AI生産性ギャップ
The AI Productivity Gap (bjorg.bjornroche.com)
要約
AIはエンジニアリングチームの生産性を向上させていますが、リーダーが期待するほど劇的な変化はまだ起きていません。特にシニアエンジニアは、コーディング以外の部分(設計、デバッグ、要件理解など)に多くの時間を費やしており、AIがこれらの領域を効率化するには限界があるためです。AIはジュニアエンジニアのコーディング時間を短縮する効果が大きいですが、全体的な生産性向上率はまだ限定的であり、AIの進化と開発者の仕事の複雑さのバランスを理解することが重要です。
全文翻訳
AIによる生産性のギャップ
AIがエンジニアリングチームの生産性を向上させたことは間違いなく、今後さらに改善されるでしょう。しかし、一部のリーダーは、完成度の高い機能がプロトタイプのように迅速に作成されるべきだと考えているようです。残念ながら、本番環境向けの機能開発には、以前と変わらず長い時間がかかるように思えます。AIは私たち全員を10倍生産性の高い人材に変えるはずではなかったのでしょうか?
このAIによる生産性のギャップを理解するには、開発者が実際にどのように一日を過ごしているかを認識する必要があります。現実には、新しいコードを書くことが彼らの時間の大部分を占めるわけではありません。特にシニアエンジニアは、どのようなコードを書く必要があるかを考えることに多くの時間を費やしており、AIはこの部分をまだ容易にはしていません。
時として、AIはコーディング以外の作業を遅くするとさえ感じます。例えば、AIが書いたプロダクト要件定義書やLinearのチケットを読む必要がある場合、人間が書いたドキュメントを確認するよりも時間がかかります。AIによる文章は過度に詳細になりがちで、重要な部分を抽出するのが難しくなることがあります。
しかし、他人の仕事を困難にしながら自分の仕事を楽にするためにAIを使用することは、別のトピックです。今回は、AIが単に役立つと仮定しましょう。それでも、あなたが思うほどバラ色の状況ではありません。まず、シニア開発者を考えてみましょう。もし彼らが大手のテクノロジー企業で働いているなら、彼の一日は次のようになるかもしれません。
| シニア開発者 | AI導入前 (時間) | AI導入後 (時間) |
|---|---|---|
| 新規コード作成 | 1.5 | 0.5 |
| 読み込みとデバッグ | 1.5 | 1.0 |
| 設計とアーキテクチャ | 1.0 | 1.0 |
| コードレビュー | 0.75 | 0.75 |
| ドキュメント作成と管理 | 0.75 | 0.75 |
| テスト、CI/CD、デプロイ | 0.5 | 0.75 |
| メンタリング / ペアプログラミング | 0.5 | 0.5 |
| 会議 | 1.5 | 1.5 |
| 合計 | 8.0h | 6.75h |
したがって、AIがコーディングを3倍速くすると仮定し(そして、より多くの新しいコードがあるため、テスト、CI/CD、デプロイに少し時間を費やすと仮定しても)、このシニア開発者は1日あたりわずか1.25時間、つまり約15%の時間を節約できるにすぎません。1
次に、同様のジュニア開発者を考えてみましょう。
| ジュニア開発者 | AI導入前 (時間) | AI導入後 (時間) |
|---|---|---|
| 新規コード作成 | 2.75 | 1.0 |
| 読み込みとデバッグ | 1.5 | 1.0 |
| 設計とアーキテクチャ | 0 | 0 |
| コードレビュー | 0.5 | 0.5 |
| ドキュメント作成と管理 | 0.5 | 0.5 |
| テスト、CI/CD、デプロイ | 0.75 | 1 |
| 学習 / ペアプログラミング | 1.0 | 1.0 |
| 会議 | 1.0 | 1.0 |
| 合計 | 8.0h | 6h |
AIは、このジュニア開発者の時間を2時間節約し、効率を約25%向上させます。これはシニア開発者よりも大きな差です。なぜなら、ジュニアはAIが最もブーストするコーディングに多くの時間を費やすからです。
AIがジュニアに大きなブーストを与えることを考えると、リーダーたちが「AIがジュニアの仕事をするようになったから、シニアエンジニアしか採用しない」と言うのを聞くのは皮肉です。実際には、AIから最も恩恵を受けるのはジュニアであり、特に彼らがAIを単なる熱心すぎるサイドキックではなく、学習ツールとしてうまく活用できる場合です。2
上記の観察結果に驚いた、あるいは開発者が実際にコードを書くのに1日に数時間以上費やしていると考えているなら、あなたは仕事の真の複雑さを理解していない可能性があります。3 このように考えてみてください。コーダーとしては優秀だが、システムについて推論するのが苦手で、困難な問題に他人と取り組む忍耐がなく、曖昧な要件を具体的な行動項目に分解できない人物を雇うと想像してください。私はこの人物を雇いません。なぜなら、彼らが欠いているスキルこそが、仕事の最も重要な部分だからです。優れたコーダーであることは、最低限の条件です。
もちろん、AIは進化し続けており、開発者の仕事のより多くの部分で改善されるにつれて、彼らをますます生産的にしていくはずです。しかし、現時点では、特にシニアスタッフにおいては、劇的な生産性の向上を期待しないでください。