[論文レビュー] Factors Influencing the Quality of AI-Generated Code: A Synthesis of Empirical Evidence

Vehid Geruslu, Z.M. Aliyeva+1 more|arXiv (Cornell University)|Mar 26, 2026

Software Engineering Research被引用数 0

ひとこと要約

AI生成ソースコードの品質に影響する要因を実証的証拠から統合する系統的文献レビュー。人間要因、AIシステムの特性、そして人間とAIの相互作用のダイナミクスを強調する。

ABSTRACT

Context: The rapid adoption of AI-assisted code generation tools, such as large language models (LLMs), is transforming software development practices. While these tools promise significant productivity gains, concerns regarding the quality, reliability, and security of AI-generated code are increasingly reported in both academia and industry. --Objective: This study aims to systematically synthesize existing empirical evidence on the factors influencing the quality of AI-generated source code and to analyze how these factors impact software quality outcomes across different evaluation contexts. --Method: We conducted a systematic literature review (SLR) following established guidelines, supported by an AI-assisted workflow with human oversight. A total of 24 primary studies were selected through a structured search and screening process across major digital libraries. Data were extracted and analyzed using qualitative, pattern-based evidence synthesis. --Results: The findings reveal that code quality in AI-assisted development is influenced by a combination of human factors, AI system characteristics, and human AI interaction dynamics. Key influencing factors include prompt design, task specification, and developer expertise. The results also show variability in quality outcomes such as correctness, security, maintainability, and complexity across studies, with both improvements and risks reported. --Conclusion: AI-assisted code generation represents a socio-technical shift in software engineering, where achieving high-quality outcomes depends on both technological and human factors. While promising, AI-generated code requires careful validation and integration into development workflows.

研究の動機と目的

• AI支援コード生成ツールの急速な普及と品質・信頼性・セキュリティに関する懸念を動機づける。
• AI生成コード品質に影響を与える要因について、既存の実証的証拠を系統的に統合する。
• これらの要因が異なる評価文脈でソフトウェア品質の成果にどのように影響するかを分析する。

提案手法

• 確立されたガイドラインに従って系統的文献調査（SLR）を実施する。
• 研究選定とデータ抽出を支援するために人間の監督下でAI支援ワークフローを用いる。
• 主要デジタルライブラリを横断する構造化検索とスクリーニングを通じて24件の一次研究を選定する。
• 質的・パターンベースの根拠統合を用いてデータを抽出・分析する。

実験結果

リサーチクエスチョン

• RQ1 実証研究においてAI生成ソースコードの品質に影響を与える要因は何か。
• RQ2 これらの要因は正確性、セキュリティ、保守性、複雑さなどのソフトウェア品質の成果にどのように影響するか。
• RQ3 人間要因、AIシステムの特性、そして人間-AIの相互作用のダイナミクスはコード品質の形成にどのように相互作用するか。
• RQ4 異なる評価文脈における品質成果にはどのようなばらつきがあるか。

主な発見

• AI支援開発におけるコード品質は、人間要因、AIシステム特性、そして相互作用ダイナミクスの組み合わせから生じる。
• 主要な影響要因にはプロンプト設計、タスク仕様、開発者の専門知識が含まれる。
• 品質成果は研究間で異なり、正確性・セキュリティ・保守性・複雑さに対して改善とリスクの両方が報告されている。
• AI支援コード生成は社会技術的変革を意味し、慎重な検証とワークフローへの統合を必要とする。