AIコーディングは依存性があり、エンジニアはその代償を払っている

AIコーディングはエンジニアに時間を取り戻すはずだった。しかし、LeadDevの「Engineering Leadership Report 2026」は、多くのエンジニアが以前よりも長い時間働いていることを明らかにした。

報告書によると、回答者の45%が昨年より週当たりの労働時間が増加しており、2025年の38%から上昇した。最も増加が大きかったのは上級エンジニア（スタッフ、プリンシパル、ディスティングイッシュド）で、2025年の28%から2026年には53%に達した。これは「AIがエンジニアの時間を解放する」という支配的な語りに反する。

開発者でブロガーのSteve Yeggeは、AIが10倍の生産性向上をもたらすという考えを支持しているが、「AI Vampire」効果により通常の勤務時間外でも働かされていると認める。2026年2月、彼はAIを活用したコーディングが「本当に依存性がある」と書き、長時間の「バイブコーディング」セッションの後に突然クラッシュして眠ってしまうこと、業界に非現実的な基準を設定したことに後悔していると述べた。

「AI Vampire」とは、AIコーディングアシスタントやエージェントの超生産的な性質によって、労働時間、時間、精神的エネルギーを消費されるエンジニアを指す用語である。YeggeはLeadDevに「AIはセイレーンのように、本来以上に長くコンピューターの前に留まらせる」と語る。

AIスロットマシン

LeadDevは業界に、開発者がAIコーディングに依存しているために長時間働いているかどうかの意見を求めた。あるLinkedInのコメントは「一部は依存症です。プロンプトを送って生産的だと感じることで得られるドーパミンショックがあります。そういう人にとってAIは単なるスロットマシンです。トークンを入れてジャックポットを狙い、当たらなければさらにトークンを入れる。小さな勝利が偽りの希望を与え、結局大きな損失を被り、失ったものを取り戻そうとさらにトークンを入れる」と述べた。

しかし、勝利だけが依存性を生むわけではない。Yeggeは「良いことが起こればドーパミン、悪いことが起こればアドレナリンが出ます。AIでは良いことと悪いことが両方とも非常に速いペースで起こります。そのため、バイブコーディング中に脳は化学浴を浴びています。AIにプロンプトを送るたびにランダムな報酬が得られ、これはカジノに匹敵するほど非常に依存性が高いことが示されています」と説明する。

AIコーディングとギャンブルはどちらも断続的な報酬を伴う。研究によると、予測不可能な報酬は繰り返し行動を強く動機づける。AIコーディングツールは同様のパターンを作り出し、ほとんどのプロンプトは日常的で、一部は失敗し、時折予期せぬ価値のある結果を生む。その不確実性が、次のブレークスルーを求めてプロンプトを続けさせる。

依存性によるバーンアウト

しかし、ドーパミンが切れると、開発者はバーンアウトに直面する。ソフトウェアエンジニアの約半数（49%）が少なくとも週に1回は仕事で感情的に消耗していると感じており、2025年の39%から増加した。エンジニアリングマネージャー（48%）やマネージャーのマネージャー（46%）でも同様の数字が報告されている。

CTOで最も劇的な変化が見られた。54%が少なくとも週1回は仕事での感情的な消耗を報告し、2025年の24%から30ポイント増加した。MultiplayerのCTO Thomas Johnsonは「AIがチームに事実上無限のキャパシティを与えたため、『獣を養う』ために非常に詳細な製品仕様書を書く絶え間ないプレッシャーが生まれ、CTOはバーンアウトしている」と報告書で述べている。

カリフォルニア大学バークレー校の研究者は、AIが約束する生産性向上により、熱心なユーザーがより多くの仕事を引き受け、より速く働き、過度にマルチタスクを行う傾向があることを発見した。しかし、AIが「もっとできる」を実現可能に感じさせるにつれて、ユーザーは過度に自分を追い込んでしまう可能性がある。

「私たちは新しい薬に依存しているようで、その効果のすべてをまだ理解していない」とYeggeは書いている。その一つは「毎日の極度の疲労」だと付け加える。

これは、AIが従来のコーディングに組み込まれていた停止点（壁にぶつかる、レビューを待つ、単に疲れ果てる）を取り除いてしまうからだと、BRYGE AIの創設者Rebecca KoniahgariはLeadDevに語る。「すべての問題に即座の次のステップがあるため、意識的に停止する決断をするまでセッションは続きます。進捗が見えれば見えるほど、その決断は難しくなります。それが毎日繰り返されると、それは生産性ではなく、バーンアウトへの準備です」と彼女は説明する。

健全なAIコーディング習慣

「AI Vampire」効果を管理するために、リーダーはツールの制限よりも、人々と健全なワークフローをサポートすることに焦点を当てるべきである。Koniahgariは、効果的なAI利用には意図的な境界設定が必要だと主張する。彼女は「セッションを時間制限する」ことを推奨し、AIツールを開く前に明確な目標と厳格な終了時間を設定するよう提言する。AIは決してセッションが完了したと判断しないため、ユーザー自身が停止点を確立しなければならないと述べる。

また、探索と実行を分離することの重要性を強調する。彼女の見解では、探索には「寄り道、アイデアのテスト、可能性の検討」が含まれ、実行は「出荷」を意味する。両者を混ぜるとコストがかかる。「そこで3時間を失い、何もマージされない結果になる」と彼女は言う。

最後に、Koniahgariは持続可能性の重要性を強調し、「睡眠、ハードストップ、実際の回復」を通じて働き続ける能力を守るよう促す。これはウェルネス実践ではなく、メンテナンスである。

Yeggeは、健全なAI利用はトレーニングから始まると提案する。AI習熟度は自動的に得られるものではなく、ほとんどの人は長期間の実験を経て、しばしば非効率的な習慣を身につけてから効果的な方法を発見する。彼自身の経験として、本当に熟達するまでに約1年かかったと述べている。

「トレーニングは重要な第一歩であり、異なるスキルレベルやコホートがあります。初級トレーニングでは、おそらく1日中単一のエージェントを同期的に使用することから始めます。その後、数週間から数ヶ月後には、マルチエージェントフレームワークを使ったより高度なトレーニングが必要になるでしょう」と彼は説明する。

効果的にAIと協働するスキルを身につけたユーザーは、自分自身のAI支援ワークフローを構築し始めることができる。Yeggeは「万能の解決策はない」と強調し、あるユーザーはAI「参謀」に依存し、別のユーザーはエージェントチームを使い、また別のユーザーは厳密に範囲設定されたタスクや広範なコンテキストを好む。重要なのは、AIワークフローは非常に個人的であり、実験を通じて進化し続けるということである。

「『健全』には今、多くの異なる形があります。特定の健全なワークフローを規定するよりも、アンチパターンを避ける手助けをすることに焦点を当てる方が良い段階です」とYeggeは結論づけている。