10月27日、LF ResearchのシニアディレクターであるHilary Carterが「Navigating Open Source Software Development in the Generative AI Era: Balancing Velocity and Community Health」と題した記事を公開した。全プルリクエストの**25%が低品質なAI生成コードで占められ、大規模プロジェクトのメンテナーの64%**がレビュー負荷の増大を訴える——生成AIがOSS開発にもたらす恩恵と歪みの両面を、大規模調査データで浮かび上がらせた内容だ。

Linux Foundationの調査部門LF Researchは、Red Hat・Futurewei（ファーウェイの米国R&D子会社）・LF AI & Data Foundation・OpenSSFと共同で、生成AIがOSSプロジェクトに与える影響を調査した包括的なレポートを公開した。調査の主著者はSam Boysel（Anni Laiとの共著）で、ノースカロライナ州ローリーで開催されたAll Things Openカンファレンスでも発表された。

Red HatのBrian Proffittは、レポートの序文でこう述べている。

「このサーベイから浮かび上がる姿は、二極化したメディアが語るユートピアでも黙示録でもなく、もっと有用なもの——オープンソースコミュニティと生成AIの現在地を冷静に見つめた姿——だ。」

大規模プロジェクトほどメンテナーへの負荷が重い

生成AIがOSS開発に与える影響は、プロジェクトの規模によって大きく異なるというのがレポートの核心的な発見だ。

小規模チームや個人開発者は生成AIの効率向上をそのまま享受できる一方、コントリビューターが50人を超える大規模プロジェクトでは、メンテナーのバーンアウトがコード品質を抜いて最大の懸念事項になっている。大規模プロジェクトのメンテナーの**64%**が、AI支援によるコントリビューションがレビューサイクルを長引かせていると回答した。

その背景にあるのが「AIスロップ（AI slop）」問題だ。生成AIが量産する低品質・没個性なコンテンツを指す俗語で、全プロジェクトへのプルリクエストのうち推定**25%がこうした低品質なAI生成コードで占められており、大規模プロジェクトではその割合が31%**に達する。表面上はクリーンに見えても、アーキテクチャの文脈が欠落していたり、テストが不十分だったりするケースが多く、メンテナーの貴重な時間を消費する。

ポリシーの整備がコミュニティの信頼を左右する

生成AIによって貢献の敷居が下がることを歓迎するメンテナーは**71%に上る一方、53%のメンテナーが「生成AIはコミュニティの信頼を向上させていない」と回答しており、向上したと答えたのはわずか12%**にとどまる。

この信頼の問題を悪化させているのが、ガイドラインの不在だ。AI支援コントリビューションを明示的に認めるポリシーを持つプロジェクトは**35%に過ぎず、32%はポリシー自体が存在せず策定予定もない。明示的に禁止しているのは10%**だ。

ポリシーを整備している成功事例を見ると、一律禁止ではなく以下の2点を軸にしている：

• 検証責任をコントリビューターに返す：既存ポリシーの76%が、プルリクエストを開く前にコントリビューター自身が動作テストと行単位のレビューを行うことを義務付けている
• 帰属の透明化を標準化する：76%のポリシーが明示的な開示を義務付けており、Linuxカーネルが採用するAssisted-by: gitコミットトレーラーのような一貫した規約がモデルケースとして挙げられている

なおメンテナー側も受け身ではなく、**77%**が自ら生成AIツールを活用して複雑なロジックの要約、バグ発見、セキュリティ脆弱性のスキャンに役立てている。

節約された時間の行き先：技術的負債の返済

生成AIは、タスクによって19〜52%の作業時間短縮をもたらす。コントリビューターはコード作成で最大58%の時間を節約し、メンテナーは技術的な議論（25%削減）や提案評価（26%削減）で恩恵を受けている。

ただし複雑なタスクでは効果が逆転するケースもあり、**21%**の開発者は高複雑度のタスクで微妙なエラーの診断などに以前より時間がかかると回答している。単純な自動化が効く作業と、人間の判断が不可欠な作業との間で、生成AIの貢献度には明確な非対称性がある。

節約された時間の使い道として注目されるのが、以下の再投資先だ：

• **66%**：技術的負債の解消
• **63%**：新機能の開発
• **58%**：学習・スキルアップ
• **53%**：品質保証・テスト・CI整備

作業時間を単純に減らしたと答えた開発者はわずか**16%**に過ぎない。生成AIが生み出した余裕は、長期的な持続可能性に直結する作業に充てられている。

コントリビューター側の実態

「AI生成コードは無責任に投げ込まれる」という印象とは裏腹に、コントリビューターの**61%がAI支援コードの提出前に詳細な行単位レビューと機能テストを実施していると回答している。最低限のレビューしか行わないと答えたのは5%**にとどまる。

また、**80%**のコントリビューターがコード生成に使用したモデルや学習データの出所を把握することを重要と考えており、OSSコミュニティが長年重視してきた監査可能性と透明性への意識が生成AI時代においても維持されている。

さらに、**71%のコントリビューターが、不慣れな言語やフレームワークで書かれたプロジェクトへの参加意欲が生成AIによって高まったと回答している。生成AIが足場（scaffolding）として機能し、コンフォートゾーンの外への一歩を後押ししている構図だ。その一方で、メンタリングの需要は縮小するどころか増加（46%**）しており、アーキテクチャや長期的なプロジェクトビジョンに関する人間の専門知識への需要は依然として高い。

レポートの結論は明快だ——生成AIはOSS開発を崩壊させるわけでも自動的に改善するわけでもなく、その帰結はプロジェクトリーダーが今日整備するポリシーと検証習慣、そしてメンタリング構造によって決まる。

詳細はNavigating Open Source Software Development in the Generative AI Era: Balancing Velocity and Community Healthを参照していただきたい。