AIコード生成、生産性向上につながらず——ハーバード研究

AIによるコード生成ツールを使っても、ソフトウェア開発チームの生産性は期待どおりには向上しない——そんな調査結果を、ハーバード大学の研究チームが発表した。開発の現場では「AIが書くコードの量」と「実際に完成する仕事の量」が比例していないという実態が明らかになっている。

この研究は、ソフトウェア開発分析プラットフォーム「Jellyfish」を通じて収集したデータをもとに、718社を対象に実施された。規模や業種を問わず複数の企業が対象となっており、AI活用が進む現在の開発現場の実態を広く捉えた調査といえる。

調査からわかったのは、AIコーディング支援ツールやAIエージェント（自律的に作業を行うAIシステム）を導入すると、生成されるコードの総量は確かに増加するという事実だ。しかし、それが開発作業全体の完了量の増加に結びついていなかった。その主な要因として挙げられているのが、開発プロセスの後半で発生するボトルネック、とりわけ「コードレビュー」の負担増加だ。

コードレビューとは、書かれたコードを人間のエンジニアが確認・検証する工程のことで、品質を担保するために欠かせない作業だ。AIがコードを大量に生み出すほど、レビューすべき量も増える。その結果、後続の工程が滞り、全体の進捗が伸び悩むという構図が生じていた。いわば、入口だけを広げても出口が同じ幅のままでは、流れは速くならない状況に近いといえる。

この結果は、AI活用に伴う「見えにくいコスト」を浮き彫りにするという点で重要な意味を持つ。AIツールの導入によって一部の工程は自動化・高速化できる一方、それが下流の工程に新たな負荷をかける可能性があることは、これまで十分に議論されてきたとはいえなかった。生産性の指標として「コード量」だけを見ていると、現場の実態を見誤るリスクがあるという見方ができる。

ソフトウェア開発の生産性を評価する際には、コードが書かれる速度だけでなく、レビュー・テスト・デプロイといった後続工程も含めたプロセス全体を俯瞰することが、より本質的な指標になりうる。今回の研究はその観点を裏付ける一つの根拠として位置づけられる。

AIコーディングツールの普及が加速するなかで、企業がどのようにレビュー体制を整備し、開発フロー全体を再設計していくかが、今後の現場における実質的な課題になるという見方ができる。ツールの選定や導入効果の測定においても、コード生成量ではなく完成した成果物の量や品質に着目した評価軸が、より実情に即したものになっていくと考えられる。