GitHub Copilotが公開されて約3年。「AIでコードが速く書ける」という体感は、多くのエンジニアにとって実感を伴うものになっている。GitHubの調査ではCopilot利用者のタスク完了速度が最大55%向上したとされており、JetBrainsやTabnineなど競合ツールも同様の傾向を報告している。
ところがこの数字と並行して、テック業界では採用抑制と組織再編が続いてきた。2022年末から2024年にかけて、Meta、Google、Amazon、Microsoftといった企業が大規模なエンジニアリング人員の見直しを行った。「AIで生産性が上がっているなら、なぜ採用を減らすのか」——この問いへの答えを整理することが、AIコーディングツールの本質的な影響を読む出発点になる。
「55%向上」という数字の外側
個人レベルのデータは肯定的だ。McKinseyが2023年に行ったソフトウェア開発者調査では、AIツール活用者が単純なコーディングタスクで45〜50%の速度向上を報告し、コードレビューや単体テスト作成でも有意な支援効果が示されている。実際に利用しているエンジニアの体感と、この数字は大きくずれていない。
ただ「速くなった」という事実の外側に、もう一層ある。速くなった結果として何が起きたか——この問いに対して、組織と個人では答えが分かれた。
組織が「余裕」をどこに使ったか
多くの組織が選んだのは「同じ成果をより少ないリソースで」という方向だった。AIツールが「10人でやっていたことが7人でできる」状態を作るとき、採用を続けてアウトプットを伸ばす選択もある。だが利益を優先する組織にとっては、コスト削減が自然な帰結だ。
これは裏切りではなく、経営の論理として整合する。生産性向上と人員最適化は矛盾しない——同時に起きうる現象だ。「AIで生産性が上がる」と「採用が絞られる」は、別の話ではなかった。
仕事の単位が変わっている
ここで見えてくる本質的な変化は、「個人がコードを書くスピード」だけでなく「仕事の単位」が変わっているという点だ。
かつてエンジニア1人が担っていた実装範囲は、ツールの支援によって広がった。テストのスケルトン、ドキュメント生成、ボイラープレート——こうした作業に費やす時間が圧縮され、設計判断や仕様の解釈、ステークホルダーとのすり合わせといった「人が介在する価値」の比重が相対的に上がった。
AIツールが加速させているのは「書く作業」であり、その結果として「考える作業」への比重移動が起きている。
個人と小規模チームに開かれた射程
この変化が持つもう一つの面は、個人と小規模チームの機動力にある。
大企業における採用抑制が目立つ一方、個人・小規模チームにとっては「従来は人手不足で諦めていた領域」が射程に入りつつある。プロトタイプの高速検証、複数マーケットへの同時展開、ドメイン横断の実験——これらがより少ないヘッドカウントで現実的な選択肢になっている。
AIコーディングツールが開いているのは「速さ」より「範囲」だ。1人が扱える仕事の射程が広がるとき、最初に恩恵を受けるのは、その機動力をそのまま使える立場にある人たちだろう。「生産性が上がるか」という問いはすでに答えが出ている。次に問われているのは、広がった射程で何をするか、だ。
コメント