AI なしでは働かないと宣言するコーダーたち、その姿勢が裏目に出る可能性も
METR の調査により、開発者の AI 依存度が極限まで高まり非使用での作業が不可能になった一方、生産性向上の客観的証拠は乏しく、長期的なコード品質リスクが懸念されている。
キーポイント
AI 依存度の不可逆的な定着
2026 年 2 月の METR 調査では、開発者の大半が AI ツールなしで作業を行うこと自体を拒否し、実験参加すら不可能になったことが明らかになった。
主観的評価と客観的事実の乖離
開発者は AI を使用することで自身の価値が倍増したと感じているが、過去の研究では AI 生成コードのデバッグや指示に要する時間により、実際には作業速度が低下していた。
長期的な品質リスクの警告
AI がコード生成を高速化する一方で、バグ修正や調整に時間を要するため、将来的にコードの質が低下し、システム維持に重大な問題を引き起こす可能性が指摘されている。
トークン数の増加は生産性の向上を保証しない
AmazonやUberなどの事例から、AI ツールの使用量（トークン数）を増やすことと実際の生産性向上には相関がなく、むしろコストの浪費やガバナンスの問題を引き起こしている。
コード生成は保守コストを悪化させるリスクがある
AI でコード作成が速くなったとしても、その結果生じるコードの質や複雑さにより、将来的な保守コストが倍増する可能性があり、一時的な速度向上が永続的な負担に転換する恐れがある。
トークンマキシング（Tokenmaxxing）という現象の終焉
2026 年のトレンドであった「トークン使用数を生産性の指標とする」手法は、従業員がコストを無視して AI エージェントを濫用する結果、Amazon が内部ランキング制度を停止したことでその限界と危険性が露呈した。
AI 生成コードの品質と維持コストの問題
複数の調査により、AI が生成したコードはバグや問題が多く、長期的なメンテナンスコストを増加させるリスクが示されています。
重要な引用
In 2026, you cannot pry AI coding tools out of developers' vise grip
Devs weren't willing to participate 'because they do not wish to work without AI'
While developers in that study reported that AI was making them more productive, they were shocked to learn it actually slowed them down
You write code twice as quick now? Better hope you've halved your maintenance costs. Otherwise, you're screwed. You're trading a temporary speed boost for permanent indenture.
AI use does not automatically translate to increased productivity.
"AI-generated code can introduce long-term maintenance costs into real software projects."
影響分析・編集コメントを表示
影響分析
このニュースは、AI ツールが単なる効率化手段から開発プロセスの不可欠なインフラへと変化したことを示しており、業界全体で「AI なし」のワークフローが崩壊したことを意味します。しかし、生産性向上の実感と実際のコード品質低下という矛盾は、組織が短期的な速度を追求するあまり、長期的なシステム健全性を損なうリスクを顕在化させています。
編集コメント
開発現場における AI ツールの「依存症」化が現実味を帯びており、生産性向上の幻想とコード品質の低下というジレンマが顕在化しています。組織は短期的な速度よりも、AI 生成コードの検証プロセスや技術的負債管理への投資を急務とするべきです。
2026 年、研究者たちは、AI コーディングツールを開発者の握りつぶすような grip から引き剥がすことは不可能であると発見しました。
しかし、AI が間違いなくコード作成を速めている一方で、他の研究者はそれがより良いコードを生み出しているとは限らないと警告しています。そして、それは将来彼らにとって問題を引き起こす可能性があります。
具体的には 2026 年 2 月、信頼性の高い AI 研究機関 METR が 驚くべき発表を行いました: ほとんどの開発者は、AI を使わずに作業することはもうできないというのです。限られたタスク数であっても同様です。
METR は、数ヶ月前の 2025 年に発表された 画期的な研究 の更新版を提供しようとしていました。この研究では、オープンソース開発者が手作業でタスクを行うのと AI を利用する場合とで、どれだけの時間を要するかを測定しました。
その研究に参加した開発者たちは、AI が生産性を向上させたと報告していましたが、実際には自分の作業が遅くなっていることを知って驚きました。確かにコード生成は速くなりましたが、その後、エラーの発見や修正に追加時間がかかり、AI の操作やタスク完了を待つ時間が長くなったのです。
METR は AI の進歩と開発者の熟練度を測定するためにこの実験を繰り返そうとしましたが、できませんでした。
研究者たちは告白しました。開発者は「AI を使わずに作業したくない」として、研究のためであっても参加する意志を示さなかったのです。
その代わり、METR は 5 月に技術従業員自身が AI による生産性向上を報告できる調査 発表 を行いました。当然の結果として、彼らは AI が組織に対する自身の価値を倍増させたと感じていました。
しかし、最近の「トークンマックス（tokenmaxxing）と呼ばれる行為による莫大な費用」に関する 報道 と、いくつかの最新の研究結果が相まって、こうした自己評価は疑わしいものとなっています。
トークンマックス（tokenmaxxing）とは、AI 利用における生産性の指標として個人が使用するトークン数を代用する手法であり、2026 年現在のトレンドでした。しかし、それはすでに終焉を迎えているかもしれません。
Amazon は今週、Financial Times が報じたように、従業員が AI エージェントを過剰に使用してコストを膨れ上がらせ、社内トークン追跡リーダーボード「Kirorank」を操作したため、同社内のこのリーダーボードを停止しました。この事実は、AI の利用が自動的に生産性の向上につながるわけではないことを証明しています。
Uber は今年最初の 4 ヶ月間で、2026 年の AI 予算をすべて使い果たしてしまったと The Information が報じている。COO のアンドリュー・マクドナルド氏は最近のポッドキャストで、このような 支出がプロジェクトや生産性の測定可能な増加につながっていない と語った。
AI 生成コードは、必ずしも継続的なコードメンテナンスの必要性を減らすわけではなく、むしろそれを増大させる可能性さえあると、プログラマーであり著者でもあるジェームス・ショア氏は ブログ記事 で巧みに論じた。この記事は Hacker News でバズった。
「今、コードを書く速度が 2 倍になった？メンテナンスコストを半減させたことを祈るがいい」と彼は書いた。「そうでなければおしまいだ。一時的なスピードアップと引き換えに、永続的な隷属状態を手に入れているのだ」
AI がコードのメンテナンス問題を増大させるという他の証拠もある。
信頼性エンジニアリングエージェントスタートアップ「Entelligence AI」の創設者兼CEOであるアイシュワリヤ・サンカル（Aiswarya Sankar）によるバイラルツイートでは、企業が生成したバグ修正にトークンの 44% を費やしていると宣言されています。一方、コードレビューツール企業のCode Rabbit は、オープンソースのプルリクエストを分析した結果、AI が生成したコードが人間によるコードよりも 1.7 倍多くの問題を引き起こしていることを発見しました。
確かにこれらは、AI コードレビューツールの販売を試みる者たちによる自己利益のための統計データです。
しかし、独立系の研究者たちも同様の課題を指摘しています。権威あるシンガポール管理大学（Singapore Management University）の研究者たちは4 月に報告書を公表し、「AI が生成したコードは、実際のソフトウェアプロジェクトに長期的な保守コストをもたらす可能性がある」と警告しています。
プログラマたちが AI アシスタントを愛用している現状において、解決策とは何でしょうか？
さて、AI コーディングエージェントの販売を望む人々は、開発者が AI コーディングエージェントを利用して、AI が生成するスピードで骨の折れるコード修正タスクをこなせばよいと主張しています。これは、AI コーディングエージェント「Devin」の開発者であり、Cognition の創設者兼CEOであるスコット・ウー（Scott Wu）が提唱している内容です。
しかし、彼自身も認めているように、Devin は独立して作業できるものの、タスクの内容にもよりますが、現在のスキルレベルはジュニアからミドルレベルのプログラマの間であると評価しています。これは任せておけば忘れるようなソリューションではありません。
SMU の研究者たちは、より人間中心のアプローチを提案しています。プログラマーは、AI が得意とするタスクと不得意なタスクについて、最も好きなコーディング言語を知っているかのように深く理解している必要があります。また、AI 用に設計された堅牢な品質保証（QA）システムが必要であり、AI の成果物をジュニア開発者のものとして慎重にレビューし続ける必要があるのです。
一方、研究者たちは（ウー氏も同意見ですが）、ソフトウェアアーキテクチャやセキュリティ設計といった全体像を把握する仕事は依然として人間が行うべきだと述べています。
*当記事内のリンクを通じてご購入いただいた場合、私たちは少額のコミッションを受け取る可能性があります。これは当社の編集の独立性には影響しません。*
原文を表示
In 2026, you cannot pry AI coding tools out of developers’ vise grip, researchers have discovered.
But while AI is undoubtedly helping coders produce code faster, it may not be producing better code, other researchers warn. And that could cause problems down the road for them.
Specifically, in February 2026, respected AI research lab METR published a surprising revelation: most developers won’t work, even on a limited number of tasks, without AI anymore.
METR had hoped to provide an update to some groundbreaking research published a few months earlier, in 2025, on AI coding productivity. In it, researchers measured how much time open source developers took to do tasks by hand versus with AI.
While developers in that study reported that AI was making them more productive, they were shocked to learn it actually slowed them down. Sure, it generated code faster, but then they spent extra time finding and fixing errors, steering the AI and waiting on it to complete tasks.
When METR set out to repeat the experiment to measure advances in AI and coder proficiency, they couldn’t.
Devs weren’t willing to participate “because they do not wish to work without AI” even just for the study, the researchers confessed.
Instead, METR published a survey in May that allowed technical employees to self-report their AI productivity gains. Not surprisingly, they perceived that AI made them twice as valuable to their organizations.
But recent headlines about the wild expense of so-called tokenmaxxing, coupled with a smattering of recent research, make such self-perceptions dubious.
Tokenmaxxing, or using the number of tokens a person uses as a proxy for productivity with AI, has been the trend of 2026 so far. And it may already be over.
Amazon shut down its internal token-tracking leaderboard called Kirorank after employees were gaming it by using AI agents excessively, and running up costs, the Financial Times reported this week. The employees proved that AI use does not automatically translate to increased productivity.
Uber blew through its 2026 AI budget within the first four months of the year, The Information reported. COO Andrew Macdonald recently said on a podcast that such spending hadn’t led to a measurable increase in projects or productivity.
AI-generated code also doesn’t necessarily reduce ongoing code maintenance needs, and may even increase it, programmer and author James Shore elegantly argued in a blog post that went viral on Hacker News.
“You write code twice as quick now? Better hope you’ve halved your maintenance costs,” he wrote. “Otherwise, you’re screwed. You’re trading a temporary speed boost for permanent indenture.”
There’s other evidence that AI can increase code maintenance woes.
A viral tweet from Aiswarya Sankar, founder and CEO of reliability engineering agent startup Entelligence AI, proclaims that companies are spending 44% of their tokens on bug fixes that their AI generated. Meanwhile, code-reviewing tool company Code Rabbit says it analyzed open source pull requests and found that AI produced 1.7x more problems than human code.
Those are, admittedly, self-serving stats from those trying to sell AI code reviewing tools.
Yet independent researchers have also found such issues. Researchers from the respected Singapore Management University published a report in April warning that “AI-generated code can introduce long-term maintenance costs into real software projects.”
Given that programmers love their AI assistants, what’s the solution?
Well, those who want to sell you AI coding agents say devs can just use AI coding agents to do the bone-wearying tasks of fixing code as fast as AI spits it out. That’s what Cognition founder and CEO Scott Wu —the maker of AI coding agent Devin — suggests.
But even he admits that, while Devin can work independently, he’d currently rate its skill between a junior and mid-level programmer, depending on the task. This is not a hand-it-off and forget it solution.
The SMU researchers suggest a more human approach. Programmers should know what tasks AI does and doesn’t do well as deeply as they know their favorite coding languages. They need strong quality assurance systems designed for AI and they are stuck with carefully reviewing the AI’s work as if it were a junior dev.
Meanwhile, the researchers say (and Wu agrees), humans should still be doing the big-picture work like software architecture and security design.
*When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.*
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み