長年運用されてきたシステムのソースコードは、度重なる仕様変更や担当者の引き継ぎを経て、複雑に絡み合った「技術的負債」となりがちです。型定義のない古いJavaScriptコードや、カバレッジの低いテストコードの保守に、日々多大なリソースを奪われている開発チームは決して珍しくありません。
近年、こうした課題に対する銀の弾丸としてAIコーディングアシスタントの導入が進んでいます。しかし、「AIにコードを読ませて修正を指示するだけ」という安易なアプローチには、重大な落とし穴が潜んでいます。プロジェクト固有の文脈や依存関係を無視したAIの提案をそのまま適用し、かえってバグを誘発したり、システムのアーキテクチャを破壊してしまったりするケースが後を絶ちません。
重要なのは、AIに作業を「丸投げ」するのではなく、開発者の意図を正確に伝え、AIと「共創」するプロセスを構築することです。本記事では、Gemini Code Assistを活用し、リスクをコントロールしながら既存コードの品質を劇的に向上させるための具体的な手法とプロンプトエンジニアリングの極意を解き明かします。
Gemini Code Assistが開発現場にもたらす「共創」の定義
AIツールを導入する際、多くの現場が陥りがちな罠が「AIを高度な自動補完ツールとしてしか扱わない」という状態です。Gemini Code Assistの真の価値は、単なるタイピングの省力化ではなく、コードの背後にある「意図」を推論する能力にあります。
単なる補完を超えたインテリジェントなアシスタンス
「この関数をリファクタリングして」という単純な指示を出した場合、AIは一般的なベストプラクティスに基づいた美しいコードを生成します。しかし、そのコードがシステム全体のアーキテクチャに適合しているとは限りません。例えば、意図的に冗長に書かれていたパフォーマンスチューニングのためのコードを、AIが「非効率的である」と判断して短縮してしまい、結果的に本番環境でボトルネックを発生させるリスクがあります。
AIとの共創とは、開発者が「何を」「なぜ」変更したいのかというコンテキストを明確に定義し、AIに提案の境界線を引くことです。Gemini Code Assistは、ファイル間の依存関係やプロジェクト全体の構造を読み取る能力に長けているため、適切な制約を与えることで、極めて精度の高い改善案を引き出すことが可能になります。
本記事で実装するモダン化シナリオの全体像
本記事では、日常的な開発業務で直面しやすい2つの具体的なシナリオを通じて、Gemini Code Assistの実践的な活用法を探ります。
- 型安全性向上とリファクタリング：可読性の低い古いJavaScriptコードを、TypeScriptの型安全なコードへと変換し、ネストの深い条件分岐を整理します。
- 網羅性の高いユニットテストの自動生成：開発者が後回しにしがちな異常系や境界値のテストを、AIの推論力を借りて効率的に網羅します。
これらのシナリオを通じて、AIの出力が期待と異なった場合の修正指示（フォローアッププロンプト）の重要性についても触れていきます。
環境構築：VS Code / IntelliJ での最適化設定
Gemini Code Assistの能力を最大限に引き出すためには、エディタ側の適切な初期設定が不可欠です。AIがプロジェクトのコンテキストを正しく認識できなければ、的外れな提案が繰り返されることになります。
Google Cloud プロジェクトとの連携手順
Gemini Code Assistは、VS CodeやIntelliJ IDEAといった主要なIDEに拡張機能として統合されます。まずは「Cloud Code」拡張機能をインストールし、Google Cloudアカウントでの認証を完了させる必要があります。
認証フローを怠ったり、適切な権限が付与されていないアカウントでログインしたりすると、AIの高度な機能が制限される場合があります。開発環境のセットアップ手順や最新のサポート環境については、Google Cloudの公式ドキュメントを参照し、チーム全体で環境を統一することが推奨されます。
エディタ拡張機能のインストールと認証
拡張機能の導入後、重要なのは「AIにどこまでのファイルアクセスを許可するか」というコンテキスト設定です。ワークスペース全体をインデックス化することで、Gemini Code Assistは現在開いているファイルだけでなく、関連するモジュールや型定義ファイル（.d.ts）を横断的に参照できるようになります。
一方で、大規模なモノレポ（Monorepo）環境などでは、無関係なプロジェクトのコードまでAIが読み込んでしまい、推論のノイズになるリスクもあります。対象となるディレクトリを適切に絞り込むことが、精度の高い回答を得るための第一歩となります。
実践1：レガシーコードの型安全性向上とリファクタリング
ここでは、一般的なEコマースアプリケーションを想定し、割引額を計算する古いJavaScriptコードを例に挙げます。このコードは型定義がなく、条件分岐が複雑にネストしており、保守性が著しく低下しています。
// Before: 型定義がなく、条件分岐が複雑なレガシーコード
function calculateDiscount(user, cart) {
if (user && user.isActive) {
if (cart.total > 10000) {
if (user.rank === 'gold') return cart.total * 0.8;
if (user.rank === 'silver') return cart.total * 0.9;
} else {
if (user.rank === 'gold') return cart.total * 0.9;
}
}
return cart.total;
}
JavaScriptからTypeScriptへの移行サポート
このコードをAIにリファクタリングさせる際、単に「TypeScriptにして」と指示するのは危険です。AIは文脈が不足していると、引数に any 型を付与して型エラーを回避するだけの、無意味な変換を行うことがあります。
推奨されるプロンプト例：
以下のJavaScriptコードをTypeScriptにリファクタリングしてください。以下の条件を厳守すること。
UserとCartのインターフェースを明確に定義する。- 型には
anyを使用しない。- 早期リターン（Early Return）を用いてネストを浅くし、可読性を高める。
複雑な条件分岐の整理と可読性向上プロンプト
上記の指示を受けたGemini Code Assistは、以下のような品質の高いTypeScriptコードを生成します。
// After: Gemini Code Assistによるリファクタリング結果
interface User {
isActive: boolean;
rank: 'gold' | 'silver' | 'regular';
}
interface Cart {
total: number;
}
function calculateDiscount(user: User | null, cart: Cart): number {
// 早期リターンによるネストの解消
if (!user || !user.isActive) {
return cart.total;
}
const { rank } = user;
const { total } = cart;
if (total > 10000) {
if (rank === 'gold') return total * 0.8;
if (rank === 'silver') return total * 0.9;
}
if (rank === 'gold') {
return total * 0.9;
}
return total;
}
もしAIが rank の型を単なる string として出力した場合は、すかさずフォローアッププロンプトを投げます。「rankは 'gold', 'silver', 'regular' のいずれかの文字列リテラル型に修正してください」と対話を重ねることで、コードの堅牢性はさらに高まります。
実践2：網羅性の高いユニットテストの自動生成
リファクタリングが完了したら、次はそのロジックを担保するためのユニットテストを作成します。ここでAIを活用する際、最も警戒すべきリスクが「見せかけのテスト」の量産です。
エッジケースを考慮したテストコードの提案
開発現場でよく見られる失敗は、AIに「この関数のテストを書いて」とだけ指示するケースです。AIは指示が曖昧な場合、最も簡単にカバレッジを稼げる正常系（ハッピーパス）のテストのみを生成する傾向があります。これでは、カバレッジ率は100%になっても、本番環境での予期せぬエラー（null参照や境界値のバグ）を防ぐことはできません。
エッジケースを網羅させるためのプロンプト例：
先ほど作成した
calculateDiscount関数のJestユニットテストを作成してください。
ハッピーパスだけでなく、以下のエッジケースを必ず網羅すること。
userが null の場合user.isActiveが false の場合cart.totalが境界値（ちょうど10000）の場合rankが 'regular' の場合
各テストケースには、何をテストしているのか明確な説明（itブロックの記述）を含めてください。
既存のテストフレームワーク（Jest/JUnit）への適合
この指示により、Gemini Code Assistは単なるカバレッジ稼ぎではない、実用的なテストコードを生成します。
import { calculateDiscount } from './discount';
describe('calculateDiscount', () => {
const baseCart = { total: 12000 };
it('アクティブでないユーザーには割引が適用されないこと', () => {
const user = { isActive: false, rank: 'gold' as const };
expect(calculateDiscount(user, baseCart)).toBe(12000);
});
it('userがnullの場合は割引が適用されないこと', () => {
expect(calculateDiscount(null, baseCart)).toBe(12000);
});
it('totalが10000ちょうどの場合、10000超の割引が適用されないこと', () => {
const user = { isActive: true, rank: 'gold' as const };
const cart = { total: 10000 };
// total > 10000 ではないため、10000 * 0.9 = 9000 になる
expect(calculateDiscount(user, cart)).toBe(9000);
});
it('regularランクのユーザーには割引が適用されないこと', () => {
const user = { isActive: true, rank: 'regular' as const };
expect(calculateDiscount(user, baseCart)).toBe(12000);
});
});
このように、AIには「何をテストすべきか」という観点（境界値や異常系）を人間が明示的に与えることで、初めて信頼に足るテストスイートが構築されます。
コンテキストを意識したプロンプトエンジニアリングの極意
Gemini Code Assistとの共創を成功させる鍵は、いかにして「プロジェクトの暗黙知」をAIに伝えるかにかかっています。
「全文参照」を活用した精度の高め方
AIにコードの修正を依頼する際、対象の関数だけを切り取ってプロンプトに貼り付けるのは悪手です。その関数が依存している外部モジュールや、プロジェクト全体で共通化されているエラーハンドリングの仕組みをAIが知らなければ、既存の設計思想から逸脱したコードが生成されてしまいます。
エディタ上で関連するファイルを開いた状態にするか、プロンプト内で「このファイルは src/utils/logger.ts のロガーを使用しています」といった形で依存関係を明示することで、AIの提案はよりプロジェクトの実態に即したものになります。
社内コーディング規約を反映させる指示の出し方
「変数名はキャメルケースにする」「非同期処理には必ずtry-catchを設ける」といった社内独自のコーディング規約がある場合、それを毎回のプロンプトで指示するのは非効率です。
効率的なアプローチとして、プロジェクトのルートディレクトリに規約をまとめたMarkdownファイル（例：AI_CODING_GUIDELINES.md）を配置し、AIにコード生成を依頼する際の最初のプロンプトで「まずは AI_CODING_GUIDELINES.md を読み込み、そのルールに従って以下の実装を行ってください」と指示する手法が有効です。これにより、レビュー時の手戻りを大幅に削減できます。
まとめ：Gemini Code Assistを継続的な品質改善に組み込む
本記事では、Gemini Code Assistを活用してレガシーコードのリファクタリングとテスト自動化を安全に行う手法を解説しました。AIは強力なツールですが、万能の魔法ではありません。開発者がシステム全体のアーキテクチャを理解し、適切な制約とコンテキストを与えて初めて、真の価値を発揮します。
開発ワークフローへの統合イメージ
AIを個人のエディタ上の補助ツールとして終わらせず、チーム全体の開発ワークフローに統合していくことが重要です。例えば、プルリクエストを作成する前に、Gemini Code Assistを使って「この変更によって影響を受けるエッジケースのテストは足りているか？」と問いかけるステップを設けるだけで、コードレビューの負荷は劇的に下がります。
技術的負債は放置すればするほど、解消のコストが指数関数的に増大します。AIとの共創を通じて、日々の開発タスクの中で少しずつコードを改善していく「ボーイスカウト・ルール（来た時よりも美しく）」を実践することが、持続可能なシステム運用の鍵となります。
次に試すべき応用ステップ
最新のAI開発ツールの進化は目覚ましく、ベストプラクティスは日々アップデートされています。自社への適用を検討する際は、最新の公式ドキュメントを確認し、小さなモジュールから実験的に導入を始めることをおすすめします。
また、継続的な品質改善とAIツールの最新トレンドをキャッチアップするためには、技術コミュニティやSNSを通じた定期的な情報収集が有効な手段となります。日々の開発プロセスにAIをどう組み込み、どのようにプロンプトを洗練させていくか、実践的な知見を継続的にアップデートする仕組みを整えてみてはいかがでしょうか。
コメント