10月22日、Sergio De Simoneが「Study Finds AI-generated Code Fails to Boost Productivity Due to Downstream Bottlenecks」と題した記事を公開した。この記事では、AIコーディング支援ツールがコード量を増やしても開発全体の生産性向上につながらない理由について詳しく紹介されている。
エンジニアは「コードを書く人」から「コードを受け取る人」になりつつある
Redditユーザーenigmamonkeyはこう述べた。
If your engineers are writing and understanding less and less of the code they ship, I imagine issues become more frequent and more complicated to resolve. Particularly as the codebase scales… and it will scale.
— Reddit ユーザー enigmamonkey
エンジニアがコードを「書く」のではなく「受け取る」存在になっていくにつれ、障害の頻度と複雑さが増すという懸念は、MTTR（Mean Time to Recovery：障害発生から復旧までの平均時間）という指標とも直結する。生産性の測り方そのものを問い直す視点だ。この問いに大規模な実データが答えを出した。
コード量は増えるが、完了する仕事は増えない
「AIを使えば生産性が上がる」という前提に、大規模な実データが疑問を投げかけた。
ハーバード大学の研究チームが発表した論文は、エンジニアリング分析プラットフォーム「Jellyfish」のデータを用いて、718社・約70万人分・約3億件の作業イベント（2021年1月〜2026年3月）を分析したものだ。対象ツールにはGitHub Copilot、Cursor、Claude Codeが含まれる。
コード生成量に限ると、AIの効果は確かにある。AIアシスタント（Copilotなど補助型）では追加コード行数が**+12%、コミット数が+9%、プルリクエスト数が+5%増加した。AIエージェント（自律的にコードを生成・実行するタイプ）ではさらに顕著で、コード行数+30%、コミット数+20%、プルリクエスト数+23%**という数字が出た。
ところが、肝心の「解決されたJiraチケット数（1人あたり・月あたり）」で測ると話が変わる。AIアシスタントは解決件数をほぼ増やさず、エージェントでも**+12%**にとどまった。コード行数の増加（+30%）と比べると、その差は歴然だ。
ボトルネックはコードレビューにあった
研究チームはこの乖離の原因を探るため、コーディング以外の工程——機能計画、コードレビュー、テスト、デプロイ——を含む開発プロセス全体を分析した。
エンジニアがコードを書くことに費やす時間は、全体の**30〜40%**に過ぎない（Prolificエンジニア100人へのアンケートで検証済み）。残りの時間は「補完的な作業」に使われており、AIがコーディング速度を上げても、そこがボトルネックになると全体スループットは改善しない。
具体的な数字として、以下が報告されている。
- PRのレビュー所要時間：**+49%**
- PRあたりのコメント数：**+53%**
- 修正を求められたPRの割合：2倍
- コードレビューを担当する開発者の割合：**+14%**
さらに、この負荷増大はPRのサイズ増加では説明できないと研究者は指摘している。つまり、AIが生成したコードは量が増えただけでなく、1件あたりのレビュー難易度も上がっていることを示唆する。
「コードはすべて潜在的な負債」——エンジニアの反応
この研究はRedditでも議論を呼んだ。ユーザーPrime_1は「コードの1行1行が潜在的な負債だ」と端的に述べた上で、ユーザーmarkehammondsはエージェントの信頼性の低さをより具体的に指摘した。
Doubly so when you're dealing with an untrustworthy actor, and agents are more untrustworthy than most actors. They can do the most messed up stuff without any hint of malice, and in a misguided attempt to pursue the task given to them.
— Reddit ユーザー markehammons
エージェントの「悪意なき暴走」リスクを指摘したこのコメントは、AI生成コードのレビュー負荷が増大する理由を直感的に説明している。
何を測るかが問われている
この研究が示すのは、「AIを導入したからといってスプリントの消化速度は上がらない」という現実だ。コミット数やコード行数は増えても、それがビジネス成果に直結しない。むしろ、レビュー工程への負荷集中という形で、別の場所にコストが転嫁されている。
生産性の指標として何を選ぶかが、AI導入の効果評価を大きく左右する。コード量を見れば「効果あり」、完了チケット数を見れば「効果なし」——同じデータから正反対の結論が出る。
詳細はStudy Finds AI-generated Code Fails to Boost Productivity Due to Downstream Bottlenecksを参照していただきたい。
