投稿者 global-ai-media 
Linuxカーネルにおいて、AIによるコードレビューのノイズになるという理由から、古い不要なソースコードを削除する動きが話題になっています。この事象は、長年の運用で肥大化したレガシーシステムを抱え、これからAI活用を進めようとする日本企業に対して、事前のデータ整理という極めて重要な実務的示唆を与えています。
オープンソース界で進む「AIのためのコード整理」
Linuxカーネルの開発において、古いネットワークドライバやISDNサブシステムなどの使用されていないコード（デッドコード）を削除するプルリクエスト（コードの変更提案）が提出され、話題を呼んでいます。特筆すべきは、その削除理由の一つが「AIやLLM（大規模言語モデル）を活用したコードレビューにおいて、古いコードがノイズになるから」という点です。
元記事の情報によれば、LLMを用いてコードのバグを検出する際、プロンプト（AIへの指示文）を微調整するだけではすでに限界を迎えており、バグの半分以上を見逃してしまうケースがあることが指摘されています。つまり、LLMのレビュー精度を上げるためには、AIに読み込ませるソースコードそのものを整理・削減する必要性に迫られているのです。
LLM開発支援における「コンテキストとノイズ」の課題
近年、ソフトウェア開発の現場ではAIによるコーディング支援ツールや自動レビューシステムの導入が急速に進んでいます。しかし、LLMには「コンテキストウィンドウ」と呼ばれる、一度に処理・記憶できる情報量の上限があります。
システム内に実行されることのない不要なコードや時代遅れの記述が大量に残っていると、LLMはそれらも有効な情報として処理しようとします。その結果、限られたコンテキストウィンドウが不要な情報で埋め尽くされ、本当に重要なロジックの解析精度が低下したり、AIがもっともらしい嘘（ハルシネーション）を出力する原因になったりします。AIのパフォーマンスを最大限に引き出すためには、対象となるデータの「質」の担保が極めて重要になるということです。
日本のレガシーシステムとAI活用のジレンマ
このLinuxの事例は、独自の商習慣や長年の運用によって複雑化したシステムを抱える多くの日本企業にとって、決して対岸の火事ではありません。「2025年の崖」に代表されるように、日本企業の多くは度重なる改修で肥大化し、誰も全容を把握できていないレガシーシステム（技術的負債）を抱えています。
業務効率化やシステムのモダナイゼーション（現代化）を目的に、こうした古いソースコードをそのままLLMに読み込ませてリファクタリング（コードの内部構造の改善）やテストコード生成を行おうとする試みが見られます。しかし、不要なコードがノイズとなり、AIが正しい文脈を捉えきれず、期待した成果が得られないケースが少なくありません。AIを活用してシステムを刷新する前に、まずは「不要な機能やコードを見極め、捨てる」という泥臭い整理作業が不可欠となります。
AIの限界を理解し、人間の判断を介在させる
また、今回の事例で注目すべきは「プロンプトの調整だけでは限界がある」という事実です。日本企業がAIを導入する際、思い通りの結果が出ないと、プロンプトエンジニアリングと呼ばれる「指示文の工夫」だけで解決しようとする傾向があります。
しかし、根本的な元データ（この場合はソースコード）が整理されていなければ、いくら指示を工夫してもAIの出力精度は頭打ちになります。AIはあくまで強力な支援ツールであり、万能ではありません。「どの機能が現在のビジネスにおいて不要か」「どのコードを捨てるべきか」といった経営的・アーキテクチャ的な意思決定は、AIに丸投げするのではなく、業務を理解した人間が責任を持って行う必要があります。
日本企業のAI活用への示唆
ここまでの考察を踏まえ、日本企業がAIを実務で活用し、システム開発や業務効率化を進める際の要点と示唆を整理します。
1. 「AIに読ませる前」のデータクレンジングと断捨離
AIの精度は入力されるデータの質に依存します。ソースコードに限らず、社内規程やマニュアルなどを社内AI（RAG）で活用する場合でも、まずは古い情報や重複・不要なデータを徹底的に整理・削除することが、AI活用の成功の鍵となります。
2. プロンプト調整から根本的なデータ基盤の改善へのシフト
AIの回答精度が低い場合、プロンプトの微調整に時間を費やすのではなく、入力するデータセット自体にノイズが含まれていないかを疑うべきです。小手先のテクニックではなく、データ管理（データガバナンス）の観点からアプローチを見直す必要があります。
3. AIと人間の適切な役割分担によるガバナンス確保
AIは大量のデータを処理し、パターンの発見や生成を行うことには長けていますが、ビジネス上の価値判断や不要な機能の「切り捨て」はできません。特にレガシーシステムの刷新においては、人間が明確な方針と責任を持ち、AIをその実行支援として位置づける組織文化の醸成が求められます。