AIツールが一部のチームを遅くする理由

本記事は「コーディングアシスタントを超えて」シリーズの第2回であり、エンタープライズ規模でのAI支援ソフトウェアエンジニアリングに焦点を当てています。全シリーズは https://articles.zimetic.com で無料で読めます。

同じ四半期に、同じベンダー、同じモデル、同じシート数のAIコーディングアシスタントを展開した2つのチームは、全く異なる結果を得る可能性があります。一方のチームは、より多くの成果を出し、インシデントが少なく、エンジニアの満足度も高い。もう一方のチームは、ツール導入前よりも出荷量が減ります。プルリクエストはレビュー待ちで山積みになり、テストは不安定で、デプロイは滞ります。エンジニアのコンテキストスイッチは増え、睡眠は悪化し、LinkedInで「AI疲れ」について書き始める人さえ出てきます。

この2つの結果の違いは、AI自体ではなく、AIが高速化を押し進めるすべてのもの、つまりAIが変えなかったが今は追いつかなければならないすべてのものにあります。

データが示す矛盾

最も信頼できるデータポイントは、2024年のDORA Accelerate State of DevOps Reportです。DORAはソフトウェアデリバリーのパフォーマンスを測定する業界標準フレームワークであり、スループット、安定性、復旧時間、変更失敗率をカバーします。2024年のレポートはAI導入にかなりのスペースを割き、本当に厄介な発見をしました。

個人レベルでは、AIは明確な勝利に見えました。回答者の75.9%が仕事の一部にAIを頼っていると報告し、75%が個人の生産性向上を報告しました。フローが改善され、仕事の満足度が向上し、人々はツールを気に入っていました。

しかし組織レベルでは、状況は逆転しました。DORAのモデリングによると、「AI導入の25%増加は、推定1.5%のデリバリースループット低下と7.2%のデリバリー安定性低下と関連しています」。個々の開発者はより速く感じた。チームの出荷は信頼性を低下させた。どちらの声明も、同じチームの同じ調査から得られたものです。

MITスローンとマイクロソフトの最近の研究は、このギャップの理論的枠組みを提供しています。「タスクの連鎖、仕事の再定義：AI自動化の理論」において、Shahidiらは、AIの価値はタスクレベルではなくワークフローレベルで現れ、その価値を捉えるまでには閾値効果があると主張しています。「その閾値に達するまでは、AI導入のコストが利益を上回る」と、筆頭著者のPeyman Shahidi氏は2026年4月にMITスローンに語っています。チームがAIを中心に再構築されて初めて、測定可能な利益が現れます。DORAの異常は、この閾値前ゾーンが本番でどのように見えるかを示しています：個人のタスクは加速する一方、チームレベルのワークフローは古いプロセスで調整されたまま遅れをとります。

Gene Kim氏とSteve Yegge氏の「Vibe Coding」（2025年）はこれを「DORA異常」と呼び、彼らのフレームワークであるFAAFO（Fast、Ambitious、Autonomous、Fun、Optionality）と関連する実践セットが必要とされる中心的な動機の一つとして扱っています。彼らはAIが悪いと言っているのではなく、適切な実践の足場なしではAIがDORAで測定されたパターンを確実に生み出すと言っています。

なぜ高速なコーディングがチームを遅くするのか

メカニズムは次の通りです。フロントエンドのコーディングステップが加速しても、下流がそれに応じてアップグレードされなければ、ボトルネックは消えずに移動するだけです。

より多くのコードは、より多くのレビュー負荷を意味します。より多くのレビュー負荷は、プルリクエストのレイテンシ増加を意味します。より多くの待機中のPRは、レビュアーのコンテキストスイッチ増加を意味します。より多くのコンテキストスイッチは、より多くのミスがすり抜けることを意味します。人間の注意力は有限であり、Gloria Mark氏の23分間の割り込みからの回復時間は、割り込みが通知によるものであれ、新しいAI生成PRによるものであれ、依然として真実だからです。より多くのミスは、より多くのインシデントを意味します。より多くのインシデントは、より多くのオンコール割り込み、より多くのポストモーテム、パイプラインへの信頼再構築のための時間増加を意味します。それぞれが他を増幅します。

MITスローンの論文はこの点をさらに明確にしています。AIと人間の間の各ハンドオフには、レビュー、検証、調整という調整コストがかかり、AIタスク→人間タスクのワークフローは各ステップでこれらのコストを蓄積します。隣接するAI対応タスクをクラスター化したエンドツーエンドのワークフローは、ハンドオフ税を回避できます。「より多くのコード、より多くのレビュー、より多くのコンテキストスイッチ」のカスケードは、可視化されたハンドオフ税です。

AI登場以前から、「コーディング」部分は総スループットのごく一部でした。それを単独で加速しても、天井はほとんど上がらず、むしろ下流ステップのキャパシティを奪うことで天井を下げる可能性さえあります。

これは新しいメカニズムではありません。ソフトウェアデリバリーに適用されたアムダールの法則であり、調整作業に適用された制約理論です。非支配的な段階を加速するとボトルネックが移動します。新しいボトルネックが古いものより悪ければ、総スループットは低下します。

勝者と敗者を分けるもの

AIツールから利益を得るチームは、特定の実践群を持っているか、急速に開発する傾向があります。Vibe Codingはそれらを基礎スキルと呼び、同様のアイデアはDORA自身の推奨事項やAI拡張開発に関する活発な文献にも登場します。核心セットは以下の通りです：

• アーキテクチャ思考：誰かがシステム全体の形状に責任を持ち、現在の差分だけでなく。AI生成コードはデフォルトで良いアーキテクチャを生成しません。「プロンプトが示唆したもの」がデフォルトです。AIから利益を得るチームは、変化の速度が加速する中で全体構造の一貫性を保つ人間を持っています。
• 迅速なフィードバックループ：テスト、CI、プレビュー環境が数分で実行される。人間のコーディング速度では厄介だった45分のCIサイクルは、AIのコーディング速度では破滅的になります。なぜなら、入ってくる変更の速度が検証ステップを圧倒するからです。Kent Beck氏——エクストリームプログラミングの生みの親——は2025年以降、TDDがAIエージェントと組み合わせると特に「スーパーパワー」になると明言しています。TDDとXPの実践は2005年の復活のように感じられますが、それらは迅速なフィードバックループを実現する実践だからです。
• 明確なエージェント通信プロトコル：エージェントが受け取るコンテキスト、返すもの、ハンドオフの様子。利益を得るチームはエージェントの相互作用をAPI呼び出しのように扱います——バージョン管理、文書化、規約化。苦戦するチームは自由形式のチャットのように扱います。
• 依存関係管理と小さく明確に境界付けられた作業項目：AIエージェントは小さく明確に指定された作業には成功し、大きく曖昧で複数ステップの作業には失敗します。勝つチームはAIツールに適切なサイズのタスクを与えます。苦戦するチームは1つのプロンプトで3人分の仕事を要求します。
• 行動の独立性と調整の規律のバランス：エンジニアはツールを自由に探求する必要があります。同時に、探求がコードベースを断片化しない十分な共有構造も必要です。「各自が好きなようにAIを使う」は自律性のように感じられますが、誰もレビューできないコードベースを生み出します。

敗れたチームに欠けているもの

鏡像：アーキテクチャの明確なオーナーシップがない；遅いまたは不安定なフィードバックループがAIのスループット増加によって圧倒される；アドホックなプロンプトで共有規約がない；作業項目が大きすぎる、曖昧すぎる、または結合度が高すぎてAIも人間もクリーンに進められない；「エンジニアが好きなようにAIを使う」ことを自律性とみなす文化、それは実際には調整の拒否である。

ツールはチームの既存の実践を増幅します。もしそれらの実践が弱ければ、ツールは弱点をより速く可視化します。

これはツールのせいでもエンジニアのせいでもない

失敗モードは構造的です。チームはAI以前のコーディング速度に合わせたペースでSDLCを実行していました。フロントエンドが加速し、他の部分が変わらなければ、システムは内部からは見えにくい形で悪化します。エンジニアはより生産的になったと感じます（より多くのコードを書いた！）。チームは非生産的になります（出荷が減り、バグが増える）。

今やエンジニアは、プルリクエストのバックログを抱えて出勤し、すべての変更を整理できず、このPRが何をしているのかもわからず、圧倒されています。ストレスレベルは上がり続け、すべてのストーリーが自分を待っている。仕事は楽しさを失い、苛立ちが増します。

適切なツールと適切なプロセス

ライフサイクル全体を加速するツールと、チームメンバーのコンテキストスイッチの負担を減らしバックログを減らすプロセスを組み合わせることができれば、AIが約束するチームレベルのパフォーマンス向上を達成できます。

より多くのコードはより高い生産性ではありません。出荷された作業こそが生産性であり、出荷はチーム全体の成果です。次世代のAIツールはそれを認識しなければなりません。

次回予告

次回の記事「安価なAIの終焉」では、経済的な文脈が厳しくなります。バンドルされたエンタープライズトークンは廃止されつつあります。電力料金、メモリ料金、ハードウェア供給はすべて、「トークンを燃やすだけ」のアプローチにとって不利な方向に動いています。豊富な安価なトークンで実践のギャップを隠してきたチームは、その緩衝材を失おうとしています。

出典

• DORA | Accelerate State of DevOps Report 2024
• 2024 DORAレポートがAIの長所と短所を示す — InfoQ
• AIがワークフローを再形成し仕事を再定義する方法 — Kristin Burnham, MIT Sloan Ideas Made to Matter, 2026年4月
• タスクの連鎖、仕事の再定義：AI自動化の理論 — Shahidi, Demirer, Horton, Immorlica, Lucier
• Vibe Coding: Building Production-Grade Software With GenAI, Chat, Agents, and Beyond — Kim, Yegge, Amodei (IT Revolution, 2025)
• AI駆動開発ライフサイクル：ソフトウェアエンジニアリングの再考 by Raja SP
• AIを信頼せよ、KimとYeggeの新しいコーディングマニフェスト — The Register
• TDD、AIエージェント、Kent Beckとのコーディング — The Pragmatic Engineer
• デベロッパー係数 — Stripe, 2018
• 中断された仕事のコスト — Gloria Mark et al., CHI 2008