🔥 HNで話題

AIでコードは増えた それでも完成が速くならない理由

約3分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
AIコーディングエージェント(AIコーディングエージェント)

指示に沿って、比較的長いコード作業を進めるAI。

コードレビュー(コードレビュー)

書いたコードを別の人が確認する作業。

Jellyfish(ジェリーフィッシュ)

開発チームの作業を記録して分析するサービス。

何が起きたか

AIコーディングエージェント(長い作業を半自動で進めるAI)の導入後、コードを書く量は増えたのに、完成したソフトの量は同じようには増えなかった。Harvard University(研究を行う大学)のFiona ChenとJames Strattonの作業中論文を扱ったComplexDiscoveryの記事では、コード量は約30%増え、Jiraの完了課題は統計的に明確な増加を示さず、プルリクエストがレビューを終えるまでの時間は49%伸びた。プルリクエストとは、変更したコードを共同の場所へ入れてよいか頼む記録だ。

なお、リンク先の論文の最新版は11月14日版に更新されている。最新版は、AIエージェント導入後のコード行が44%、レビュー提出から承認までの時間が56.1%増えたと報告する。元記事の30%と49%は、8月版をもとにした数字だ。研究の版を混ぜずに読む必要がある。

背景:コードは書いて終わりではない

ソフト開発には、何を作るか決める、コードを書く、レビューとテストをする、本番へ出す、という段階がある。コードレビューは、別の技術者が変更内容を読み、問題がないか確かめる作業だ。AIエージェントは書く段階を速くするが、レビューする人の時間まで同じ速さで増やすとは限らない。

論文のモデルでは、増えたコードが限られた確認担当者へ流れ込み、待ち時間を生む。変更依頼やコメントの増加は、下書きの直しに必要な作業も増えた可能性を示す。ただし、これは研究者の解釈であり、すべての会社に同じ原因があると証明したわけではない。

なぜ重要か

AIの効果を、コード行数や作業の速さだけで測ると、利用者に届いた機能まで見失う。今回の研究は、途中の活動と、レビューを通って本番に出た成果を分けて見た。AI導入は作業の一部を速くしても、全体の弱い場所を別の工程へ移すことがある。会社がAIを増やすなら、書く人だけでなく、レビュー担当、テスト、承認の時間も測らなければならない。

確認できたこと

最新版の論文は、Jellyfish(開発チームの作業を記録して分析するサービス)から、利用に同意した655社、72万542人、約4億4500万件の作業記録を使った。GitHub Copilot、Cursor、Claude Codeの利用と、コード、Jiraの課題、予定表を結び付けている。

AIエージェント導入後は、コード行が44%、コミットが36%、プルリクエストが35.7%増えた。一方、Jira課題の完了は13.7%増にとどまり、研究者は境界的な結果と説明する。レビュー提出から承認までの時間は56.1%増え、コメント数は38.6%増えた。レビュー用AIを導入した会社も79.1%あったが、レビューとコメントの大半は人が書いていた。

この話はHacker Newsでも大きな反応を集めた。ただし、反応の大きさはコミュニティの注目度であり、論文の正しさを証明する数字ではない。

まだ分からないこと

これは査読済みの確定結論ではなく、就職市場向けの研究論文である。データはJellyfishの同意企業に限られ、データ提供元は開発分析サービスを販売している。論文は、Jellyfishによる確認が機密情報の開示だけを対象にし、科学的内容の審査ではないと説明する。

短期の雇用変化は検出できなかったが、将来の雇用や、レビューを通ったコードの品質がどう変わるかまでは、この数字だけで決められない。11月版への更新で推定値が変わったことも、研究を追う際の注意点だ。

次に見る点

次の焦点は、コードを何行書いたかではない。承認された変更が何件出たか、レビュー担当が何時間使ったか、差し戻しが何回あったかを、AI導入前後で比べられるかだ。AIは書く工程を速くした。全体を速くできるかは、確認の工程をどう増強するかにかかっている。

💬 AIで実装が速くなると、コードレビューが新しいボトルネックになるのか

HNの議論は、記事の「AIコーディングエージェントが実装からレビューへボトルネックを移す」という見方に割れた。職場での自己申告や個人的な意見が中心で、研究結果や全企業に通用する証明の代わりではない。

  • ある投稿者の職場経験では、AIで開発とレビューの1件あたりの時間は短くなった一方、依頼・生成コード・PRの数が増え、後続工程の仕事量が増えた。処理量が上がると、詰まりが次の工程へ移るという比較である。
  • 反対意見では、レビューが常に主なボトルネックとは限らず、要件の整理、アーキテクチャ、テスト、CI/CD、並列化などが先に詰まる場合があるとされた。どこが詰まるかは会社の進め方と需要に依存する。
  • 人間の技術者は、社内の優先順位、過去の経緯、慣習を知っているので、エージェントに正しい問題を解かせる仕様を作れるという意見があった。小さなPRを行単位で見るだけでは、そもそも正しい問題か、全体設計に合うかを見落としうる。
  • レビューはコードの字面だけでなく、データの流れ、ドメイン、契約、リスクを含むシステム理解が要るという反論がある。LLMは質問への回答や図の下書き、機械的な指摘には使えるが、人間の判断や責任を置き換えないという立場である。
  • 別の投稿者は、勤務先でエージェントにコミットとPRを作らせ、本人が承認して第二の目を省く人が出たと自己申告した。その投稿者はまだ障害を経験していないが、重大障害につながると予想しており、実証された不具合ではない。
  • 対案として、十分な自動テスト、ガードレール、リスクの高い部分に絞ったレビューを整え、レビューなしでも安全に出せる仕組みを作る案が出た。ただし、その基盤づくり自体が時間を要し、短期の高速化圧力と衝突する。
  • AIの一次レビューやAI同士のレビューを重ねてテストが通れば自動承認するだけでは、誤りを別のボットに渡すだけだという批判もある。AIはレビューを消すというより、仕事量・責任・判断の置き場所を変える可能性があり、実際のボトルネックは組織ごとに違う。

コメント232件時点の初期(改訂1)。100件を取得し、全体から100件を抽出して要約しました。内容はHN利用者の自己申告で、編集部が確認した事実ではありません。

🔥 HNで話題

AIがコードを書いても、仕事がすぐ終わらないわけ

📰 しっかり版: AIでコードは増えた それでも完成が速くならない理由

AIは書く仕事を速くしました。でも、人の確認が追いつきませんでした。

約2分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
AIコーディングエージェント(AIコーディングエージェント)

長いコード作業を進めるAI。

コードレビュー(コードレビュー)

人がコードの変更を確認する作業。

Jira(ジラ)

仕事の進みを記録する道具。

💡 ようするに

  • AIはコードを書く量を増やした。
  • でも、完成した仕事は同じ速さで増えなかった。
  • 人が確認する時間は長くなった。

何を調べたの?

AIコーディングエージェント(長い作業を進めるAI)の効果を調べました。Harvard University(研究を行う大学)の研究者が論文を書きました。

元の記事が紹介した版では、コードの量が約30%増えました。Jira(仕事の進みを記録する道具)の課題は、はっきり増えませんでした。プルリクエスト(変更を入れてよいか頼む記録)が確認を終える時間は、49%長くなりました。元の記事

なぜ遅くなったの?

コードレビュー(人が変更を確認する作業)は、コードを書いた後にあります。AIが速く書くと、確認する人が読む量も増えます。確認する人の数や時間が同じなら、待つ仕事が増えます。だから、書く速さだけでは全体が速くなりません。

その後、研究レポートは11月14日版に更新されました。新しい版では数字も変わっています。記事と論文は、どの日付の版かを確かめる必要があります。最新版の論文

どこまで分かったの?

研究は多くの会社と働く人の記録を使いました。でも、まだ完成した研究ではありません。すべての会社で同じことが起きるとは限りません。AIが作ったコードの良し悪しを、数字だけで全部判断することもできません。

この話はHacker News(技術ニュースの掲示板)でも話題になりました。人気は正しさの証明ではありません。投稿

これから見る点

コードの量だけでなく、実際に使える機能を見る必要があります。確認に何時間かかったかも大切です。AIで書く人が増えた後、確認する人の仕事がどう変わるかに注目です。

💬 AIでコードが増えると、チェックが大変になる

HNでは、AIで作る速さが上がるとレビューが詰まるという意見と、要件・設計・テスト・CI/CDなど別の場所が詰まるという意見に分かれた。コメントは個人の経験や意見で、すべての会社に当てはまる証明ではない。

  • ある投稿者は、AIで1件あたりの開発やレビューは速くなったが、依頼・コード・PRが増えて、後の工程が詰まったと職場経験を報告した。これは自己申告で、すべての会社の事実ではない。
  • 別の人たちは、問題はレビューだけでなく、何を作るかの要件、設計、テスト、自動でテストして届ける仕組み、並列化にもあると考える。
  • 会社の事情やシステム全体を知る人の判断は重要だ。小さな変更だけを見ると、間違った問題を解いていないかを見逃す。LLMは機械的な確認や図作りを助けられるが、人の判断の代わりにはならない。
  • 別の自己申告では、エージェントが作ったPRを本人が承認して、他の人の確認を省く例があった。まだ障害は起きていないが、重大障害の心配が示された。
  • 自動テストや安全策でレビューを減らす案はあるが、作るのに時間がかかる。AIにAIをチェックさせて自動承認するだけでは、間違いを見逃す可能性がある。

コメント232件時点の初期(改訂1)。100件を取得し、全体から100件を抽出して要約しました。内容はHN利用者の自己申告で、編集部が確認した事実ではありません。

🔥 HNで話題

AIが書くと、なぜ待つの?

📰 しっかり版: AIでコードは増えた それでも完成が速くならない理由

AIはコンピューターへの指示を書きます。人が読む時間は短くなりません。

約1分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
AIコーディングエージェント(AIコーディングエージェント)

コードを書くお手伝いAI。

Hacker News(ハッカー・ニュース)

技術ニュースを読む人が集まる掲示板。

何があったの?

AIコーディングエージェント(コードを書くお手伝いAI)が登場しました。Fiona ChenさんとJames Strattonさんは、Harvard(研究をする学校)の研究者です。

AIはプログラムの指示をたくさん書きました。でも、人はその指示を読みます。変なところがないか確認します。確認が終わるまでの時間は長くなりました。

なぜなの?

AIが書く指示が増えると、読む指示も増えます。読む人の時間は、すぐには増えません。だから、完成を待つ時間が長くなります。

元の記事が紹介した研究では、書く量が増えました。でも、完成した仕事が同じだけ増えたとは言えません。元の記事

Hacker News(技術ニュースの掲示板)でも話題になりました。これは、みんなが注目したしるしです。正しさのしるしではありません。投稿

これからどうするの?

研究レポートは、まだ作業中です。すべての会社の話ではありません。次は、AIが書いた指示を人がどう確認するかを見ます。

💬 AIがコードを作ると、だれがチェックする?

AIはコードを早く作れる。でも、作る量が増えると、チェックする人の仕事も増えるかもしれない。

  • ある人は、職場でAIを使うと開発が速くなったのに、依頼やPRが増えて、後ろの作業が詰まったと話した。これはその人の経験で、みんなに当てはまる証明ではない。
  • ほかの人は、難しいのはチェックだけでなく、何を作るか、全体の設計、テストだと言った。小さな変更だけでは、全体が正しいか分からない。
  • AIはチェックを手伝えるが、人の判断は必要だ。AIが作ったPRを本人だけで合格にする例もあり、まだ事故はなくても心配だと言われた。
  • よいテストや安全策を作るには時間がかかる。AIにAIをチェックさせるだけでは、間違いを見逃すことがある。

コメント232件時点の初期(改訂1)。100件を取得し、全体から100件を抽出して要約しました。内容はHN利用者の自己申告で、編集部が確認した事実ではありません。

出典・参考