AIで開発の生産性が下がる？恐怖のJカーブ！

Transcript

1. 1 KANAYAMA Fumiaki Associate Principal Consultant
2. 2 AIを導入すれば生産性が向上する、と思ってませんか？ いやまぁ最終的には向上するんですが • Vibe Codingではなく、速度と品質を両立する AI駆 動開発の話、大企業でのAI活用 • 簡単ではない道のり • 結局ソフトウェアエンジニアリングをちゃんとやりま しょうという話 • 2026年のDORAのレポートを片手に DORA, "ROI of AI-assisted Software Development report", 2026-04-22, https://dora.dev/ai/roi/report/
3. 3 Red Hat Consulting 大企業向けのアジャイル導入/定着支援→AI駆動開発支援 ▸ 2023年：AIをまずは自分で使ってみる（GitHub Copilot等） ▸ 2024年： ･ GitHub ActionsでAI Code Review構築したり ･ アジャイル定着支援にAI駆動開発を組み込み始める ▸ 2025年：AI駆動開発支援単体でのサービスが軌道に乗り始める ▸ 2026年：拡大中
4. 4 Jカーブ AI導入による一時的な開発生産性の低下。世界的な現象として報告されている。 DORA, "ROI of AI-assisted Software Development report", 2026-04-22, https://dora.dev/ai/roi/report/ 要因 1. 学習コスト 2. 検証税：AIの生成結果の検証。コードレ ビュー→プロンプト修正等 3. パイプラインの適応 ：実装の高速化に伴 う、人間系（リリース承認手続き等）の再 定義
5. 5 AI導入支援で起きたことのイメージ 思ったより順調だな、よしよし、アレ？ 映画『キングダム』より 1. コーディングの高速化（いいね！） 2. シニアエンジニアによるコードレビュー 3. 多数の指摘事項、手戻り 4. Lead-Timeの長期化（品質は維持） • 上記はめっちゃ単純化してます。ホントはもっといろんな対策とかしてます。 • DORA Four Keys改めFive MetricsでいうDeployment Rework Rate増加に近い話
6. 6 カーブの深さは普通どれぐらい？ チーム/組織によって大きく異なる。「普通これぐらい」を言うのは難しい。 DORAが言うにはな、 ▸ 凹みが元に戻るまで：3ヶ月(?) ･ 元に戻っただけ（積分値はマイナス） ▸ 投資回収期間の目安 ･ いい感じのアジャイルチーム：6~9ヶ月 ･ ガバナンスが重い企業：12~18ヶ月 ▸ あくまで目安。あまりアテにしない。
7. 7 何が起きてるの？ チーム/組織によって大きく異なる。「普通これぐらい」を言うのは難しい。 ▸ Rework Rate：AIがものすごい速度でコード生成する ･ Pattern 1: No Self Review→シニアレビューでNG or 本番障害 ･ Pattern 2: レビュー疲れ ･ AI自身に１次レビューさせる→プロンプト改善が本筋→検証税 ･ AIの生成結果の何がダメか判別できない人には厳しい ･ ソフトウェアエンジニアリングのセンス ▸ パイプライン適応（開発プロセス） ･ 適性：Waterfall < Agile (タスクサイズ→コンテキスト長）
8. 8 私自身はJカーブが起きなかった(気がする) ▸ ChatGPT登場直後から３年かけて浅くて長いカーブを辿った感じ ▸ スクラム、テスト自動化/TDD等が根付いているチームでは影響が低い ▸ AI駆動開発定着支援開始：Jカーブは予測していたが、最近AIを始めた エンジニアにとって、予想以上に大きく凹むことも
9. 9 で、どうすればいい？ ▸ 先駆者に学ぶ、同じ過ちを繰り返さない ･ コンサルティングサービス！（宣伝） ･ ゴルフコーチを付ける感覚 ▸ ソフトウェアエンジニアリングをちゃんとやる ▸ （一定の学習コストは避けられない）