こんにちは、ろんです。「AIで作業が速くなった」という実感は多くの人にあると思います。ただ、その「速くなった分」が、そのまま成果の増加につながっているかというと、話は別かもしれません。全米経済研究所（NBER）が公開した最新研究は、この直感を50万人超の実データで裏づけていました。AI導入のROIを考えるうえで、かなり重要な示唆がある内容です。

1. この研究が何を調べたか

この研究「Writing Code vs. Shipping Code」は、50万人を超えるGitHub開発者のデータをもとに、3世代のAIコーディングツール（自動補完型、対話型コーディングエージェント、自律型AIエージェント）が、開発の各段階にどう影響したかを追跡したものです。

出典：National Bureau of Economic Research（NBER）Working Paper w35275

ポイントは、「コードを書く量」だけでなく、実際に使われるソフトウェアとして世に出るまでの一連の工程（コミット→プロジェクト→リリース）を追いかけている点です。

2. コミットは240%増、でもリリースは30%増という結果

各ツール世代の導入後、コミット数（コードの変更を記録する単位）は以下のように増加しました。

ここまでは「AIってすごい」という話に見えます。ところが、自律型AIエージェントによる+240%というコミット数の伸びは、プロジェクト数では+80%に、実際のリリース数では+30%にまで縮小していました。

3. なぜこの差が生まれるのか（人間ボトルネック）

研究チームはこの現象を、AIと人間の労働の間の「代替の弾力性（elasticity of substitution）」が0.23という数値で説明しています。これは、AIと人間の作業が「強い補完関係」にある、つまりAIが人間の作業を簡単には置き換えられないことを示す数値です。

出典：同論文（elasticity of substitution = 0.23）

言い換えると、AIがどれだけ「たたき台」を大量生産しても、それをレビューし、判断し、責任を持って世に出す工程は、依然として人間にしかできません。研究チームは結論として、「タスクレベルでの大きな生産性向上は、実際に出荷され使われるソフトウェアには、いまのところ部分的にしか反映されていない」とまとめています。

4. コーディング以外の仕事にも当てはまる話

この構造は、ソフトウェア開発に限った話ではありません。文章作成、資料作成、デザイン、動画編集などでも、まったく同じパターンが起こり得ます。

AIでドラフトを大量に作れるようになっても、事実確認・トーン調整・クライアント確認・最終承認という後工程は減らせません。むしろAIが上流の生産量を増やすほど、下流の確認作業がボトルネックとして目立つようになります。

まとめ

この研究が教えてくれるのは、「AIで作業が速くなること」と「成果が増えること」は別物だということです。AI導入を検討・提案する立場としては、華々しい「〇〇%高速化」という数字だけでなく、その先の人間の確認・承認工程まで見据えた設計ができるかどうかが、実際の価値を左右しそうです。