管理の世界には古い格言があります。「測るものが重要だ。そして、通常は測定しているものが増える」。
ソフトウェアエンジニアは、コード行数から始めて、何十年にもわたって生産性指標について議論してきました。しかし、新しい世代のAIコーディングエージェントがこれまで以上のコードを生み出すようになると、そのマネージャーが測るべきものは、いまや一層明確ではなくなっています。
巨大なトークン予算――要するに、開発者が消費することを認められたAI処理能力の量――はシリコンバレーの開発者たちの間で名誉のバッジのようになっていますが、生産性を考えるうえで非常に奇妙な捉え方です。アウトプットのほうを重視しているはずなのに、プロセスへの入力を測ってもあまり意味がありません。AIの導入を促したい（あるいはトークンを売りたい）のであれば筋は通るかもしれませんが、効率を高めようとしているのなら話は別です。
「開発者の生産性の洞察」を扱う新しいタイプの企業群が提示する証拠を考えてみてください。彼らは、Claude Code、Cursor、Codexのようなツールを使っている開発者は、以前よりもはるかに多くの「承認されたコード」を生成することを見出しています。ですが同時に、エンジニアはその承認されたコードを、以前よりもはるかに頻繁に修正するために手戻り（リビジョン）に戻らなければならないことも分かっており、生産性が向上しているという主張を掘り崩しています。
WaydevのCEO兼創業者であるAlex Circeiは、こうした力学を追跡するためのインテリジェンス層を構築しており、同社は1万人以上のソフトウェアエンジニアを雇用する50社の異なる顧客と仕事をしています。（Circeiは過去にTechCrunchへ寄稿したことがありますが、この記者は今回初めて会いました。）
同氏によれば、エンジニアリングマネージャーは、コードの「受け入れ率」（AIが生成したコードのうち、開発者が承認してそのまま採用する割合）が80%〜90%であることは見えている一方で、そのコードを翌週以降に修正し直す必要が生じたときに発生する「手戻り」を見落としているといいます。その結果、現実世界での受け入れ率は、生成コードの10%〜30%にまで下がってしまうのです。
AIコーディングツールの台頭は、開発者向け分析を提供するために2017年に設立されたWaydevに、こうした急速なコーディングツールの普及に対処するため、過去6か月でプラットフォームを大幅に作り直すことを促しました。現在、同社はAIエージェントによって生成されるメタデータを追跡する新しいツールをリリースしており、コードの品質とコストに関する分析を提供することで、エンジニアリングマネージャーに対し、AIの導入と有効性の両面でより深い洞察を与えることを目指しています。
Disruptで次の投資家、またはポートフォリオのスタートアップに出会おう
次のラウンド。次の採用。次のブレイクのチャンス。TechCrunch Disrupt 2026へ。10,000人以上の創業者、投資家、テックリーダーが3日間、250回以上の実践的セッション、強力なマッチング、そして市場を切り拓くイノベーションで集まります。今すぐ登録して最大$410を節約しましょう。
Disruptで次の投資家、またはポートフォリオのスタートアップに出会おう
次のラウンド。次の採用。次のブレイクのチャンス。TechCrunch Disrupt 2026へ。10,000人以上の創業者、投資家、テックリーダーが3日間、250回以上の実践的セッション、強力なマッチング、そして市場を切り拓くイノベーションで集まります。今すぐ登録して最大$410を節約しましょう。
分析企業には、見つけた問題点を強調するインセンティブがありますが、大規模組織がAIツールを効率的に使いこなす方法をまだ試行錯誤している、というエビデンスが積み上がってきています。有力企業もその動きに気づいています。たとえばAtlassianは昨年、別のエンジニアリングインテリジェンスのスタートアップであるDXを10億ドルで買収し、コーディングエージェントに対する投資対効果を顧客が理解できるよう支援する方針を示しました。
業界全体から集まったデータが語るのは、筋の通った一貫したストーリーです。より多くのコードが書かれてはいるものの、その大半が定着していないのです。
GitClearもこの領域の別の企業で、1月にレポートを公開しました。その内容では、AIツールは生産性を高める一方で、「通常のAIユーザーは、AIを使わない同等層に比べてコードの手戻りが平均9.4倍高い」ということがデータから示されたとしています――ツールが提供した生産性向上の効果を、2倍以上上回る規模です。
エンジニアリング分析プラットフォームのFaros AIは、2026年3月のレポートにおいて、顧客データ2年分を用いました。そこでの結論はこうです。コードの手戻り――追加された行数に対して削除された行数――は、AI導入が高いケースで861%増加していました。
Jellyfishは、AI統合型のエンジニアリングのためのインテリジェンス・プラットフォームだと自称しており、2026年の第1四半期に7,548人のエンジニアに関するデータを収集しました。同社は、トークン・バジェット（投入上限）が最も大きいエンジニアほど、最も多くのプルリクエスト（共有コードベースへの提案変更）を作っていることを発見しましたが、生産性の改善はスケールしませんでした。トークンのコストを10倍にしたところで、スループットは2倍にとどまったのです。言い換えれば、ツールは価値ではなく量を生み出しているのです。
こうした統計は、開発者と話すときに実感として当てはまります。新しいツールの自由さを満喫しながらも、コードレビューやテクニカルデットが積み上がっていくのを見ているからです。よく見られるのは、シニアエンジニアとジュニアエンジニアの違いです。後者はAIが生成したコードをはるかに多く受け入れ、その結果として書き直しの量もより大きくなります。
それでも、開発者が自分たちのエージェントが何をしているのかを正確に理解しようと取り組んでいる一方で、彼らは当面、後戻りするつもりはありません。
「これはソフトウェア開発の新しい時代で、適応しなければならない。そして会社として、適応を強いられるんです」とCirceiはTechCrunchに語りました。「それが過ぎ去る“サイクル”みたいな話ではありません。」
