BitcoinWorld
開発者はAIなしで作業を拒否 — しかし隠れたコストが積み上がっている
2026年、開発者は自らの姿勢をはっきりさせました。人工知能なしではコードを書かないと。権威あるAI安全ラボMETRの研究者は、AIがコーディング生産性に与える影響を測定した2025年の研究を再現しようとしたときに、この事実を直接目の当たりにしました。問題は何か？AI支援なしで作業するコントロール群に参加する開発者が全くいなかったことです。
METRの失敗した実験と自己認識のギャップ METRの元々の2025年の研究は、直感に反する結果を示しました。開発者はAIがあると生産性が上がったと感じるものの、実際にはAIが生成したエラーの修正やツールの操作、応答待ちに時間を費やすため、全体としては作業時間が長くなるというものでした。METRが新しいAIモデルで実験を再現しようとした際、参加者を募集できませんでした。研究者自身が告白したように、開発者は「AIなしで作業したくない」――たとえ一時的な統制実験であってもです。
代わりに、METRは2026年5月に技術職従業員が自己報告する形の調査を公開しました。予想通り、回答者は自分の価値が組織にとって2倍になったと認識していました。しかし、最近の動向はこの自己評価が現実を反映していない可能性を示唆しています。
Tokenmaxxing：すでに裏目に出ているトレンド AIのトークン消費量を生産性の指標とする慣行――通称「Tokenmaxxing」――は2026年初頭の代表的なトレンドとなっていました。しかし、その重みで崩壊しつつあるようです。Financial Timesが報じたところによると、Amazonは従業員がAIエージェントを過剰に走らせてコストだけが増大し、実質的な成果が伴わなかったため、社内のトークン追跡リーダーボード「Kirorank」を廃止しました。Uberは2026年のAI予算をわずか4か月で使い切り、COOのAndrew Macdonaldはポッドキャストで、支出がプロジェクトや生産性の測定可能な向上につながっていないと認めました。
保守コストの罠 コスト超過に加えて、AI生成コードが長期的な負債をもたらすという証拠が増えています。プログラマー兼著者のJames Shoreは広く引用されたブログ記事で次のように述べています。「コードを書くだけなら今は2倍速いかもしれないが、保守コストが半減していなければ、結局はやらかしたことになる。短期的なスピード向上と引き換えに、永続的な束縛を買っているのだ」。
シンガポール経営大学（SMU）の独立研究（2026年4月発表）は「AI生成コードは実際のソフトウェアプロジェクトに長期的な保守コストをもたらす可能性がある」と警告しています。コードレビュー・プラットフォームのCode Rabbitはオープンソースのプルリクエストを分析し、AIが生成したコードは人間が書いたコードに比べて1.7倍多く問題を引き起こすことを明らかにしました。これらの数字はコードレビュー工具に商業的利害を持つ企業からのものですが、複数の情報源で同様のパターンが確認されています。
なぜ生産性の約束が空虚になるのか 認識された生産性と実際の生産性の乖離は新しい現象ではありませんが、AI導入の規模がそれを拡大させています。開発者はAIアシスタントを愛用しており、より速く、より有能に、そしてフラストレーションが減ったと報告しています。しかし客観的指標は別の物語を語ります。バグが増え、トークンコストが上昇し、保守負担が時間とともに蓄積されるのです。信頼性エンジニアリングスタートアップEntelligence AIのCEO、Aiswarya Sankarのバイラル投稿によれば、企業はAIが生成したバグ修正にAIトークンの44％を費やしているとのことです。
専門家の推奨事項 回答は質問する相手によって異なります。AIコーディングエージェントDevinを開発するCognitionのCEO、Scott Wuは「開発者はAIが作り出す問題を修正するために、さらに多くのAIを使うべきだ」と主張しています。しかし、Wu自身もDevinは現在、タスクに応じてジュニアから中堅レベルのプログラマーに相当すると認めており、完全に手放しの解決策ではありません。
シンガポール経営大学の研究者は、より人間中心のアプローチを提唱しています。開発者はAIが得意なタスクと不得意なタスクを自分のプログラミング言語への熟練度と同程度に深く理解すべきです。彼らはAI生成コード専用の強固な品質保証システムと、ジュニア開発者の作業と同様に慎重な人間レビューを推奨しています。研究者とWuが共通している点は、ソフトウェアアーキテクチャやセキュリティ設計といった大局的な意思決定は人間が担うべきだということです。
結論 コーディングという職業は転換点に達しています。開発者はAIをワークフローに深く組み込んだため、AIなしでは作業できない、あるいはしたくないという人が多数です。しかし、証拠はこの依存が実際のコスト――膨らんだ予算、隠れた保守負担、そして認識と実際の生産性のギャップ――を伴うことを示しています。今後の道はAIを捨てることではなく、いつ・どのように使うかについてより規律ある実践を築き、人間の判断がソフトウェア工学に不可欠であることを受け入れることにあるでしょう。
FAQ Q1: なぜMETRは2025年のAI生産性研究を再現できなかったのか？ 開発者がAI支援なしで作業する必要があるコントロール群への参加を拒否したためです。METRは代わりに調査ベースのレポートを公開しました。
Q2: Tokenmaxxingとは何で、なぜ議論を呼んでいるのか？ TokenmaxxingはAIトークン消費量を従業員の生産性指標として用いる慣行です。AmazonやUberなどの企業は、従業員がシステムをゲーム化し、出力の増加に見合わないコスト上昇を招いたため、トークン追跡プログラムを中止しました。
Q3: AI生成コードは保守コストを増加させるのか？ シンガポール経営大学の学術研究、Code Rabbitによる独立分析、業界専門家のコメントなど、複数の情報源がAI生成コードは人間が書くコードに比べてバグが多く、長期的な保守負担が大きくなることを示しています。
この投稿開発者はAIなしで作業を拒否 — しかし隠れたコストが積み上がっているは最初にBitcoinWorldで掲載されました。