AI で「生産性 2 倍」の号令、その後 — 速くなるほど詰まる確認の工程

何が起きたの? — 「2 倍」の号令を 2 年あまり追跡

論文の題名は「AI Writes Faster Than Humans Can Review」です。直訳すると「AI は人が確かめるより速く書く」。米カーネギーメロン大学や米スタンフォード大学などの研究者がまとめ、2026 年 7 月 2 日に論文の公開サイト arXiv に載せました。ITmedia が 10 月 15 日に紹介しています。

対象は、企業向けのソフトウェアを作る中規模の会社です。CTO が開発部門あてのメールで「AI 活用によりエンジニアリング生産性を 12 カ月で 2 倍にする」と掲げました。研究者は 2024 年 1 月から 2026 年 4 月まで、開発者 802 人の仕事を追いました。

進み具合の物差しは、開発者が書いたプログラムを「確かめてから取り込んでください」と出す依頼(プルリクエスト)の数です。追った依頼は 19 万 6212 件にのぼります。

効果は、ツールを入れた瞬間に出たわけではありません。使い慣れるにつれて、徐々に高まりました。

伸びは若手からベテランまで広く見られました。ふだんは管理の仕事が中心のマネジャー層も、プログラムを出す量が増えました。一方で、伸びたのは新しいシステムです。昔からある古いプログラムでは、あまり効果が見られませんでした。

なぜ確認の工程で詰まるの? — 作る速さと確かめる速さ

仕事には「作る」工程と「確かめる」工程があります。AI が速くしたのは、作る工程です。確かめる工程は、今も人が読んで判断します。

作る量が 3 倍になっても、確認する人を同じだけ増やすのは簡単ではありません。この会社では確認する人が 1.5 倍程度にとどまりました。1 人あたりの負担は、実質的に倍増しています。

工場にたとえると、前の工程の機械だけを速くしたような状態です。検品の台に箱が積み上がります。この会社は、検品の多くを機械に任せる道を選びました。依頼の 8 割以上を、AI のボットなどが自動で受けるようになりました。

残った人の確認でも、具体的な指摘を付けずに承認するだけの割合が高まりました。研究では、差し戻しなどの短期的な品質低下はすぐには起きていません。ただ、確認が形だけになる変化は、数字に表れにくいものです。

仕事や会社はどう変わるの? — 詰まる場所が移る

この話は、ソフトウェア開発の現場に限りません。AI で企画書や報告書、見積もりを速く作れるようになると、読んで判断する人の机に書類が積み上がります。

研究では、伸びが新しいシステムに集中しました。古い仕組みが多く残る職場で、号令の数字どおりに伸びるとは限りません。目標を全社に一律にかける前に、どの仕事で効くのかを見ておくほうが安全です。

SYNCON の視点 — 「出来高」の前に「確かめる人」を数える

「AI で生産性 2 倍」という号令は、作る量だけを見れば、この会社でほぼ実現しました。2.09 倍という数字は、号令が空回りしなかったことを示しています。

見落としやすいのは、増えた量を誰が確かめるかです。確かめる人が増えなければ、確認は機械任せか、中身を見ない承認に流れます。品質の問題は、すぐには数字に出ません。

AI の目標を掲げる前に、決めておきたいことは 3 つです。増えた成果物を誰が確かめるか。その人の時間をどこから空けるか。確認の中身を何で測るか。目標の数字は「作った量」より「確かめ終えた量」で置くほうが、実態に合います。

要点まとめ

• CTO が「12 カ月で 2 倍」を掲げた企業で、開発者 802 人と依頼 19 万 6212 件を追跡
• 開発者 1 人あたりの量は導入前の 2.09 倍。効果は使い慣れるにつれて高まった
• 組織全体の量は約 3.1 倍、確認する人は 1.5 倍程度で、1 人の負担は実質倍増
• 依頼の 8 割以上を AI のボットなどが自動で受け、人の確認は指摘のない承認が増えた
• 短期の品質低下はすぐには起きなかったが、確認が形だけになる変化は数字に出にくい
• AI の目標は、作った量より、確かめる人と時間を先に見積もって置く