【ITニュース解説】Octoverse 2026: AI Agents Now Write the First Draft of 40%+ of GitHub PRs

ソフトウェア開発の現場では、人工知能（AI）の活用が急速に進んでいる。特に、世界中の開発者が利用するコード共有プラットフォームであるGitHubが毎年公開する「Octoverse」というレポートは、開発トレンドを数値で示すものとして注目されている。2026年10月に開催されたGitHubの年次カンファレンス「Universe」で発表された「Octoverse 2026」では、AIがどれほど開発プロセスに深く関わるようになったかを示す驚くべき数字が明らかになった。

このレポートによると、2026年9月時点で、GitHub上で行われるすべてのプルリクエスト（PR）のうち、40%以上がAIエージェントによって初稿が書かれているという。プルリクエストとは、開発者がコードに変更を加えた際に、その変更を他の開発者に確認してもらい、問題がなければメインのコードに統合してもらうための提案プロセスである。つまり、AIがコード変更の最初のたたき台を自動的に作成するケースが非常に増えているということだ。

この数字は、わずか半年前の2026年3月には17%だったことを考えると、驚異的な増加である。半年間でAIが初稿を作成したプルリクエストの割合が倍以上に跳ね上がり、1ヶ月間だけでAIエージェントが始めたプルリクエストの数は1億1000万件にも達した。これは3月の約6倍の規模だ。GitHubは、AIエージェントが初稿を作成したプルリクエストを「agent-started PR」と定義しており、検出可能なAIエージェントによるものをカウントしているため、実際にはさらに多くのプルリクエストがAIの関与から始まっている可能性が高い。

ただし、この40%という数字が「AIがすべてのコードの40%を自動的に書いている」という意味ではないことに注意が必要である。この数字はプルリクエストの件数を示しており、コードの行数を表すものではない。AIはあくまで初稿を作成する役割を担っており、その後の人間のレビューや修正を経て最終的なコードが完成する。

AIエージェントが関与するプルリクエストの興味深い点は、その開発速度だ。2026年9月には、AIエージェントが関わったプルリクエストの90%が2週間以内にメインのコードに統合（マージ）されている。これは、AIエージェントが関わっていないプルリクエストのマージ率約86%と比較して、わずかながらも高い数値だ。興味深いことに、2026年2月時点ではAIエージェントが関わったプルリクエストのマージ速度は、人間が手作業で作成したものよりもわずかに遅かった。しかし、そこからわずか半年で、AIによる効率化がマージ速度向上に大きく貢献するようになったことがわかる。

また、AIエージェントが作成するプルリクエストは、複数のファイルを横断して変更を加える傾向が強いこともデータから読み取れる。AIが関与したプルリクエストの87%が複数のファイルを変更しているのに対し、AIが関与しないプルリクエストでは79%であった。これは、AIが大規模な変更や関連するコードの修正を効率的に行う能力があることを示唆している。

しかし、このマージ速度の向上や多ファイルへの対応能力は、あくまで「人間がそのプルリクエストを受け入れた」という事実を示しているに過ぎない。GitHubのデータは、AIが生成したコードの正確性、バグの少なさ、セキュリティ上の問題の有無、あるいはどれくらいの頻度で差し戻しが発生したかといった品質に関する指標は測定していない。つまり、人間がAIの出力したコードを最終的に承認したというだけであり、その品質が保証されたわけではないのだ。

年間を通して見ると、2025年10月から2026年9月までの間にGitHub上では13億件ものプルリクエストがマージされ、343億件のコミット（コードの変更履歴）と179億回のプッシュ（コードのアップロード）が行われた。特に2026年9月単月では約73.8億件のコミットが記録されており、開発活動が活発であることがわかる。

AI開発ツールであるGitHub Copilotの月間利用者も増加の一途をたどっている。現在、Copilotの月間利用者の55%が、より高度な自動化機能である「agentic features」を利用しているという。これは1年前の35%から大きく増加した数字だ。プログラミング言語ではTypeScriptが最も多く、次いでPython、JavaScriptが続く。さらに、ユーザーの61%が複数のAIモデルを使い分けており、特定のAIモデルが市場を独占するような状況にはなっていない。これは、開発者がそれぞれのタスクや好みに応じて最適なAIツールを選択していることを示唆している。

これらのデータが示すのは、現代のソフトウェア開発者にとって、仕事のボトルネック（作業の進行を遅らせる主要な要因）が「コードをゼロから書くこと」から「AIが生成したコードをレビューし、品質を保証すること」へと移行しているという現実だ。AIがコードの初稿を効率的に作成することで、人間はより高度な思考や判断、そして何よりも「AIの出力が本当に正しいのか、プロジェクトの要件に合致しているか、セキュリティ上の問題はないか」といった品質保証の役割に集中できるようになっている。

今後、成功する開発チームは、AIエージェントの出力に対して真剣なレビュープロセスを確立し、その品質を厳しく評価できるチームとなるだろう。40%という数字はまだ増え続けているため、AIとの協調が開発の主流となることは間違いない。システムエンジニアを目指す初心者も、AIツールを単なる補助としてではなく、効果的に活用し、その生成物を適切に評価し改善するスキルを身につけることが、これからのキャリアにおいて非常に重要となるだろう。