Cursor Bugbotが「自己学習」で覚醒 — AIコードレビューの解決率80%到達の衝撃

CursorのAIコードレビューツール「Bugbot」が、2026年4月のアップデートで大幅に進化した。目玉は「Learned Rules」機能。レビュー対象のリポジトリからコーディング規約やパターンを自動学習し、チーム固有のルールを理解したうえで指摘を出す。結果として、提案した修正の解決率が80%に到達した。

AIコードレビューの「使えない指摘が多い」問題に、ようやく実用的な解が出てきた格好だ。

要点まとめ

• Learned Rules: リポジトリ固有のルールを自動学習、110,000以上のリポジトリが有効化済み
• 解決率80%: 半年前の52%から76%を経て80%に到達。競合より15ポイント高い
• Autofix GA: 2月に一般提供開始、提案された修正の35%以上がマージ済み
• 検出問題数: 過去6ヶ月でほぼ2倍に増加
• 料金: 無料プランあり、Proプランは月額40ドル

Learned Rules — リポジトリから「空気を読む」AI

従来のAIコードレビューツールの最大の課題は、汎用的なルールしか知らないことだった。「変数名はキャメルケースで」「関数は短く」といった教科書的な指摘は出せても、「うちのチームではAPIレスポンスの型定義はこのディレクトリに置く」「エラーハンドリングはこのパターンで統一している」といったプロジェクト固有の規約は理解できない。結果として、的外れな指摘が増え、開発者は通知を無視するようになる。

Learned Rulesは、この問題を正面から解決しようとしている。リポジトリの既存コード、過去のPRレビューコメント、マージされた修正の傾向を分析し、そのチーム固有のコーディングルールを自動生成する。すでに44,000以上のルールが生成されており、110,000以上のリポジトリで有効化されている。

たとえば、あるチームが「React Hooksは必ずカスタムHookに切り出す」という暗黙の規約を持っていた場合、Learned Rulesは過去のPRパターンからそれを学習し、コンポーネント内に直接useEffectを書いたPRに対して「カスタムHookへの切り出し」を提案できるようになる。

さらに、カスタムルールを明示的に定義することも可能だ。「テストカバレッジは80%以上」「console.logは本番コードに残さない」「APIエンドポイントには必ずバリデーションを入れる」といったチーム独自の基準を設定すれば、Bugbotがそれを強制してくれる。CIに組み込んで自動チェックをかける運用も想定されている。

Autofixの進化 — 「指摘して終わり」からの脱却

Bugbot Autofixは2026年2月にGA（一般提供）となった。単に問題を指摘するだけでなく、修正コードを自動生成してPRに提案する機能だ。

数字を見る限り、実用レベルに達しつつある。提案された修正の35%以上が実際にマージされている。これはかなり高い数字だ。AIが書いた修正コードの3分の1以上を、人間のエンジニアが「そのまま使える」と判断しているということになる。

検出問題数も過去6ヶ月でほぼ2倍に増加しており、検出精度の向上と対応範囲の拡大が同時に進んでいる。解決率の推移は52%→76%→80%と急カーブを描いており、Learned Rulesの導入が明確な転換点になっている。

実際の利用シーン

Bugbotが特に威力を発揮するのは、以下のような場面だ。

チームのオンボーディング: 新メンバーがPRを出したとき、暗黙の規約をBugbotが自動で指摘してくれる。先輩エンジニアが「うちではこう書くんだよ」と毎回説明する手間が減る。レビュー待ちの時間も短縮される。

深夜・休日のPR: レビュアーがいない時間帯でもBugbotが一次レビューを済ませてくれる。翌朝出社したときには、Bugbotの指摘を踏まえた修正済みのPRが待っている。

大規模リファクタリング: 数十ファイルにまたがる変更で、人間のレビュアーが見落としがちなパターン不整合をBugbotが検出する。特にLearned Rulesがあることで、リポジトリ固有のパターンからの逸脱を網羅的にチェックできる。

料金プラン

Bugbotは無料プランから利用可能だ。ただし、月間のPRレビュー数に制限がある。

Proプランは月額40ドルで、レビュー数の上限が大幅に緩和される。Learned RulesやカスタムルールはProプラン以上で利用可能とみられる。チームでの本格運用を考えるなら、Proプランが現実的な選択肢になるだろう。

個人開発者が月額40ドルをコードレビューだけに払うかは議論が分かれるところだが、チーム利用で考えれば、レビュー工数の削減効果で十分にペイする価格帯だ。

競合との比較

AIコードレビュー市場には、GitHub Copilot Code Review、CodeRabbit、Qodo（旧CodiumAI）など複数のプレイヤーがいる。

Bugbotの解決率80%は、競合製品より15ポイント高いとされている。この差を生んでいるのがLearned Rulesだ。汎用ルールだけでは限界がある領域で、リポジトリ固有の文脈を学習する仕組みが精度の差につながっている。

ただし、CursorのBugbotはCursorエコシステムとの統合が前提であり、他のエディタやIDEとの組み合わせでは使いにくい。GitHub Copilot Code Reviewのように、GitHub上で完結する手軽さとは異なるポジショニングだ。すでにCursorをメインエディタにしているチームにとっては自然な選択肢だが、そうでないチームにとっては乗り換えコストが発生する。

筆者の所感

Bugbotの進化で注目すべきは、解決率80%という数字そのものよりも、「Learned Rules」というアプローチだ。

AIコードレビューが「使えない」と言われてきた最大の理由は、プロジェクト固有の文脈を理解しないことだった。リンターで十分な汎用ルールの指摘ばかりが増え、開発者がアラート疲れを起こす。Learned Rulesは、この構造的な問題に対して「リポジトリそのものを教師データにする」というシンプルかつ強力な解を提示している。

一方で、自動学習されたルールの品質管理は気になるポイントだ。過去のコードに悪い慣習が含まれていた場合、それを「正解」として学習してしまうリスクがある。レガシーコードが多いリポジトリほど、この問題は深刻になる。カスタムルールで明示的に上書きできるとはいえ、デフォルトの学習結果をどこまで信頼するかは、チームごとに判断が必要だろう。

また、解決率の定義にも注意が必要だ。「Bugbotが提案した修正のうち、何らかの形で問題が解消されたもの」なのか、「Bugbotの修正がそのままマージされたもの」なのかで、数字の意味は大きく変わる。35%のマージ率と80%の解決率の間にあるギャップが何を意味するのか、もう少し詳細なデータが欲しいところだ。

いずれにせよ、AIコードレビューが「おもちゃ」から「実用ツール」へと確実に移行しつつあることを示すアップデートだ。Cursorをすでに使っているチームなら、試す価値は十分にある。

まとめ

Cursor Bugbotは、Learned Rulesによる自己学習機能でAIコードレビューの精度を一段引き上げた。解決率80%、マージ率35%超という数字は、このカテゴリのツールとしてはトップクラスだ。

チーム固有のコーディング規約を自動学習し、文脈を理解した指摘を出せるようになったことで、「AIレビューは的外れ」という評価を覆す可能性がある。無料プランで試せるので、まずは自分のリポジトリで精度を確認してみるのがいいだろう。