AIコーディングツールを活用することで、開発者の生産性はどの程度向上するのでしょうか？最近、AIによって開発者の生産性が2倍、3倍、あるいは5倍も向上するという憶測が盛んに飛び交っています。あるレポートでは、2030年までに開発者の生産性が10倍に増加すると予測されています。
しかし皮肉なことに、エンジニアリングコミュニティは、エンジニアリングの生産性を測定するための普遍的な方法に関して、ほとんど合意に至っていません。中には、ほとんどの指標には欠陥や不完全さがあると主張し、この考え方を完全に否定する人もいます。今日、AIが生産性を向上させるという主張のほとんどは、調査や逸話に基づく定性的なもので、定量的なデータに基づいていません。
生産性の測定方法について合意が得られなければ、AIについてどのように判断を下せるでしょうか？リモートワークの実験から私たちが学んだことがあるとすれば、それは、意思決定の根拠となるデータがなかったことです。データや測定ではなく、独断とイデオロギーに基づいて、オフィス、リモート、ハイブリッドの戦略をあれこれと切り替えるしかなかったのです。
私たちはAIによって同じことを繰り返す道を歩んでいます。前進するためには、まずAIの影響を理解し、定量化する必要があります。
遅れをとるリスク
AIをめぐる現在の熱狂は、品質への未知の影響、盗作の潜在的なリスク、その他の要因により、一部の人々に躊躇させる理由を与えているかもしれません。最も慎重な企業は、事態の展開を見守るべく、待機状態に入っているのです。
しかし、テクノロジーを活用した企業にとって、後れを取るリスクは存亡の危機です。AIは企業を加速させる二重の要因であり、企業が何をどのように構築するかという両面に影響を与えます。今日AIに投資する企業は、AIを活用した新製品を市場に投入するだけでなく、より迅速かつ低コストで製品を市場に投入することで、二重の利益を得る可能性を秘めています。
多くの企業は「何を」に焦点を当ててきましたが、AIは「どのように」を推進し、10倍、あるいは100倍のエンジニアリングチームを創出する可能性があります。AIツールを最も効率的かつ効果的に最適化することで、キャズムを迅速に乗り越え、生産性のプラトーに早く到達する方法を見出している企業は、今後何年にもわたって優位なスタートを切ることができます。何もしないことのリスクは大きすぎます。
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
トレードオフを理解する
ハンマーを持っている人にとっては、すべてが釘に見えます。AIも同じです。
最近のGitHubレポートによると、開発者がAIコーディングツールの最大のメリットとして挙げたのは、コーディング言語スキルの向上でした。もう一つの重要なメリットは、定型コードの作成といった反復的なタスクの自動化です。Codecovによる最近の実験では、ChatGPTは単純な関数や比較的単純なコードパスのシンプルなテストの作成において優れたパフォーマンスを発揮することが示されました。
しかし、他のテクノロジーと同様に、AIにもトレードオフは存在します。例えば、生成AIやLLMは、コードベースをあるアーキテクチャから別のアーキテクチャに移行したり、ビジネスロジックを新機能に組み込んだりといった、非常に複雑で創造的なタスクには対応できません。開発者がAI生成の提案を盗作、ライセンス制限、幻覚などのチェックなしに受け入れた場合、予期せぬセキュリティホールや法的問題が生じる可能性さえあります。
しかし、AIがソフトウェアの開発と出荷方法を変えるために万能薬である必要はありません。こうした限界があっても、適切なタスクを支援するために、AIをいくつかの的確な方法で活用すれば、それらのタスクを10倍も容易に、速く、あるいは安くする新たな可能性を切り開くことができます。
影響の定量化
ほとんどの開発者はすでにAIを活用したツールを使用しています。GitHubの最近の調査によると、ユーザーの92%が仕事またはプライベートでAIコーディングツールを使用しています。そのため、企業は新しいAIツールの導入前後の生産性を比較するために、できるだけ早い段階でベースラインを確立することが重要です。
シンプルな代理指標であっても、新しいツールの影響に関する定量的な洞察を得ることができます。例えば、40万人以上の開発者コミュニティを対象とした調査では、GitHub Copilotを使用している開発者は、AIコーディングアシスタントを使用していない開発者と比較して、キー入力1回あたりの文字数が1.3倍、コード行数が1.22倍という結果が出ています。コード行数の増加が必ずしも生産性の向上につながるわけではありませんが、GitHub Copilotを使用している開発者が、ユニットテスト、関数、その他の定型コードなど、コード作成速度が向上していることは、反復的なタスクにかかる時間と労力を削減していることを示しています。
同様に、AIツールへの投資前と投資後でチームがどれだけの機能を提供できたかを測定することで、その効果を定量化できます。エンジニア1人当たりの機能提供数の増加（および機能提供コストの削減）は、AIツールへの継続的な投資に対するビジネスケースを強固なものにします。
チャーンとリファクタリングに提供された機能を比較することで、AIが品質に与える影響を理解するのにも役立ちます。新しいAIコーディングツールの導入によって品質問題が発生している企業は、チャーンとリファクタリングに多くの時間を費やし、新機能の開発に費やす時間が少なくなります。
ある程度の変更やリファクタリングは必要ですが、その量が増えると、それらのツールの ROI がそれほど魅力的ではなくなる可能性があります。
適切な投資を行う
AIが開発者の生産性を向上させるかどうかを解明するには、まずAIの影響に関する可視性を高める必要があります。つまり、開発プロセスにおいてAIが最も大きな投資対効果を発揮する可能性のある場所、時期、そして方法を明確にすることです。生成型AIをめぐる熱狂と期待が高まる中、真実を明らかにするために適切なデータを明らかにすることがこれまで以上に重要になっています。
企業はAI開発ツールへの投資を進める中で、ソフトウェア開発に可観測性を適用することで、チームの能力強化を図ることができます。可観測性は、AIの限界と可能性をより早く理解するのに役立つだけでなく、リモートワーク、DevOps、社内開発プラットフォームなど、生産性に影響を与える他の要因についても議論する機会を提供します。
AI が生産性の向上に役立つことは間違いありませんが、その仕組みを理解し、情報に基づいた意思決定を行うために、事実を調べてみましょう。
