AIコーディングツールへの依存が深刻化し、開発者が「AIなしでは作業できない」と研究協力を断る事態が起きています。AI研究機関METR（Machine Intelligence Research Institute系列の評価機関）が2026年2月に実施しようとしたAIコーディング生産性の追跡調査では、開発者が「限られた研究タスクでもAIなしでは作業したくない」と参加を拒否し、当初予定していた対照実験が不可能になりました。代わりに実施した2026年5月の自己申告型アンケートからは、生産性への恩恵を強く感じながらも実際の品質低下を認識している開発者の矛盾した実態が浮かび上がっています。
背景と文脈
METRは2025年に画期的な研究結果を発表していました。開発者はAIツールによって生産性が上がったと「感じて」いるが、実際にはデバッグや修正に費やす時間が増加し、全体の作業速度は低下していた、というものです。この結果は業界に大きな反響を呼び、AI活用の効果を測る方法論そのものへの問いかけになりました。
ところが追試を試みた2026年の研究では、別の問題が浮上しました。「AIなしで作業する」という条件そのものを開発者が受け入れなくなっていたのです。ツールへの依存が1年足らずで行動レベルで定着したことになります。この現象は単なる利便性の話ではなく、スキルの問題とも絡みます。AIが補ってきた作業—ライブラリのAPI検索、ボイラープレート（定型コード）の生成、エラーメッセージの解釈—を自力でやる感覚が薄れていくからです。
同様の課題はGitHubがCopilotを大学教育に導入した際にも指摘されており、初心者がコードの意味を理解する前に「動くコード」を得ることに慣れすぎる問題として議論されています。開発現場では今、即時の生産性と長期的なスキル維持のどちらを優先するかという、答えの出にくいトレードオフが突きつけられています。
技術/ビジネス面
品質面のデータは懸念材料を複数示しています。コードレビューツールを提供するCodeRabbitの分析では、AIが生成したコードは人間が書いたコードと比較して1.7倍多い問題を含むという結果が出ています。また開発者のAiswarya Sankar氏の試算によれば、企業がAIコーディングツールに使うトークン（AIへの入出力の単位）の44%が、AIが生み出したバグの修正に費やされているとされています。
企業レベルでも具体的な問題事例が報告されています。Amazonは社内でトークン使用量を競う「Kirorank」というリーダーボードを設けましたが、生産性向上を伴わない過剰なAI使用を社員が競い始めたため、リーダーボードを廃止しました。UberはAI関連の2026年予算を4カ月で使い切ったにもかかわらず、プロジェクト数や生産性の有意な増加を計測できていなかったと報じられています。
シンガポール経営大学（Singapore Management University）の研究者は別の角度から警告を発しています。AIが生成するコードは「今動く」が、保守コストが高い構造になりやすいという点です。短期的には開発速度が上がっても、コードの複雑性が増すことで中長期の修正・拡張コストが膨らみます。開発者のJames Shore氏はこれを「一時的な速度向上と引き換えに永続的な隷属を選ぶ」と表現しています。
これからどうなるか
AIコーディングツールを使い続けながら品質を担保するには、使い方の設計が重要になります。実装の自動化は受け入れつつも、アーキテクチャ設計・セキュリティレビュー・コードレビューは人間が担う領域として明確に区分するアプローチが有効です。AIが出力したコードをそのままマージせず、差分を読んで意図を理解してからコミットする習慣の維持が、長期的なスキルと品質の両立につながります。
組織としては、AIツールの費用対効果の測定基準を見直す必要があります。トークン消費量や行数ではなく、バグ発生率・コードの複雑度指標（循環複雑度など）・デプロイ後の障害頻度といった品質指標でAI活用の成果を測ることが、Amazonのリーダーボード失敗のような事態を防ぐ鍵です。
ツール提供側にも課題があります。GitHub CopilotのようなAIコーディング支援はコード生成に特化していますが、「生成したコードの品質を事後に評価する」機能はまだ発展途上です。レビュー支援・テスト自動生成との統合が進めば、依存と品質の問題を同時に緩和できる可能性があります。
まとめ
AIコーディングへの依存は行動レベルで定着し、研究の対照実験すら困難にしています。AI生成コードが1.7倍多い問題を含むというデータや企業の予算浪費事例は、ツール活用の設計を見直す必要性を示しています。速度の恩恵を受けながら品質と人間の判断力を保つための意識的な使い方が、これからの開発現場の課題です。
参考リンク
アイキャッチ画像: Photo by Chase Chappell on Unsplash
