コンテンツにスキップ

AI生産性への理不尽な期待にどう対処するか

概要

AI を導入したのに期待どおりの生産性向上が見られないと経営層から責められるエンジニア・CTO の現状。makemeacto.substack.com の記事「Handling Unreasonable Expectations Around AI Productivity」を紹介したポスト。

詳細

何が起きているか

AI ツールが普及するにつれて、経営層（CEO・投資家など）からの期待値が現実から乖離している。

経営層の期待:
  「AI を入れたんだから、開発速度が10倍になるはず」
  「人員を半分にしてもアウトプットは同じになるはず」
  「なぜまだ遅いんだ？」

現場の現実:
  AI はコードを書く速度を上げるが、要件定義・設計・レビュー・テスト・デプロイは人間が必要
  AI のアウトプットを確認・修正する時間も必要
  品質を保ちながらの速度向上は漸進的

「理不尽な期待」が生まれる理由

  1. デモと本番の差: ChatGPT や GitHub Copilot のデモが印象的すぎる
  2. 部分最適と全体最適の混同: コーディング速度 ≠ 開発速度 ≠ ビジネスの速度
  3. ソフトウェア開発の複雑さへの無理解: バグ修正・技術的負債・テスト・レビューのコストが見えない
ソフトウェア開発のボトルネック（AI が改善できる部分は一部）:

要件定義・仕様策定 → 主に人間
設計・アーキテクチャ → 主に人間（AI が補助）
コーディング        → AI が大きく助ける
テスト・QA          → AI が補助、人間が判断
コードレビュー      → AI が補助、人間が判断
デプロイ・運用      → 自動化できる部分あり
ビジネス判断        → 人間

対処法

エンジニア・CTO として

  1. 現実的な数字で話す 「コーディング速度は X% 改善、ただし全体の開発サイクルへの影響は Y%」

  2. AI 導入のコストも正直に伝える

  3. プロンプトエンジニアリングの学習コスト
  4. AI の出力を検証・修正する時間

  5. セキュリティ・品質の確認コスト

  6. 段階的な目標設定 「3ヶ月後にここまで、6ヶ月後にここまで」という計画を示す

自分自身のメンタルのために

  • 理不尽な期待は「AI リテラシー不足」から来ている。怒りではなく教育の機会と捉える
  • 実際に改善した部分（リファクタリング速度、ボイラープレート削減など）を記録しておく
  • 「AI が魔法を起こさない理由」を説明できる言語化を準備しておく

なぜ重要か / いつ使うか

  • 経営層や非技術者に AI 導入の効果を説明しなければならないとき
  • AI 生産性について過剰な期待をされて困っているとき
  • チームで AI ツール活用方針を決めるときの背景知識として