何が起きたか

AIコーディングエージェントを導入した企業では、書かれたコードの量が増えた。研究の推定では、コードの行数は平均30%、コミットは20%、プルリクエストは23%増えた。一方、Jiraで管理する課題や大きな機能が完了した数には、統計的に意味のある増加が見られなかった。コードが増えたことと、企業が届けるソフトウェアが増えたことは同じではない。

この研究を行ったのは、Fiona Chen氏とJames Stratton氏（ハーバード大学の研究者）だ。技術メディアのArs Technicaが紹介した。研究者はJellyfish（開発チームの仕事を測るサービス）の匿名化・集計データを使った。2021年から2026年3月までの、718社、約72万6000人、約3億件の仕事の記録である。

背景

AIコーディングエージェントは、長い指示を受けて、まとまったコード作業を進める道具だ。人が一部分ずつ書く補助ツールより、自分で多くの変更を出せる。だが開発は、コードを書く作業だけでは終わらない。計画、テスト、確認、修正、公開が続く。研究の調査では、技術者がコードを書く時間は全体の30〜40%ほどだった。

なぜ差が出たか

研究で目立ったのは、コードレビューの詰まりだった。レビューは、書かれたコードを読んで問題を探し、直す所を伝える作業だ。エージェント導入後、プルリクエストが提出されてから統合されるまでの平均時間は49%長くなった。修正を求められるプルリクエストの割合はほぼ2倍になり、1件あたりのコメントは35%増えた。レビューを担当する従業員の割合も14%増えた。AIのレビュー機能を使う企業が増えても、人の確認は中心に残った。

なぜ重要か

AI導入の効果を、コード行数やコミット数だけで測ると、実態を見誤る。利用者に届くには、要件を決め、テストし、承認し、運用に出す必要がある。企業はAIを入れるだけでなく、レビュー担当者、テスト、責任の分け方を組み直さなければならない。

確認できたこと

研究者は、企業ごとにAIを導入した時期が違うことを使い、導入前後の変化を比べた。単にコード行数だけを数えず、課題や大きな企画の完了、雇用も見た。エージェント導入後、コード関連の指標とレビュー負担は増えた。しかし、課題や大きな企画の完了数、雇用には統計的に有意な変化を確認できなかった。これはAIが役に立たないという意味でも、ソフトウェアがまったく増えないという意味でもない。調べた企業では、書く速さの向上が、そのまま完成した成果へ移らなかったという結論だ。

まだ分からないこと

データは研究への利用に同意したJellyfish利用企業が中心で、すべての会社や個人開発に当てはまるとは限らない。研究者が見たのはコードそのものではなく、コミットやレビューなどの活動記録だ。2026年3月以降の新しいモデル、長期的な品質、利用者が感じる価値は、この分析からは分からない。さらに導入時期を比べる方法は、AIがなければ早く導入した会社と遅い会社が似た動きをしたという前提に立つ。

次に見る点

AI導入の効果を測るときは、何行書いたかだけでなく、レビュー待ちの時間、修正回数、テストを通った機能、実際に使われた改善を見る必要がある。会社はAIを入れるだけでなく、レビュー担当者の人数、テストの仕組み、最終責任の持ち方も組み直すことになる。

Hacker News（技術ニュースを共有するサイト）では、この話題が308ポイント、270コメントを集めた。これはコミュニティの注目度を示す数字であり、研究の正しさを証明する数字ではない。

資料: Harvardの研究論文、Ars Technicaの報道、Hacker Newsの投稿