AI活用が二極化、エージェント型で8倍超の生産性向上

本分析は、AIエンジニアリング導入における期待と現実の構造的ギャップを明らかにしている。エンジニアリングリーダーはAI時代に2～3倍の生産性向上を期待して参入したが、運用再設計なしにAI IDEを配布した場合の中央値は30%程度である。このギャップはランダムではなく、ツール能力と組織準備の間の根本的な不整合を反映している。Faros（2万2000人の開発者）、Googleのランダム化対照試験（21%）、GitHubの測定値（24%）からのデータはすべて、AIが補助ツールとして導入された場合の控えめな向上の狭いバンドに収束している。

最先端層――ReplicやNVIDIA、Amplitude、Anthropicなどの企業――は、AIエージェント周辺にオーケストレーション・管理層を構築することでこのギャップを解決した。エージェントを支援役として使用するようエンジニアに求める代わりに、これらの企業は他のエージェントを生成・調整し、GitHub、Linear、Slackを通じてコンテキストを共有し、判断を要する場合のみエンジニアにエスカレーションするエージェントをアーキテクチャしたワークフローを設計している。結果は生産性の2.5～3倍のステップ関数である。重要なことに、これらの企業はレビュー時間、リバージョン、インシデントが変わらないか低下すると報告しており、運用規律が基本層で見られる品質低下を防止していることを示唆している。

第3層――ソフトウェアファクトリー――はエージェントをモノリシックコードベースのリファクタリングなど自律的なエンドツーエンドタスクが可能な一級組織ユニットとして扱う。NubankのDevinによる8倍効率向上とゴールドマン・サックスの1万2000人の人間開発者によるパイロット導入は、スケール時に厳密な制約と明確な所有権の下で動作するエージェントが、基本層と最先端層の両者よりケタ違いに高いリターンを提供できることを示している。重要な含意は、AI生産性がモデル能力だけでは決定されず、企業がエージェントを周辺ではなく中心に配置するようエンジニアワークフローと意思決定構造をどれだけ徹底的に再設計したかによって決定されるということである。