コードは3割増えたのに、出荷は増えなかった──ハーバードが700社で測った「レビューに移った渋滞」
ハーバードが700社・約3億件の開発イベントを分析。AIエージェント導入でコードは3割増えたのに、課題解決率は横ばい。ボトルネックは「書く」から「レビューして確かめる」へ移っていた。
コーディングエージェントを導入すると、書き出されるコードの量は確かに増える。ところが、利用者が本当に欲しい「動くソフトウェアを届ける速さ」は、ほとんど変わっていない──。ハーバード大学の研究者 Fiona Chen 氏と James Stratton 氏が2026年10月9日に公表した調査が、そんな数字を突きつけました。700社を超えるソフトウェア企業について、2021年から2026年3月までの約3億件の開発イベント（コミットやプルリクエスト等）を分析した大規模なものです。
増えたのは「書く量」、変わらないのは「終わる量」
エージェント導入後、各社の開発活動は平均して次のように増えました。一方で、Jira で追跡される課題（issue）や大きめの機能の解決率には、統計的に有意な改善が見られなかったとされています。
| 指標 | 導入後の変化（平均） |
|---|---|
| コード行数 | ＋30％ |
| コミット数 | ＋20％ |
| プルリクエスト数 | ＋23％ |
| 課題・機能の解決率 | 有意な改善なし |
つまり、生産ラインの前半（コードを書く工程）は加速したのに、完成品として出荷される量は増えていない。研究者はこのギャップの正体を、後半の工程に求めています。
ボトルネックは「書く」から「確かめる」へ移った
エージェントが大量のコードを吐き出すほど、それを読み、テストし、文脈に合っているかを確かめる負荷が人間側に積み上がります。調査では、レビュー工程の重さが次のように増していました。
- プルリクエストが提出されてからマージされるまでの平均時間が＋49％
- プルリクエスト1件あたりのコメント数が＋35％
- 修正を求められるプルリクエストの割合がほぼ倍増
見落としがちなのは、この確認作業の多くを依然として人が担っている点です。2026年3月時点で測定対象の約8割の企業が何らかのAIレビューを使っていたものの、AIエージェントが生成したレビューコメントは全体の23.3％、AIが出したプルリクエストは全体の10.8％にとどまったといいます。コードを書く側はAIに任せられても、確かめる側はまだ人間の手に残っている、という構図です。
「速くなったはず」が請求や納期に表れない理由
経営の視点で見ると、この結果は「AI導入＝即、開発コスト減・リリース加速」という期待に待ったをかけるものです。コード生成が速くなっても、その手前で生まれた時間の余裕が、下流のレビューと手戻りに吸収されてしまう。研究チームはこれを、自動テストや検証の仕組み、ワークフローの組み替えが伴わなければ「コード量だけが増え、リリース頻度やコストには効かない」状態だと整理しています。
ただし、一面的に受け取るのは禁物です。この調査は同時に、企業がエンジニアの雇用を削っている明確な証拠は乏しいとも述べています。「AIが仕事を奪った」という話ではなく、「価値を生む工程が書く作業からレビュー・検証へ移り、そこがまだ詰まっている」という読み方が実態に近そうです。生産性向上そのものを否定する結果ではなく、効果を出すには後工程の作り替えが要る、という警鐘と捉えるのが妥当でしょう。
詰まりをほどくために現場でできること
では、増えたコードを出荷までつなげるには何が要るのか。関連する業界データや各社の運用知見からは、レビューの負荷を前倒しで下げる打ち手が見えてきます。
意図を添えてレビューする（レビューメモリ）
プルリクエストに、何を・なぜ・どんな前提とリスクで変えたのか、どう検証したのかを構造化して付ける。レビュアーが「背景の再構築」に時間を使わず、判断そのものに集中できるようにします。
リポジトリにルールを置く
AGENTS.md や .cursorrules のような規約ファイルで、使うべきパターンや共通ユーティリティ、守るべき制約をあらかじめ明文化する。エージェントの出力のばらつきが減り、レビューの摩擦が下がります。
段階的リリースで影響範囲を絞る
フィーチャーフラグと段階的な公開で、全体に晒す前に小さく検証する。レビューで一度に完璧を求めず、影響範囲を限って事実を集めながら広げることで、確認のプレッシャーを分散できます。
いずれも「AIに書かせる量」ではなく「人が確かめる負荷」に効かせる発想です。エージェントの導入効果を測るときも、コード行数やコミット数ではなく、提出からマージまでの時間や手戻り率といった下流の指標まで見ないと、実像を取り違えかねません。
参照: Harvard Study Finds AI Coding Agents Lift Code 30% but Fail to Raise Software Output（Zetik） ／ AI coding agents boosted code output without clear task-completion gains, study finds（Superpower Daily） ／ AI Coding Agents Generate More Code, Human Review Absorbs Gains（HyperAI） ／ The AI Coding Productivity Paradox 2026（FeatBit）
