10月23日、Confident Commitが「Your AI software factory has an inventory problem」と題した記事を公開した。この記事では、AIコーディングエージェントの普及によって「仕掛かり中の作業（WIP）」が急増し、開発速度の向上を阻害しているという現象をデータで示している。
AIは「着手」を加速させたが、「完了」は増えていない
Confident Commitは、CircleCIのパイプラインデータを活用した「State of Software Delivery Q3 Pulse」レポートを今回の記事とともに公開した。Confident CommitはCircleCIのデータを継続的に分析・レポート化している組織であり、今回は2025年8月の2,200万件以上のCIワークフローを分析対象としている。そのデータが示す状況は端的だ。
- フィーチャーブランチのワークフロー数はQ1比で40%増加
- 一方、メインブランチのワークフロー実行頻度はほぼ横ばい（1日あたり約1.71回）
- メインブランチへの統合速度は上がっていない
AIエージェントのおかげで「コードを書き始める」コストは劇的に下がった。だが、レビュー・検証・統合のコストはほとんど下がっていない。開発者はより多くの並行タスクを抱えるようになったが、それをさばく人間の時間と注意力は有限のままだ。
トヨタ生産方式とリトルの法則が示す本質
元記事はこの問題を「ソフトウェア工場の在庫問題」として製造業のアナロジーで説明している。その枠組みを以下に整理する。
戦後のトヨタは、大量生産できない状況で多品種少量生産を実現するため、**トヨタ生産方式（TPS）** を構築した。その根幹にある思想は「作れるだけ作る」ではなく「必要なものだけを、必要なときに流す（ジャスト・イン・タイム）」だ。ある工程が1,000個作れるからといって、次工程が500個しか必要としないなら、残り500個は在庫（＝ムダ）になるだけである。
ソフトウェア開発では、**リトルの法則（Little's Law）** が同じ原理を数式で表す。
平均サイクルタイム ＝ 平均WIP ÷ 平均スループット
具体例で考える。チームが週10件の変更を完了しており、常時20件が進行中なら、平均サイクルタイムは2週間。ここでAIエージェントの導入により同時進行が40件に増えても、完了数が週10件のままなら、サイクルタイムは4週間に倍増する。「着手しやすくなった」だけでは、チームは速くならない。むしろ遅くなりうる。
データが示すWIP膨張の実態
レポートの数字は、この問題がすでに現実のものになっていることを示している。
- 年初、開発者一人あたりのアクティブなフィーチャーブランチ数の中央値は7本
- Q3時点では9本に増加
- 上位5%の活発な開発者に至っては36本→57本
しかし、それらのブランチが速く進んでいるわけではない。フィーチャーブランチのスループットはQ2比で低下（2.04→1.89）し、障害からの回復時間はQ1の約80分から86分に悪化している。
週末の数字はより象徴的だ。AIエージェントが開発者の不在中も動き続けるため、週末のフィーチャーブランチ数はQ1比で65%増加した。エージェントやボットが週末のフィーチャーブランチの約5件に1件を担っている。だが、週末の障害回復時間は104分と、平日より32%長い。誰も見ていないうちにWIPだけが積み上がり、誰かが戻ってきたときに山のような積み残しが待っている。
高パフォーマンスチームは何が違うか
上位5%のチームは、フィーチャーブランチの活動量をQ1比55%増やしながら、メインブランチへのスループットも57%増加させた。開発量と完了量を同時に伸ばしている。
その違いを生む要因として、レポートは3点を挙げている。
- CIフィードバックが速い：メインブランチのCI実行時間の中央値が1.5分（全体中央値は6.2分）
- フィーチャーブランチの成功率が高い：75.6%（全体は66.6%）
- マージ効率比（MER）が低い：メインへの1回のマージに必要なフィーチャーブランチの実行回数が少ない。つまり、余分な検証ループが少なく、開発者が同じ変更に何度も戻らずに済む
元記事はScrum.orgのMary Iqbalによる「AIが開発を加速させた今、WIP上限の設定を見直す必要がある」という主張、およびThoughtworksのCTO Rachel Layockによる「なぜレビューをコード完成後に集中させるのか」という問い直しを引用している。フィードバックと意思決定を実装の早い段階に移すことで、問題が積み重なる前に解消できるという考え方だ。
「工場の在庫問題」としてのAI開発
AIエージェントが並列で複数タスクを進めていても、「認可の判断が必要」「他チームのインターフェースに影響する」「CI環境の情報が不足している」といった局面では、人間の判断が必要になる。エージェントは間違いを犯したわけではなく、プロジェクト全体のコンテキストや技術的トレードオフの判断を人間に委ねているだけだ。
この構造は、製造ラインで「前工程だけが全力稼働して在庫が積み上がる」状況と本質的に同じである。AIが増やしているのは在庫（WIP）であり、出荷量（スループット）ではない。 WIPを制限し、フィードバックループを短縮することが、AI時代の開発生産性を本当に高める鍵だとレポートは結論づけている。
詳細はYour AI software factory has an inventory problemを参照していただきたい。
