概要
https://speakerdeck.com/kinosuke01/aiwodao-sitemo-kai-fa-chan-xing-ha-bao-zeng-siteinai-naze
詳細内容
## AIを導入しても、 開発⽣産性は"爆増"していない なぜ？
https://speakerdeck.com/kinosuke01/aiwodao-sitemo-kai-fa-chan-xing-ha-bao-zeng-siteinai-naze
AIツールの導入は開発生産性を向上させるものの「爆増」には至らず、真の生産性向上にはCIや品質保証、要件定義といったボトルネックの解消が不可欠であると、具体的な事例とデータで示唆する。
**Content Type**: 🎭 AI Hype
**Scores**: Signal:5/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:5/5
**Main Journal**: 100/100 | **Annex Potential**: 100/100 | **Overall**: 92/100
**Topics**: [[AIコーディングエージェント, 開発生産性指標, CI/CD最適化, テスト自動化, 要件定義プロセス]]
AIツールが開発生産性を「爆増」させていないという本発表は、Generative AIを開発に導入しようとするWebアプリケーションエンジニアにとって、極めて現実的な視点を提供する。著者はClaude CodeやCursorといったAIコーディングエージェントの具体的な活用事例を複数紹介する。例えば、自動テストコードの大量生成によるソフトウェアアップデートの高速化、GitHub Issueからの自動PR作成による非エンジニアによるプロダクト改善の促進、VRTツールの即時生成といった、従来の開発プロセスを大きく改善する可能性を示す。
しかし、これらの導入後、社内データに基づくPRマージ頻度と作成頻度は約4倍に増加したものの、これは一人あたり一日1PR程度の増加に留まる。「爆増」という期待値には程遠い現実が突きつけられる。この「なぜ？」を深掘りするため、制約理論に基づきボトルネックを分析。CI実行時間の長期化、品質保証に要する時間、そして要件定義プロセスの重さが主要な課題として特定された。特に、AIを活用してCIの実行時間データを集計・分析し、30分かかっていたCIを5分に短縮した事例は、AIが直接的なコード生成だけでなく、課題特定と改善の支援においても強力なツールとなり得ることを示唆する。
本発表の真の価値は、AI導入が万能薬ではないという冷静な視点と、生産性向上のためにはAI活用と並行して既存のワークフローにおけるボトルネックを特定し、解消する泥臭い努力が不可欠であると明確に示している点にある。これは、Webアプリケーション開発においてAIを実用的に活用するための次のステップを考える上で、エンジニアが直視すべき現実であり、戦略的な意思決定を促す重要なインサイトとなるだろう。