AIを入れたのに、なぜ開発は速くならないのか——研究が示す「活動と成果のギャップ」

「AIで開発が速くなる」という命題を、誰もが直感的に正しいと思っている。コードを書く速度は上がる。自動補完は効く。エラーの修正も早くなる。では、なぜ実際のプロダクトの出荷速度は上がっていないのか。

この問いをセミナーのタイトルに据えた研究者がいる。Microsoft ResearchのChristian Birdだ。2026年10月30日、UC Irvineのソフトウェアエンジニアリングセミナーで行われた講演「Why aren't we shipping faster now?」は、AI時代の開発生産性をめぐる議論に、静かに、しかしくっきりとした水を差す内容だった。


「活動」と「成果」は別物だという指摘

今回の講演で紹介された研究論文の中で、最も核心を突くタイトルを持つものがある。

"The Activity-Outcome Gap: Why AI Does Not Solve Software Engineering"(Cha, Badea, Baym, Bird, Butler, Murphy-Hill, Hadley, 2026)

タイトルが答えを言い切っている。AIは「活動」を変えるが、「成果」は変えていない——というのがこの論文の主張だ。

ここで言う「活動」とは、コードを書く、テストを実行する、ドキュメントを生成するといった、開発プロセスの中で可視化しやすい行動の総体だ。AIはこれらを加速させることに長けている。コードの補完速度は上がり、テストのスキャフォールディングも自動化できる。

だが「成果」は違う。ユーザーに届けられた価値ある変更の数、バグの減少、リードタイムの短縮——これらは「活動が増えた」だけでは改善しない。むしろ、AIが生成する活動量が増えれば増えるほど、その下流にある人間の判断・レビュー・検証・理解という工程が、相対的に詰まっていく。


研究が示した具体的な事実

講演では複数の研究が紹介されている。それぞれが補完的な形で、同じ問いに異なる角度から迫っている。

ひとつ目は、NBER Working Paper 35275(Demirer, Musolff, Yang, 2026)だ。タイトルが示唆的で、「Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools」という。「コードを書くこと」と「コードを出荷すること」を意図的に分けたタイトルだ。複数世代にわたるAIコーディングツールの生産性効果を分析したこの論文は、ツールの世代が上がるほど「書く速度」への影響が大きくなる一方で、「出荷」への影響については別の議論が必要であることを示唆している。

ふたつ目は、開発者へのインタビュー研究だ(30件のインタビューが実施されており、論文は公開準備中)。ここでは開発者がAIツールに対してどう向き合っているか、特にAIの「自律性」についての考え方が掘り下げられている。

関連論文として紹介されている**"You Shall Not Pass! Where and Why Developers Draw the Line on AI Autonomy"**(Choudhuri, Bird, Badea, Gerosa, Sarma, 2026, arXiv:2607.00533)というタイトルは、そのまま内容を表している。開発者が「ここから先はAIに任せない」と判断する場所と理由を分析した研究だ。

また、"'To Boldly Go Where No One Has Gone Before': What Has AI Let Developers Unlock?"(Choudhuri, Butler, Bird, Badea, Houck, Sarma, 2026, arXiv:2610.23708)では、AIが開発者に「これまでできなかったことを可能にしたか」という問いを立てている。可能にしたケースはある——だが、それが組織全体の出荷速度に変換されているかは、また別の問題だ。

さらに、"(When) Should a Software Factory Be Lights-Off?"(Yang, He, Cheng, Butler, Murphy-Hill, Badea, Bird, 2026, arXiv:2610.13668)という、コードレビューエージェントをバグ検出でベンチマークした研究も紹介されている。「ライツオフ(人間不在の完全自動)」がどの条件で成立するかを問うタイトルは、自動化への楽観論に対して慎重な問いを投げかけている。


ここからは見方の話——構造として何が起きているのか

Christian BirdがこのセミナーのタイトルをWhy aren't we shipping faster now? にしたのは、偶然ではないと思う。「writing faster」ではなく「shipping faster」だ。

AIはコードを「書く速度」に影響を与えた。それは否定しない。だが開発組織が最終的に問われるのは「出荷速度」と「出荷品質」だ。この二つの間には、コードを書く以外のすべての工程が横たわっている。

レビュー。テスト設計。要件の解釈。セキュリティ確認。リリース判断。これらはどれも、AI生成コードの量が増えれば増えるほど、処理すべき量も増える。しかもこれらの工程の多くは、AIが生成した成果物の信頼性を人間が担保する工程だ。生成が速くなれば、担保の需要も増える。

ここに「活動と成果のギャップ」が生まれる構造がある。

注目したいのは、Jensen Huang(NVIDIA CEO)の言葉が講演の参照資料に含まれていることだ。2023年5月のComputex基調講演での発言として引用されている。AI楽観論の象徴的な言説を、研究者が実証的データと対峙させるために置いている——と読むのは深読みかもしれないが、その配置には意図を感じる。


実務的に何を問い直すべきか

今、開発組織が「AIツールを入れました、使用率も上がっています」という報告で満足しているとしたら、それは「活動指標」を見ているだけだ。

問い直すべきは、次のような問いだ。

  • リードタイム(要件確定から本番デプロイまで)は短くなっているか
  • バグの検出タイミングは開発フェーズに移っているか、それとも本番に近い場所に留まっているか
  • コードレビューのキューは長くなっていないか
  • 「AIが生成したが誰もきちんと読んでいないコード」が蓄積していないか

特に「開発者がAIの自律性に線を引く場所」という観点は実務的に重要だ。開発者が「ここはAIに任せない」と判断している工程は、往々にして組織全体のボトルネックでもある。その場所を無視して生成速度だけを上げても、詰まりは解消されない。

ICSE 2026で発表予定の**"'Maybe We Need Some More Examples': Individual and Team Drivers of Developer GenAI Tool Use"**(Miller, Choudhuri, et al., arXiv:2507.21280)では、個人・チームそれぞれのレベルでAIツールの活用を促進・阻害する要因が分析されている。ツールを「配る」だけでは活用が進まない理由の説明と、組織設計への示唆を含む研究だ。


次に問われること

この一連の研究が示す問いは、技術論ではなく組織論と測定論に移っている。

「何をもって生産性とするか」の定義が、次の論点になる。コードの生成量を測るのか、出荷されたフィーチャーの数を測るのか、それともユーザーへの価値の量を測るのか。同じ組織の中でさえ、この定義が人によって異なることは珍しくない。AIが開発プロセスに本格的に入ってきたことで、「何を最適化しているのか」が曖昧なままの組織ほど、改善実感のないAI投資が積み上がっていく。

もうひとつの論点は「AIの自律性をどこまで許容するか」という設計の問いだ。開発者が自律性に線を引くとき、そこには理由がある。コードの意図を理解していないAIに設計判断を委ねることへの不安、本番への影響範囲の読みにくさ、暗黙のアーキテクチャルールをAIが無視すること——これらは「開発者が保守的なだけ」という話ではなく、現在のAIツールが持つ実際の限界を開発者が肌感覚で認識しているサインだ。

その「線」の場所を組織として把握し、そこに何を整備すれば線が動くかを考える——これが、ツールの導入ではなく「活用」の設計に踏み込んでいる組織とそうでない組織の差になっていくと思う。


まとめに代えて

「AIで開発が速くなる」は間違いではない。ただ、何が速くなるのかを精緻に問わないまま投資・評価・期待値を設定すると、現場の混乱だけが積み上がる。

Christian Birdの問い——「Why aren't we shipping faster now?」——は、AIツールへの不満ではなく、測定と組織設計への問い直しだ。開発組織の責任者にとって、「活動指標」と「成果指標」を分けて管理できているかどうかを確認する良い契機になる内容だと思う。


参考元: Why aren't we shipping faster now? – Christian Bird, UC Irvine SE Seminar