8月7日、Smarter Articlesが「Speed Without Stability: How AI Coding Erodes Skills and Security」と題した記事を公開した。AIコーディング支援ツールの急速な普及が開発者のスキル低下・コード品質の劣化・セキュリティリスクの増大という三重の問題を引き起こしている実態について、複数の調査データを横断的にまとめた内容だ。

AIは本当に開発を速くしているのか？

まず、この記事の核心となるデータを紹介したい。AI能力の評価を専門とする非営利研究機関METRが実施したランダム化比較試験の結果だ。

対象は、平均22,000スター超・100万行超のオープンソースリポジトリに携わる経験豊富な開発者16名。平均5年の担当リポジトリ経験を持ち、約1,500コミットの実績がある。この「熟練者」たちにAIツール（主にCursor Pro＋Claude 3.5/3.7 Sonnet）を使わせた結果、AIなしのグループより19%タスク完了が遅かった。

衝撃的なのは認知の歪みだ。試験前、開発者たちは「AIで24%速くなる」と予測した。試験後、実際には遅くなっていたにもかかわらず、彼らは「20%改善した」と感じていた。ストップウォッチの数字と自己評価の乖離は43ポイントに達する。

なぜ遅くなるのか。開発者がAIの提案を受け入れた割合は44%未満にとどまり、残りの提案はレビュー・テスト・修正の末に棄却された。受け入れた場合でも、品質基準を満たすための編集に相当な時間がかかった。

METRはこの結果について「2025年前半のツールを使ったもので、現在のツールには当てはまらない可能性がある」と注記している。本記事公開時点（2026年8月）はMETR試験から1年以上が経過しており、モデル性能は更新されている。ただし、後続の大規模追試は現時点で公表されていない。記事が指摘するように、「自動化の下での人間の自己評価がいかに信頼できないか」という本質的な問題は、モデルのバージョンとは無関係だ。

Stack Overflowの2025年開発者調査でも同様の不信感が数値に表れている。AIの精度を「信頼する」と答えた割合は2024年の40%から2025年には29%に低下。「不信」が46%、「信頼」が33%と逆転している。最大の不満は「ほぼ正しいが完全ではない回答の処理」（66%）で、次いで「AIが生成したコードのデバッグに想定以上の時間がかかる」（45%）だ。

ジュニア開発者のスキルが空洞化する

METR研究の「熟練者でも遅くなる」という知見は、経験の浅い開発者への示唆として特に重い。

Sonarの調査（1,149名対象）によると、ジュニア開発者の50%が自身のコーディング能力の低下を懸念し、56%がコードベースへの理解の低下を心配している。ChatGPT生成コードの研究では、生成されたコードスニペットの50%超が修正なしで組み込まれていることも判明している。

研究者はCopilot使用初心者に特有の2つの行動パターンを特定した。

• 「シェファーディング」：Copilotの提案に合わせてコードを入力するが、結局その提案を受け入れない
• 「ストレイング」：誤ったCopilot生成コードを受け入れ、デバッグの迷路に迷い込む

どちらも「なぜそのコードが動くのか」を理解しないまま作業が進むという共通の問題を抱えている。

メンターシップ構造の崩壊と採用への波及

スキルの空洞化は、メンタリング文化の崩壊と同時進行している。LeadDevのレポートによると、38%の組織でAIツールの導入によりシニアからジュニアへの直接指導が減少している。「AIが答えられるなら、シニアに聞く必要はない」という論理だ。

採用面への影響も無視できない。同レポートでは、18%の組織が今後12ヶ月でジュニアエンジニアの採用を減らすと予測。長期的には54%がAIツール普及でジュニア採用が減ると見ている。SalesforceのMarc Benioffが「2025年は新規エンジニア採用なし」を宣言したことは、業界に広く衝撃を与えた。

記事は「2027〜2030年にミドルレベル開発者不足、2030〜2035年にシニア不足が到来する」という業界予測を紹介している。今のジュニア採用削減が、数年後に人材パイプラインを詰まらせるリスクだ。

コード品質の劣化：2億行の分析が示す実態

GitClearが2020〜2024年の2億1,100万行の変更コードを分析した結果も衝撃的だ。

• コピペ・クローンコードの割合：8.3%→12.3%（同期間）
• 5行以上の重複コードブロック：2024年に8倍増
• リファクタリング比率：2021年の25%から2024年には10%未満に急落
• コードチャーン（コミット後2週間以内の修正）：3.1%→5.7%

2024年は、GitClearの計測史上初めてコピペ行数が移動行数を上回った年となった。AIはタブキーでコードを挿入するのは得意だが、「既存の類似関数を再利用する」提案はコンテキスト制限もあって苦手だ。

Googleの2024年DORAレポートによると、AI導入で個人の生産性は向上（完了タスク21%増、PRマージ98%増）したものの、組織全体のデリバリー安定性は7.2%低下した。2025年版でも同様のパターンが継続している。「スピードなき安定は単なる加速した混乱だ」と記事は断じる。

AIが量産するセキュリティの穴

Veracodeの2025年レポートによると、AI生成コードの45%がセキュリティテストで不合格となる。LLMはセキュアなコードより動くコードを優先する傾向があり、セキュアな実装とアンセキュアな実装を選ばせると、約半数でアンセキュアな方を選ぶという。

言語別ではJavaが最悪で、72%のタスクでセキュリティテスト不合格。クロスサイトスクリプティング（XSS）対策については86%で失敗している。

「バイブコーディング（vibe coding）」という新語も登場している。LLMへの自然言語プロンプトだけでアプリケーション全体を構築する手法で、AI研究者のAndrej Karpathyが2025年初頭に提唱・命名したことで広まった概念だ。グレー文献のレビューによると、バイブコーダーの最も一般的な品質保証の実践は「QAを36%がスキップ」、つまりAI生成コードをそのまま使うことだ。認証・認可なし、シークレットのハードコードなど、問題のあるシステムの事例も報告されている。

IBMの2025年データ侵害コストレポートも状況の深刻さを示している。**AIモデル・アプリケーションの侵害を報告した組織は13%**、そのうち97%が適切なアクセス制御を欠いていた。「シャドーAI侵害」は通常のインシデントより平均67万ドル高いコストをもたらす。

AIコーディング支援の恩恵は実在する。しかし、スキルの劣化・メンタリングの消滅・コード品質の低下・セキュリティリスクの蓄積という代償も、統計として確実に記録されつつある。記事が問うのは、業界がこの状況に「手遅れになる前に」歯止めをかける集合的な知恵を持てるかどうかだ。

詳細はSpeed Without Stability: How AI Coding Erodes Skills and Securityを参照していただきたい。