインフラの壁を如実に示しています。

人間がコードを書く時代は「コード生成速度」が律速段階であったため、CIは単一サーバーや単純なキューイングで十分耐えられました。しかし、AIエージェントが24時間体制で小規模PRを乱発する時代においては、「コード検証・テスト速度」こそが最大のボトルネックとなります。

Anthropicが指摘するように、初期設計（v0）の段階から「想定負荷の10〜20倍」を見越し、プロセス内ステートを排除した水平分散構造を採用することが、これからのAIネイティブなソフトウェア開発において不可欠な設計標準になると考えられます。

引用元：Claude