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
- 短期:コード生産性が 2 倍になれば、新規開発スピードは確かに 2 倍
- 長期:AI 生成コードの保守コストが従来より大きければ、その「負債」が日々の保守時間を食う
- 結果:約 5 ヶ月で生産性向上分が消滅し、最終的には AI 未導入時よりも生産性が低い状態に陥る可能性
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:
- 初年度: 1 ヶ月の開発につき 10 日間 の保守
- 翌年以降: 毎年 5 日間 の保守
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
- AI コード生成ツール導入の効果測定は新規開発速度だけでなく保守時間も追う
- 保守コストを下げる施策(テスト充実・ドキュメント・設計品質の維持)を同時に進める
- 「速く書ける」だけでは意味がなく、「速く書けて、後の修正も速い」状態が必要条件
- 書くコストが下がったぶん「書かない判断」の価値が上がる。対応しなかったケースを PR に記録し、レビューで「足さない」を評価する
関連ページ
- Vibe Coding — AI 主導コーディングのスタイル
- Self-Improving Agents — エージェントの自己改善
- Harness Engineering — エージェント実行環境
- Brownfield リファクタリング — 既存コードの保守コストを下げる作り替え方
- オーバーエンジニアリング — 保守対象を増やさないための「作らない判断」
ソース記事
- AI は保守コストも削減すべき — 速度向上だけでは5ヶ月で逆効果になる仕組みをJames Shoreが解説 — 2026-05-11
- AI 時代のオーバーエンジニアリング — 「エッジケースだから許容する」判断を期待値で下す — 2026-11-04