AIで開発が8倍速くなっても、確認を8倍速くできるわけではない

議題

AIでコードを書く速度が、一気に上がっています。

Anthropicは、2026年5月時点で、自社コードベースにマージされたコードの80％超をClaudeが書いていると公表しています。

さらに、2026年第2四半期には、典型的なエンジニア1人あたりの1日あたりマージコード量が、2024年の約8倍になったとしています。

ここで考えたいのは、「8倍速く作れるなら、8倍速くリリースしてよいのか」ということです。

私は、そうではないと思います。

なぜなら、AIが速くしたのは主に「作る工程」だからです。

仕様を理解する速度。

ユーザーの意図を読む速度。

設計の妥当性を判断する速度。

事故の可能性を見抜く速度。

これらまで自動的に8倍になるわけではありません。

参考：
Anthropic「When AI builds itself」
Anthropic「Redesigning source control at Anthropic」
OpenAI「From assistance to execution: How enterprises put AI to work」

速く作れることと、正しく作れることは別

AIコーディングの大きな価値は、実装速度を飛躍的に高められることです。

これまで数日かかっていた修正を、数時間、あるいは数十分で進められる場面も増えています。

しかし、速度が上がると、別の問題が出てきます。

作られるコード量が増える
変更回数が増える
リリース候補が増える
並行作業が増える
レビュー対象が増える

Anthropicは、2026年5月には1日約2,500件だったコード変更のマージ数が、同年9月には3万件超になったとしています。

作る速度が上がれば、確認しなければならない量も増えます。

「AIが書いたから大丈夫」は成立しない

AIがコードを書くと、無意識にこんな感覚が生まれることがあります。

「AIが生成したから、ある程度正しいだろう。」

「短時間でできたから、このまま使えるだろう。」

「人が一から書くより、ミスは少ないだろう。」

しかし、AIは与えられた前提や指示の中で、もっともらしい実装を返します。

そもそもの要件が間違っていれば、間違ったものを高速で作ることもできます。

AIは、間違いを減らす道具にもなります。

同時に、間違いを高速で量産する道具にもなり得ます。

だから重要なのは、「誰が書いたか」ではなく、

何を、どの前提で、どの基準で確認したか

です。

本当に減らしてよいのは、どの工数なのか

AI導入の話になると、よく出てくるのが、

「開発工数を何％削減できるか」

という議論です。

もちろん、実装工数が削減できるなら、それは大きな成果です。

ただし、そこで削減できた時間をすべて納期短縮へ回すと、危険です。

私は、削減された時間の一部を、むしろ次の工程へ移すべきだと思います。

要件定義
設計レビュー
テスト
セキュリティ確認
運用設計
例外ケースの確認
ユーザー視点での検証

AIで実装工数を減らし、その分だけ検証工数を厚くする。

これが、AI時代の正しい生産性向上の一つだと思います。

人の仕事は「書く」から「判断する」へ移る

AIがコードを書けるようになると、エンジニアの仕事がなくなるという話もあります。

しかし、実際には仕事の位置が変わっていくのだと思います。

これまでは、

人が考え、人が書き、人が確認する。

これからは、

人が考え、AIが作り、人が判断する。

という形が増えていきます。

OpenAIも、企業におけるAI利用が「質問する」段階から「実行を任せる」段階へ移行しているとしています。

2026年6月時点では、企業顧客におけるCodexとChatGPTの合計出力トークンのうち、Codexが64％を占めています。

AIに実行を任せるほど、人間には「何を任せるか」「どこで止めるか」「何を確認するか」という判断が求められます。

PMが管理すべき対象も変わる

AI以前の開発では、PMは主に、

誰が担当するか
何日かかるか
進捗は何％か
いつレビューするか

といった、人を中心とした管理をしていました。

しかし、AIが実装主体になると、見るべきものが増えます。

AIにどこまで任せるのか
どの工程で人がレビューするのか
AI生成物の品質基準は何か
誰が最終責任を持つのか
どの変更を自動化してよいのか
どの変更は必ず人が承認するのか

AIを導入して作業者を減らしても、管理設計まで減らしてはいけません。

「レビューを増やす」だけでも足りない

では、AIで生成量が増えたら、人のレビュー人数を増やせばよいのでしょうか。

それだけでは限界があります。

コード量が8倍、変更量が10倍、30倍と増え続ければ、すべてを人間が同じやり方で読むことは難しくなります。

必要なのは、レビューそのものの設計を変えることです。

例えば、

静的解析を自動化する
テストコードもAIで生成する
CIで異常を自動検知する
リスクの高い変更だけ人が重点確認する
権限や決済など重要領域は必ず人が承認する
監視ログから異常を早期検知する

Anthropic自身も、AIエージェントによる開発規模の拡大に伴い、ソース管理やCIなど、従来の人間規模を前提とした開発基盤そのものがボトルネックになっていると説明しています。

AI時代に必要なのは、「人がもっと頑張って確認すること」ではありません。

確認の仕組みそのものを、AI時代の速度に合わせて作り直すことです。

速度が上がるほど、止める基準が重要になる

AIによって開発速度が上がると、判断も速く求められます。

だからこそ、事前に基準を決めておく必要があります。

例えば、

決済関連の変更は必ず人間レビュー
個人情報を扱う処理は自動マージ禁止
テストカバレッジが一定値以下ならリリース不可
重大なセキュリティ警告が出たら自動停止
仕様変更を伴う場合はPM承認必須

こうしたルールです。

速く進むプロジェクトほど、「どこで止めるか」を先に決めておく。

AI時代の生産性とは何か

「同じ人数で8倍コードを書ける。」

これは確かに生産性向上です。

しかし、本当の成果はコード量ではありません。

ユーザーに価値が届いたか。

事故なく使えるか。

運用し続けられるか。

変更に耐えられるか。

そこまで含めて初めて成果です。

コード量が8倍になっても、価値が8倍にならなければ意味はありません。

AIで生まれた余力を、さらにコードを書くためだけに使うのか。

それとも、設計、品質、顧客理解、改善へ使うのか。

ここに、企業ごとの差が出ると思います。

コンサルタントやPMに求められる役割

AIが実装を担う時代になるほど、PMやコンサルタントの役割は重要になります。

なぜなら、AIは、

「そもそも何を作るべきか。」

「この機能は本当に必要か。」

「どのリスクを許容するか。」

「ユーザーにとって何が価値なのか。」

という判断を、企業の責任者として引き受けることはできないからです。

AIが実装を高速化するほど、人間には「目的」と「判断」が残ります。

まとめ

AIによって、開発速度はこれまでとは比較にならないほど上がり始めています。

Anthropicでは、典型的なエンジニア1人あたりのマージコード量が、2024年比で約8倍になりました。

これは非常に大きな変化です。

しかし、

作る速度が8倍になったからといって、考える速度、確認する速度、責任を取る速度まで8倍になるわけではありません。

だからこそ、人の役割を変える必要があります。

コードを書く時間を減らす。

その代わりに、

何を作るかを考える。

設計を確認する。

テストする。

リスクを見る。

そして最後に判断する。

AI時代の生産性向上とは、人を減らすことではなく、人の仕事をより価値の高い場所へ移すことなのだと思います。

AIに作らせることは、これから当たり前になります。

そのとき差がつくのは、

何を作らせ、何を人が確認し、どこで人が責任を持つか。

その設計ではないでしょうか。

議題