本文へスキップ
hdknr blog

AI 開発と保守コスト

AI エージェントの速度向上が長期生産性に効くには『速度向上率 × 保守コスト削減率 ≥ 1』を満たす必要があるという James Shore の定量モデル

概要

AI エージェントによる開発速度向上が長期的に生産性に貢献するためには、速度向上だけでは不十分で、保守コストも同率で削減される必要があるという主張。James Shore のブログ記事を起点に hiroppy 氏が紹介し、定量モデルとして「速度向上率 × 保守コスト削減率 ≥ 1」を満たすべきとされる。

短期と長期の非対称性

James Shore の前提モデル

開発者 50 人を想定した保守コスト見積もり:

このモデルでは、保守コスト削減を行わずに開発を続けると、約 2.5 年で生産性の 50% 以上が保守作業に費やされる水準まで到達する。

保守コストはコードの総量に比例する

リクルートの新人研修資料「事業価値と Engineering 2026年度版」も、保守コストの側から次のように指摘している。コードの総量そのものが未来の開発生産性を下げる。変更のたびに既存コードの仕様確認・影響範囲調査・設計・テスト・運用確認が発生し、さらに監視・障害対応・セキュリティ対応・依存関係管理・EOSL 対応・問い合わせ対応も増える。これはそのコードが事業価値を生んでいてもいなくても同じである。

AI で書くコストが下がっても、持ち続けるコストは対象が増えた分だけ膨らむ。特に増えやすいのが、AI が「念のため」に足すエッジケース対応のような事業価値を生まないコードで、資料は作ることが速く安くなる時代ほど「動かし続ける力が事業価値の上限になる」と述べる。保守コストを下げる手段には、書いたコードの保守性を上げることに加え、そもそも書かない判断(期待値の小さいエッジケースを許容する)と、価値を生まなくなったコードの除却がある(オーバーエンジニアリング)。

実務への含意

関連ページ

ソース記事