AIコーディングツールを使う際、皆さんはどのように品質を担保していますか？

私は「壊れたときの被害」でレビューの強度を分けています。認証・認可、課金、データの更新/削除は1行ずつ精読し、スタイリングや定型的な型定義は流し読みです。全部を同じ熱量で見ると続かないので、ここを割り切っています。

品質担保のルールとしては、目視を増やすより機械的に落ちる仕組みを厚くしています。具体的には、異常系のテストを書いて期待通り失敗するか確認する、lint/型チェックをCIで必須にする、AIが触れる範囲を小さいPRに保つ、の3つです。

トラブル例だと、AIが生成したAPIで「ログイン済みか」は見ていたのに「そのリソースの持ち主か（認可）」が抜けていて、他人のデータが取れる状態になっていたことがありました。あと、実装とテストを同じAIに続けて書かせたら、間違った実装に合わせた間違ったテストが両方グリーンで通ってしまった例も。それ以来、テストの観点出しはAIに、期待値は自分で書く、と分けています。

結局、生成速度が上がった分ボトルネックが「書く」から「読む・検証する」に移った感覚です。

・AIが生成したコードのレビューはどのように行っていますか？
・品質を担保するためのルールやチェック項目はありますか？
・実際にトラブルになった経験はありますか？

そういうのはすべてケースバイケースで、単純に答えられる話ではないと思いますが・・・

基本的なこととして心に留めておくべきはことは、少なくとも現時点では AI に丸投げして完璧なコードができることはないということです。さらに、今後 AI がどのように進化しようと、AI が作った成果物に対して、AI が責任を負ってくれるいうことはあり得ないということも。

AI にコードを作ってもらう場合、AI が作ったコードはたたき台として形にしたものだとの認識を持って、そのたたき台をレビューし、理解し、検証し、最終成果物に対して、質問者さんが当事者意識を持った主体的な責任を持てるようにするという基本姿勢が重要だと思います。

AI にはペアプログラマーとしての役割を担ってもらい、力を合わせて開発を加速するという考え方を基本として、どのようにしたら効果的に AI に支援させられるかということを質問者さんが考えながら、「指示」⇒「応答」⇒「検証」⇒「改良」のループを回して開発を行い、成果物を完成させるという方向で考えるべきと思います。