「AIコーディングツールを入れれば、開発が一気に速くなる」——こうした期待に、大規模データが疑問符を付けました。

この記事では、MITとWhartonの研究者が10万人超の開発者データで明らかにした「書く速さ」と「出荷の速さ」の差を整理します。

この記事でわかること

  • 3世代のAIコーディングツールごとの生産性の変化
  • コード行数が741%増えてもリリースが20%増にとどまる理由
  • これまでの生産性試験との違いと、投資判断への示唆

https://www.nber.org/papers/w35275

企業が信じてきた前提

ここ2年、多くの企業はAIコーディングツールに投資してきました。根拠は単純で、「コードを速く、多く書ければ、ソフトウェアも多く届く」という考え方です。

2023年のMicrosoft Researchの実験では、GitHub Copilotを使った開発者がHTTPサーバー実装タスクを55.8%速く完了したと報告されています（参考）。Microsoft、Accenture、Fortune 100企業を対象にした大規模フィールド実験でも、AIコーディング支援の利用は週あたりの完了タスク数を26%増やしたとされています。

こうした数字は「個別タスクの完了速度」を測ったものです。コードが書かれてから、レビューされ、統合され、ユーザーに届くまでの全体像は、これまで十分に追跡されていませんでした。

何を、どう測ったのか

2026年5月に公開されたNBER Working Paper 35275「Writing Code vs. Shipping Code」は、そのギャップを埋める試みです。著者はMert Demirer（MIT）、Leon Musolff（Wharton）、Liyuan Yang（MIT）で、10万人超のGitHub開発者の公開データとMicrosoft内部記録、AI利用のテレメトリを組み合わせました。

研究デザインはマッチドイベントスタディです。コード作成、レビュー、承認、リリースという開発パイプラインの各段階を追い、3世代のツール——オートコンプリート、対話型エージェント（同期型）、自律型エージェント（非同期型）——の効果を比較しています。

パイプラインを進むほど効果は薄れる

結果は一貫しています。AIツールは上流の作業を大きく加速しますが、下流に進むほど伸びは小さくなります。

コミット（コード変更の保存）への累積効果は、オートコンプリートで約40%、対話型エージェントを加えると約140%、自律型エージェントまで含めると約180%です。対話型エージェント単体では、書かれるコード行数は741%増え、プルリクエストは65%増えます。一方、実際のソフトウェアリリースは20%増にとどまりました。

オートコンプリートでも同じ傾向が見えます。コード行数への効果は228%ですが、コミットでは36%、リリースでは10%まで落ち込みます。全体として、コミット180%増という上流の伸びは、プロジェクト数では約50%、リリースでは約30%に縮小します。

弱いリンク仮説が説明するボトルネック

研究者はこの現象を「弱いリンク仮説（weak-link hypothesis）」で説明しています。ソフトウェア開発は単一の作業ではなく、書く・統合する・レビューする・リリースするという連鎖です。AIは最初のリンク——コード生成——を大きく速めます。レビュー、テスト、リリース管理には依然として人間の判断と調整が必要で、ここがボトルネックになります。

論文の推定では、AI出力と人間の労力の代替弾力性は0.25です。0に近いほど強い補完関係を意味し、AIと人間は代替ではなく補完だという解釈になります。コード生成をいくら増やしても、レビューと出荷の段階が追いつかなければ、最終的な成果は限定的にしか伸びません。

GoogleのDevOps Research and Assessment（DORA）プログラムは10年間ソフトウェア配信のパフォーマンスを追跡してきましたが、コード行数は中核指標に含めていません。入力量と成果は別物だという業界の常識と、今回の結果は方向性を一致させます。

アプリ市場でも「作られるが使われない」傾向

研究チームは4つの主要アプリマーケットプレイスのデータとも照合しました。新規アプリの数は中程度増えていますが、総利用量は増えていません。コードの洪水が、そのままユーザー価値の増加につながっていない可能性を示唆します。

従来の生産性試験との違い

個別タスクの速度を測った試験と、今回の研究は問いが異なります。1つの工程を速くしても、その後の工程が同じ速度のままなら、全体のスループットは頭打ちになります。

非営利研究機関METRの試験は、別の角度から注意を促します。2025年初頭のデータでは、経験豊富なOSS開発者16人がAIツール使用時に作業完了を20%速く感じた一方、実際の所要時間は19%長くなったと報告されています（参考）。METRは2026年2月のブログで、後続実験では選択バイアスにより推定が不安定になったと認めつつ、開発者の体感速度と実測の乖離が測定の難しさを示しています。

限界と、これから見るべき点

今回の研究にも限界があります。品質評価はアプリストアの評価やダウンロード数など間接指標に依存しています。対象は公開リポジトリとアプリマーケットが中心で、企業内ソフトウェアの大半は含まれていません。今日書いたコードが数週間から数か月後にリリースされるタイムラグも、ギャップの一部を一時的なものとする解釈を残します。自律型コーディングエージェントが広く使われ始めたのは2025年半ば以降で、データは初期導入期を捉えています。

それでも確かなのは、ツールの世代が進むほど「書かれたコード」と「出荷されたソフトウェア」の差が広がったというパターンです。ソフトウェア開発のボトルネックは、もともとコードを書く作業そのものではなかった可能性が高い——これが実務への示唆です。

AIコーディングツールの投資判断では、コード行数やコミット数だけでなく、レビュー体制、テスト自動化、リリース頻度といった下流の能力をセットで見直す必要があります。書く速度の数字だけを根拠にすると、期待と現実のギャップを埋められません。