AIフローダイナミクス——ループは自動的に高速化しない

2026年6月18日

AIはコード作成を安価かつ高速にしましたが、コードを実際の価値に変えるには、レビュー、市場測定、顧客吸収という3つのフィードバックループが必要です。これらのループはAIの進歩によって自動的には高速化せず、むしろ新たなボトルネックとなっています。過去15年間、私たちはCI/CDパイプラインを構築し、1行のコード変更を低コストでリリースできるようにしました。しかし今や、AIは同じパイプラインを通じて数千行のゼロコスト変更を送り込み、制約は作成からレビュー、測定、吸収へと移りましたが、パイプライン自体はほとんど変わっていません。

最初のボトルネックはレビューです。AIは20分で数千行のコードを生成できますが、人間のレビュー速度は一定です。コード量の急増に伴い、レビュー工程が全体の律速段階となります。解決策は自動化チェックの導入です。型チェック、契約テスト、プロパティベースのテストなど、機械検証可能な側面を自動化し、人間は意図の確認に集中します。さらに、CIとCDを分離し、変更をビルドしてテストしても顧客に届かない状態を作ることで、評価と判断のバッファを確保します。

2番目のボトルネックは測定です。リリースが顧客行動を変えたと断言するには、ノイズを区別できる十分なシグナルが必要です。必要なサンプルサイズは効果の大きさの逆二乗に比例します。例えば、10%のベースラインで2%の相対変化を検出するには、各バリアントで約35万回の観測が必要です。無料コードはこの数を変えませんが、顧客に送る変更数は線形に増加します。測定能力を超えた変更は評価不能となり、学習がゼロになります。シミュレーション、プロキシメトリクス、パネルテストを用いて未リリースの機能を評価することで、限られた実トラフィックを本当に革新的なテストに使えます。

3番目のボトルネックは顧客吸収です。これは最も困難な外部ループです。顧客が受け入れられる変化の量とスピードには限界があり、大きな変更ほど効果が現れるまで時間がかかります。チームは忍耐強く、リリース量を管理し、各イテレーションが適切に評価されるようにする必要があります。成熟したチームは各ループへの入力を測定し、それに基づいて調整します。そうでなければ、過剰な生成は学習の欠如とリソースの無駄を招くでしょう。

結論として、AI時代の核心的な課題はコードを生成することではなく、生成されたコードが各ループを滞りなく通過する方法を設計することです。自動化チェック、CI/CDの分離、シミュレーションの活用がボトルネックに対処する鍵です。