10月21日、The Pragmatic Engineerが「What's the ROI of software engineers' spending on AI?」と題した記事を公開した。27社のエンジニアリングリーダーや上級エンジニアへのヒアリングをもとに、AI開発ツールへの投資実態とそのROIを調査した内容だ。結論から言えば、「ROIを定量的に答えられる企業はほとんどない」——これが現時点での業界の正直な姿である。

ROIは「測れていない」会社がほとんど

記事のタイトルに掲げられた「ROI」について、実態は厳しい。多くの企業がROIを定量的に答えられないというのが調査の率直な結論だ。PR（プルリクエスト）数の増加は観測できても、「それがビジネス価値に直結しているか」の測定は手つかずのままというケースが大半を占める。

あるエンジニアはこう述べている：

「周囲では"加速したスロップ（粗悪なコード）"が量産されている。チームがプロダクションコードの品質を以前と同水準に保とうとすると、実際の開発速度はさほど上がっていない。」

定量測定に成功している例外は量子ファンドだ。ある大手クオンツ系取引会社では、AI支出が今年1月の月$500Kから9月には月$800万（約16倍）に膨らんだ。従業員一人あたりの上限は**$25,000/月**と極めて高い。ここではROIの定義がシンプルで、トレーディングデスクの損益がそのまま指標になる。AIコストが収益増に貢献していれば問題なし、という考え方だ。こうした業種は例外的であり、多くのソフトウェア企業にとってROI測定の方法論はまだ確立されていない。

PRが2倍になった、という数字の意味

AIコードレビューツール「CodeRabbit」が2万人の開発者を1年間追跡したデータによれば、週次・月次のPR数がいずれも約128%増加した。単純に言えば、AIを使い始めてから開発者一人あたりのアウトプットが約2倍になったということだ。

SonarのAIコード検証エージェント「Gitar」のデータでは、顧客チームのPR頻度に明確な"階層"が存在することが示されている（※GitarがSonarのエージェントであるという説明は編集部による補足であり、元記事の記述に基づく）。週5PR以下のチームから、週60PR以上を出す"AIネイティブ"チームまで分布があり、この差は技術力よりもチームカルチャーに起因する部分が大きいと記事は指摘する。新しいメンバーは、チームの標準的なペースに自然と同調するからだ。

27社のAI支出実態：会社規模と支出額は無関係

記事の核心は、27社から収集したAI支出データだ。判明した傾向を整理する。

• 会社規模と支出額は無関係。2人のスタートアップが月$3,000/人を使い、1,500人のエンジニアを抱える上場企業が月$150/人に制限している例がある
• 支出は夏にピークを迎え、その後下落。6〜7月が最高値で、APIプラン利用企業ではおおよそ半減した。特定モデルへの移行やオープンモデルへのシフトが主因とされる
• 中〜高支出企業では支出上限（キャップ）が一般的。ただし「上限の回避は容易」との声が多い
• サブスクリプション契約が隠れたコストを生む。補助付きサブスクが終了しつつあり、請求額が5〜10倍になるケースも
• 最も使われているモデルはClaude。CursorやCodex、GitHub Copilotも言及あり

なお、元記事では「Claude Opus 5.5」という表記が登場するが、執筆時点でこのモデル名の正式な位置づけは編集部では確認できていない。以下では元記事の表記に従い「Opus 5.5」と記載する。

高支出企業の実例：月$3,000でPRが5〜10倍になった2人チーム

最もインパクトのある事例が、欧州の2人組.NETショップだ。HR向けアセスメントゲームを開発するこの会社は、月$3,000/人をClaudeとGitHub Copilotに投じている。

開発者の言葉がそのまま引用されている：

「ほとんどコードをタイプしなくなった。1週間に約60PR/人（1日10〜15本）をこなしている。10年分のバックログを驚くほど速いペースで片付けている。」

PR頻度は1日1〜2本から10本以上へ、5〜10倍に増加した。「以前なら5〜7人が必要だった仕事量を、2人でこなせている感覚」と表現している。

対照的に、月$1,500〜2,200を使う別の大手企業のエンジニアはPR頻度の変化は「ほぼなし」と報告している。その理由としてこう述べている：

「Opus 5.5でも複雑なコードベースでは奇妙な挙動をする。人間によるPRレビューは今も多くのミスを捕捉している。エージェントが見落とすような、不要な変更や過剰に大きな変更などだ。」

高支出が高成果に直結するわけではなく、コードベースの複雑さやチームの運用方針が結果を大きく左右することがわかる。

AIが本当に効いた領域

大手企業のStaffエンジニアが具体的に効果を感じた業務として挙げているのは以下の3点だ：

• 顧客問題のトリアージ：以前は丸1日かかっていた作業が数分〜1時間で完了
• コードリサーチ：Slack・設計ドキュメント・PR履歴から「なぜこう実装したか」を数分で把握。以前は1〜2日かかっていた
• POCプロトタイピング：複雑な機能のPOCをPM向けに数時間で作成。以前は1〜2週間必要だった

いずれも「調べる・まとめる・試作する」という認知負荷の高い作業での時間短縮であり、コーディング速度の向上とは異なる次元での貢献だ。

AI開発ツールへの支出は拡大しているが、ROIの定義や測定方法はまだ業界全体で模索中だ。PR数という指標は取りやすいが、それが本当の生産性やビジネス価値を表しているかは別の話である。

詳細はWhat's the ROI of software engineers' spending on AI?を参照していただきたい。