技術的負債を測るSigridとは?|AIに直させる範囲の決め方

「コーディングAIを配ってから、コードが増える速さに人のレビューが追いつかない」「どのチームがどれだけAIに書かせているのか、情シスとして説明を求められても答えられない」——開発責任者と情シスの双方から、いまよく上がる声です。オランダのソフトウェア品質評価会社 SIG は、自社の基盤 Sigrid の文書で、AIが書いたコードを関数単位で見分ける検出の精度を「95%以上」、つまりおよそ20件に19件は正しく分類できると説明しています。裏を返せば、20件に1件は外れるということです。測れるようになったことと、測った結果で判断してよいことは別の話です。この記事では、Sigrid が2026年秋に加えた機能を公式の資料で確かめ、AI生成コードの量をどう読み、技術的負債の修正をAIにどこまで任せ、どこを人と再解析で確かめるかを、選択肢を比べながら整理します。
カメ先生AIが書いたコードの品質というと、AIのレビューを足せば片づくと思われがちなんだ。でも本当は、何をどれだけ直すかを決める物差しが、AIの外にないと困るんだよ。
カメ子AIが自分で書いて、自分で点検するだけでは足りないということですか。
カメ先生そう。Sigrid の文書も、モデルが自分の出力について持つ意見は、毎回同じやり方で測った全体の数字の代わりにはならない、と書いている。だから外の物差しで測って、直す範囲と確かめ方を人が先に決めておくんだ。
カメ子物差しを持つのと、直す役をAIに渡すのは、別々に決めるものなんですね。
- Sigrid はオランダの SIG が提供する、保守性・設計構造・セキュリティなどを測る基盤。AIが書いたコードの割合を推定する機能もあり、2026年11月に対象言語を3つから9つに広げた
- 2026年10月に、コーディングAI向けの Sigrid Axis を打ち出した。新しい問題を入れさせない Guardrails と、既に見つかった負債を直させる自動修正の2本立て
- 自動修正は手元のコミットで止まり、自分では送り出さない。合格の判定はAIの自己申告ではなく、パイプラインの再解析と人のレビューに置くのが安全
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
Sigridとは:25年分の計測を土台にした品質の物差し
Sigrid は、オランダ・アムステルダムに本社を置く SIG が提供する、ソフトウェアの品質を測る基盤です。報道によると同社は25年にわたってコードを分析してきたと説明しており、公式サイトでは4万を超えるシステムを比較の母集団として持つこと、ソフトウェア品質の試験所として ISO/IEC 17025 の認定を受けていることを掲げています。Sigrid の中身は、保守性、設計構造、セキュリティ、信頼性、オープンソースの健全性を同じやり方で測り続ける仕組みで、対応する技術は300を超えると公表しています。
評価は星の数で表されます。公式の資料では、保守性の評価は0.5から5.5の星で示され、3.0が市場の平均、4.0が新しく開発するシステムの目標とされています。保守性は、重複、関数の大きさ、複雑さ、引数の多さ、部品どうしの結びつきなど七つの性質に分けて測られます。2026年5月には、技術的負債の管理ツールを対象にした調査会社 Gartner の評価で「リーダー」に位置づけられたと報じられました。
ここで押さえておきたいのは、Sigrid はもともと「直す道具」ではなく「測る道具」として作られてきたことです。どのシステムのどこに負債がたまっているかを数字で示し、経営や発注側に説明できる形にするのが本来の役割でした。2026年秋の更新は、その物差しをコーディングAIの作業の中に持ち込むものです。以下では、その前提を外さずに見ていきます。
2026年秋の更新で加わったこと
Sigrid は継続的に機能を出しており、公式の説明では1日に10回から20回ほど変更を反映しています。そのためリリースノートには主要な変更だけが載ります。この記事に関わる9月から11月の項目を、公式リリースノートから拾うと次のとおりです。
| 日付 | 公式リリースノートの内容 | 判断への関わり |
|---|---|---|
| 2026年9月7日 | パイプラインでのセキュリティ指摘が正式提供に | AIの変更も同じ検査を通せる |
| 2026年9月21日 | MCP の接続を自社設置版にも提供。価値の低い規則を70件削除 | コードを社外に出さずにAIとつなげる |
| 2026年10月1日 | コーディングAI向けの機能を Sigrid Axis に改称。Guardrails と自動修正の2本立てに | AIに直させる範囲を決める必要が出た |
| 2026年10月5日 | 管理者が誤検知の多い規則を全社で除外できるように | 除外の権限を誰が持つか |
| 2026年10月19日 | Sigrid Axis を自社設置版でも提供。パイプラインの指摘を作り直し | 設置形態の選択肢が広がった |
| 2026年11月2日 | AI生成コードの検出の対象言語を3つから9つに拡大 | 測れる範囲が社内の主要言語に近づいた |
Sigrid Axis は、以前「Sigrid AI Toolkit」と呼ばれていた機能群をまとめ直したものです。公式の文書は、Axis 自身は何も解析せず、エージェントが見る評価・指摘・依存関係はすべて Sigrid の解析本体から来ると明記しています。つまり新しい判定エンジンが加わったのではなく、既存の物差しをAIが作業中に参照できるようにした、と読むのが正確です。
AI生成コードの検出:分かること、分からないこと
Sigrid の検出は、AIが書いたコードと人が書いたコードの「書きぶり」の違いを機械学習で見分ける方式です。よくある質問によると、行の長さ、空行の数、字下げ、大文字小文字の使い方など90を超える特徴を使い、自社で学習させた分類モデルを手元の計測値に対して動かします。公開の対話AIサービスにコードを送って判定しているわけではない、と同社は説明しています。学習には Claude Code、Cursor、GitHub Copilot、Codex、Windsurf、Kiro などが書いたコードを使ったとしています。
一方で、分からないことも文書にはっきり書かれています。判定は関数やメソッドの単位で行われ、5行未満のものは手がかりが足りないため対象外です。そのため、システム全体のうち判定できるのは一部だけで、画面にもその旨が表示されます。精度は95%以上とされますが、大きなシステムでは人が書いたコードがAI製と判定される例がまとまった数で出ることも、同社自身が認めています。
同社は検出の目的を、すべての断片を正しく当てることではなく、全社の単位でAIコーディングの広がりと傾向をつかむことだと説明しています。誤判定はサポート窓口に報告でき、次の世代のモデルの改善に使うとしています。社内で数字を使う側も、この目的の範囲に合わせて使い道を決める必要があります。
比較1:検出の数字を、全社の傾向に使うか、個人の評価に使うか
AI生成コードの割合が見えるようになると、使い道は大きく二つに分かれます。一つは、どのシステムでAIの利用が増えているか、新しく変更したファイルのうちどれだけがAI製かという全社の傾向を見る使い方です。もう一つは、チームや個人ごとに「AIに頼りすぎていないか」を評価する使い方です。
- システム単位の傾向をつかむ:数が多いほど外れが平均され、増減の向きは読める。使ってよい
- 設計の部品ごとの集中を見る:AI製が多い部品を、重点的に読む候補にできる。読む順番を決める材料として使う
- チーム単位の比較:言語や書き方の慣習で判定が偏るおそれがあるため、参考にとどめる
- 個人の評価・処分:20件に1件は外れ、5行未満は判定できない。使わない
Sigrid の画面は、AI製と推定されたコードが設計上どの部品に多いかを面積で示す図を備えています。これはレビューを厚くする場所を決めるための地図として使うのが向いています。逆に、個人の評価にこの数字を使うと、本人が書いたコードを「AI製だ」と言われたときに反証する手段がありません。社内規程に使い道を書くときは、全社とシステム単位の傾向に限ると明記しておくのが安全です。
AIの利用を把握する機能は、コードの割合だけではありません。Sigrid は、システムの中で大規模言語モデルの呼び出し、機械学習モデル、自律的に動くエージェントの部品、MCP などのAI向けの接続規格、AI向けのクラウド基盤がどこで使われているかを分類して示します。欧州のAI規制の対象になりうるシステムの洗い出しにも使える、と同社は説明しています。これは開発部門より、AIの利用台帳を持つ情シスやリスク管理の部門にとって使いでのある情報です。
Guardrailsと自動修正:守る役と直す役の違い
Sigrid Axis には、役割の違う二つの機能があります。Guardrails は、AIが新しく書いたコードに問題を持ち込ませないための関門で、自動修正エージェントは、Sigrid が既に見つけている負債を計画を立てて直す役です。同じ「AIと品質」の話でも、任せる中身がまったく違います。
Guardrails は二段構えです。一つ目は、AIが変更したファイルを一つずつ保守性とセキュリティの観点で調べる品質の関門で、AIが「作業が終わった」と報告する前に実行されます。二つ目は、変更全体について新しい依存関係や循環、決められた窓口を迂回した呼び出しがないかを、送り出す前に確かめる設計構造のずれの点検です。公式の文書によると、品質の関門は、まだ Sigrid に登録していないシステムの未コミットのコードにも使えます。
ただし Guardrails にも見えないものがあります。公式の文書は、脆弱性のある外部部品と、複数のファイルにまたがる重複は、どちらの点検でも見えないと書いています。品質の関門は1ファイルずつしか読まず、ずれの点検はディレクトリ間の参照しか見ないためです。これを補うには、手元の変更に対してパイプラインと同じ検査を走らせる別の手順を使います。
比較2:AIに直させる負債と、人が直す負債
自動修正エージェントは、保守性、設計構造、セキュリティ、信頼性、オープンソースの部品という種類ごとに扱い方が分かれています。種類によって、AIに任せやすいものと、人が判断しないと危ないものの差が大きいので、最初に線を引いておきます。
| 負債の種類 | AIに任せやすい範囲 | 人が決めること |
|---|---|---|
| 保守性(長い関数・複雑さ・重複) | 分割や整理の修正をコミット単位で作らせる | 業務の意味が変わる分割をしていないか |
| 設計構造(部品の結びつき) | 移すファイルや窓口の追加を提案させる | 部品の境界そのものを変えるかどうか |
| セキュリティ・信頼性の指摘 | コード上の該当箇所の調査と修正案 | 誤検知・受容の判定。外から届く経路か |
| オープンソースの部品 | 公開情報からの更新先の調査 | 更新の時期と、業務への影響の確認 |
保守性の修正は、テストがそろっていれば最もAIに任せやすい領域です。ただし同社の文書は、計画の手順を使わずに「指摘を直して」とだけ頼むと、AIは深刻度の順に並べてしまい、評価を最も動かす順番にはならないと注意しています。何から直すかという優先順位は、AIの思いつきではなく、物差しの重みづけで決めるのが Sigrid の考え方です。
セキュリティの指摘は事情が違います。公式の文書は、AIの判定に価値があるかどうかは、どのサービスが外部から到達できるかといった、コードからは読み取れない事情に左右されると書いています。外から届く経路があるかどうかは、インフラの担当者しか知らないことが多い情報です。ここをAIに推測させないことが、この表の要点です。
計画と修正を分けた理由:人が読む地点を残す
自動修正エージェントは、計画を立てる手順と、修正する手順が別々に作られています。公式の文書によると、計画の手順はコードを一切変えず、計画を引き継ぎ用の記録として保存します。修正の手順はその記録を読み、後から別の作業の中で実行することもできます。
同社はこの分け方を「わざと」だと説明しています。計画を読み、コードが変わる前に異を唱えられる地点を作るためです。修正の手順は、計画に書かれた項目を一つずつ扱い、候補・指摘・部品ごとに1コミットを作ります。各変更はコミットの前に、テストと Guardrails、設計構造なら依存関係の図、部品の更新ならパイプラインの検査で確かめられ、確認に通らず直せない変更は取り消され、理由とともに報告に載ります。
そして最も重要なのが止まる位置です。公式の文書は、修正は手元のブランチのコミットで止まり、自分で送り出すことも、取り込みの依頼を出すことも、課題票を作ることもしないと明記しています。ブランチを読んで送り出し、変更の依頼を出すのは人です。社内の規程では、この初期の止まり方を変えないこと、送り出しの権限をAIの作業環境に渡さないことを書いておくと、線がぶれません。
再解析で確かめる線:AIの自己申告を合格にしない
Guardrails には、見落とされやすい弱点があります。公式の文書自身が、エージェントへの指示は「たいていの場合」守られるが、作業が終わったと決めるのはエージェント自身だ、と書いているのです。つまり、AIが「品質の関門を通りました」と言っても、それは本人の申告にすぎないということです。
同じ文書は、その対策として、コミット前の自動検査やパイプラインに Sigrid のパイプライン検査を置くことを勧めています。そうすれば、エージェントが「もう満たした」と自分で決められない検査ができるからです。合格の判定をAIの外に置くという点で、これは技術の話であると同時に統制の話でもあります。
- AIの作業報告に「関門を通過」とあれば、そのまま取り込む
- パイプラインの検査を、AIが作った変更だけ省略する
- 自動修正のコミットを、テストの結果を見ずにまとめて取り込む
- セキュリティの指摘を「誤検知」とした判定を、根拠の行を見ずに承認する
線の引き方は単純です。AIの申告は参考情報として扱い、取り込みの条件はパイプラインの再解析が通ることと、人のレビューが済んでいることの両方にします。どちらか片方を省く運用は、AIの導入で浮いた時間を、後の不具合の調査に回すことになりがちです。
誤検知の判定と除外を、誰の権限にするか
自動修正エージェントのうち、セキュリティ・信頼性の指摘を仕分ける手順は、各指摘を「誤検知」「受け入れるリスク」「人の判断が必要」「直す」の四つに分けます。公式の文書によると、誤検知と受容の判定には、根拠となるファイルと行を示すことが必須です。判定は指摘の状態として Sigrid に書き戻され、根拠は備考欄に残ります。
ここで気をつけたいのは、AIの判定が Sigrid の記録そのものを書き換える点です。公式の文書には、結びつきの強さに関する八つの指摘をAIが調べ、結びつきは意図的なものだと結論して八つすべてを「受け入れ」にした例が載っています。判断の筋が通っていたとしても、負債の記録が「受け入れ済み」に変わったことを、人が後から確かめる手順がなければ、負債は見えないまま残ります。
2026年10月には、管理者が誤検知の多いセキュリティ規則を全社で除外し、除外した規則を一覧で見直せる機能も加わりました。チームごとに同じ誤検知を処理する手間は減りますが、除外は全システムに効きます。除外の権限は管理者に限り、除外した理由と日付を残し、四半期ごとに一覧を見直す、という運用をセットで決めておくのが安全です。AIが付けた「受け入れ」も、この見直しの対象に含めます。
誰の資格で動くか:APIトークンと見える道具の絞り込み
Sigrid Axis は、社員が使うコーディングAIを Sigrid の MCP の窓口につないで使います。接続には、利用者が Sigrid で発行する API トークンを使います。Claude Code 向けの拡張では、初回にトークンを聞かれ、端末の鍵の保管庫に保存されます。ほかのツールでは環境変数から読み込ませる設定が案内されており、変数を読めないツールでは設定ファイルに直接書くことになるため、そのファイルをバージョン管理に入れないよう公式の文書が注意しています。
MCP の窓口で使える道具は12種類あり、そのうち記録を書き換えるのは、指摘の状態や備考、影響度を更新する一つだけです。ほかは評価や指摘、依存関係の図を読む道具と、変更したファイルを調べる Guardrails の道具です。公式の文書によると、使える道具は組織で契約している機能の分だけに限られ、さらに接続設定で使う道具を名前で列挙して絞り込めます。
社内で配るなら、最初は書き換えの道具を外し、読む道具と Guardrails だけを開くという段階を踏むのが現実的です。書き換えを許すのは、誤検知の判定を任せてよいと決めたチームとシステムだけにします。トークンは個人に紐づくので、異動や退職のときに失効させる手順を、他の業務システムのアカウント停止と同じ一覧に載せておきます。
コードはどこへ行くか:クラウド版と自社設置版
Sigrid を入れる判断で、情シスが最初に確かめたいのはデータの流れです。公式の資料から読み取れる範囲を、機能ごとに分けて整理します。
- Guardrails の品質の関門は、変更したファイルの中身をそのまま Sigrid の窓口に送って解析させる。差分や要約ではなく、ファイル全体が渡る
- AI生成コードの検出は、自社で学習させた分類モデルを計測値に対して動かす方式で、公開の対話AIサービスにはコードを送らないと説明している
- 指摘ごとの定型の解説文は SIG の非公開の言語モデルで作られ、利用者のコードは外部のAI事業者に渡さないとしている
- 対話形式で解説を生成する機能は、外部のAIモデルにデータとコードを送るため、明示の同意と契約上の取り決めがないと有効にならない
クラウド版では、Claude Code 向けの拡張はクラウドの窓口にしかつながりません。一方、2026年9月に MCP の窓口が、10月に Sigrid Axis が自社設置版でも使えるようになり、窓口を自社の環境の中で動かせるようになりました。公式の文書によると、この窓口は初期状態では無効で、管理者が有効にします。AIが送ってくるコードを窓口の中で解析するため、1台あたり初期値で7コアと28ギガバイトのメモリーを要求し、外向きの通信を認証と Sigrid 本体だけに絞る設定も初期で作られます。
ここで見落としやすいのが、社員のコーディングAIそのものが外部のサービスであることです。Sigrid を自社設置にしても、AIが読んだコードは利用しているAI事業者の側に渡ります。Sigrid の設置形態の判断と、どのコーディングAIをどの契約で使わせるかの判断は、別々に確かめる二つの流れとして台帳に書き分けておくのが安全です。社内のコード生成AIの配り方そのものは別の記事の論点なので、ここでは触れるにとどめます。
外注先が納品するコードの品質基準に使うとき
Sigrid が日本のBtoB企業にとって特に意味を持つのは、システムの開発を外部に委託している場合です。委託先がコーディングAIを使うのはもはや前提で、発注側が気にすべきなのは「AIを使ったかどうか」より、「納品物の負債が増えていないか」です。星の評価は同じやり方で測った数字なので、受け入れの基準を「保守性の星がいくつ以上」と数字で書けるのが利点です。
公式の資料では、新しく開発するシステムの目標を星4.0、市場の平均を3.0としています。これをそのまま契約に入れるかは、既存のシステムの現状値を測ってから決めるべきです。古いシステムの改修案件で、いきなり新規開発と同じ目標を課すと、委託先は守れない約束をするか、見積もりを大きく積むかのどちらかになります。まず現状値を測り、「改修の前より下げない」を最低線にするほうが、発注側と委託先の双方にとって現実的です。
AI生成コードの割合を、委託先への要求に使うのは慎重にするべきです。前述のとおり判定には外れがあり、小さな関数は判定できません。契約で問うのは割合そのものではなく、委託先がAIを使う場合に Guardrails や同等の検査を通したか、パイプラインの検査結果を納品物に添えたか、といった手順のほうにするのが筋です。同社は、外部の評価機関と組んだ保守性の評価基準の文書も公開しており、基準の言葉を合わせる材料になります。
費用の増え方と、止め方・やめ方
Sigrid の料金は公式サイトに一覧として載っておらず、試用の申し込みと個別の相談で決まる形です。費用の構造として押さえておくべきなのは、MCP の窓口で使える道具が「組織で契約している機能の分だけ」に限られる点です。セキュリティやオープンソースの部品の修正までAIに任せたいなら、その解析の機能を契約に含める必要があるので、AIに任せる範囲を決めることが、そのまま契約範囲の判断になります。
もう一つの費用は、Sigrid の外で増えます。自動修正やGuardrails を動かすと、社員のコーディングAIが Sigrid の道具を呼び、ファイルを読み、修正を作る回数が増えます。同社は依存関係の図を先に読ませることで、AIが構造をつかむまでの消費を減らせると説明していますが、どれだけ減るかの数字は公表していません。試行の段階で、AI側の利用量がどう変わったかを測っておくと、本格導入の判断材料になります。自社設置版では、前述の計算資源の分も見込みます。
止め方は比較的はっきりしています。Guardrails の自動の呼び出しは Claude Code 向けの拡張では初期で有効ですが、設定で切れます。ほかのツールでは、リポジトリの指示ファイルに書いた一文を消せば呼ばれなくなります。MCP の接続を外し、トークンを失効させれば、AIから Sigrid の記録には触れなくなります。ただし、AIが書き戻した指摘の状態は Sigrid に残るので、やめるときは「受け入れ」「誤検知」に変わった指摘を一覧にして、人が見直してから区切りをつけます。
入れる前に決める段取り
ここまでの比較を、導入前に決める順番に並べ直すと次のようになります。各段階で、決めるのは開発責任者か情シスかを明確にしておくと、後で揉めません。
対象のシステムを Sigrid に登録し、保守性の星、AI生成コードの推定割合、未処理の指摘の数を記録します。この時点ではAIに何も直させません。比較の基準になる最初の数字です。
全社とシステム単位の傾向に使い、個人の評価には使わないと明記します。情シスが規程の持ち主になり、開発責任者が確認します。
最初は保守性の修正と Guardrails から始め、誤検知の判定を書き戻す道具は外します。広げるときの条件も、この段階で書いておきます。
パイプラインに Sigrid の検査を入れ、取り込みの条件を再解析の合格と人のレビューの両方にします。自動修正の送り出し権限はAIの作業環境に渡しません。
クラウド版か自社設置版か、対話形式の解説を有効にするか、社員のコーディングAIがどの契約で動くかを書き分けます。
星の変化、AIが作った修正の取り込み率、取り消された修正の数、受け入れに変わった指摘の数を見て、任せる範囲を広げるか戻すかを決めます。
段取りの要点は、AIに直させる範囲を広げる前に、合格の判定と見直しの手順を先に置くことです。範囲を広げるのは、数字で効果と副作用の両方が確かめられてからで遅くありません。
よくある質問
Sigrid を入れれば、AIのコードレビューは要らなくなりますか
要らなくなりません。Sigrid は保守性や設計構造を同じやり方で測る物差しで、業務の意味として正しいかどうかは判定しません。公式の文書も、修正は手元のコミットで止め、送り出しと変更の依頼は人が行う前提で書かれています。人のレビューを外さず、レビューで読む場所を絞るために使うのが妥当な位置づけです。
AI生成コードの割合が高いシステムは、危ないと考えるべきですか
割合だけでは判断できません。AI製でも負債が少ないコードもあれば、人が書いて負債だらけのコードもあります。Sigrid の画面も、AI製の推定割合と保守性の評価を別々に示しています。割合は「レビューを厚くする候補」の目印として扱い、危ないかどうかは星の評価や指摘の内容と合わせて見ます。
日本語のコメントや変数名が多いコードでも使えますか
公式の資料には、コメントや識別子の言語による精度の違いについての記述は見当たりません。書きぶりの特徴で判定する方式なので、日本の開発現場特有の書き方で判定が偏る可能性は否定できません。試行の段階で、人が書いたと分かっているコードに対する判定を一部抜き出して確かめておくと安心です。
自社設置版とクラウド版は、どちらを選ぶべきですか
コードを社外の窓口に送ってよいかで決まります。Guardrails はファイルの中身を窓口に送って解析するので、ソースコードの社外持ち出しを規程で禁じている会社は、自社設置版で窓口を社内に置く選択になります。その場合は計算資源と運用の担当が要ることも合わせて見込みます。
まとめ
Sigrid は、オランダの SIG が25年分の計測を土台に作ってきた、ソフトウェアの品質と技術的負債の物差しです。2026年秋には、AIが書いたコードの割合を測る機能を広げ、コーディングAIに負債を持ち込ませない Guardrails と、既に見つかった負債を直させる自動修正を Sigrid Axis としてまとめました。導入の判断で大事なのは、測る機能と直させる機能を分けて考えることです。検出の数字は全社の傾向に使い、個人の評価には使わない。直させるのは保守性から始め、セキュリティの誤検知や受容の判定はAIに決めさせず、根拠の行を人が確かめる。そして合格の判定は、AIの自己申告ではなくパイプラインの再解析と人のレビューに置く。この三つを先に決めておけば、外注先の納品基準にも同じ物差しを使えるようになります。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
