AIで「生産性が上がった」はずなのに、なぜ疲弊するのか
AIツールの導入によって開発速度が劇的に向上した——そう感じているエンジニアは多いだろう。しかし今、その「10倍生産性」の裏側で、シニアエンジニアたちが静かに限界を迎えつつある。
カリフォルニア大学バークレー校が2026年2月に発表した調査では、200人規模のテック企業に8ヶ月間密着し、40件以上のインタビューを実施した。その結論は明快だ。「AIは仕事を減らさない。仕事を強化する」。
「仕事量クリープ」の3つのメカニズム
同研究が明らかにした「ワークロード・クリープ（workload creep）」には3つの経路がある。
タスク拡張（Task Expansion） AIで「できること」が増えるにつれ、各メンバーのスコープが暗黙的に膨らむ。以前は「1週間かかる仕事」だったものが「1日でやれる想定」に変わる。
境界の溶解（Blurred Boundaries） AIプロンプトの入力は昼休みにも通勤中にも夜にも行われる。「仕事時間」という概念が失われていく。
暗黙のプレッシャー（Implicit Pressure） 同僚がAIを使って明らかに多くをこなしている状況では、全員の期待値が引き上げられる。自分だけ「普通のペース」ではいられない。
アップワークの調査では、AIを使う従業員の77%が「業務量が増えた」と回答。減ったと答えたのではない。増えたのだ。燃え尽き症候群の報告率は71%に上る。
人間の脳は1秒10ビット——AIとの根本的なミスマッチ
2025年に科学誌『Neuron』に掲載された研究によると、人間の脳が意識的・分析的な思考を処理できる速度は毎秒約10ビット。感覚器官は毎秒10億ビットの情報を収集するにもかかわらず、「考える」という行為のボトルネックは10ビットのままだ。
ワーキングメモリが同時に保持できる情報のチャンクはおよそ4つ。コードレビューの品質に関する研究（SmartBear/Cisco）では、100行以下のPRでは欠陥検出率87%だったものが、1,000行超では28%に急落すると報告されている。60分を超えると品質は崩壊する。
そこに現実の数字を重ねると、問題の深刻さが見えてくる。GitHubの「Octoverse 2025」によれば、マージされるPR数は月間4,320万件——前年比23%増。AI支援を受けた開発者は98%多くのPRをマージする（Faros AI調べ、1万人以上の開発者を分析）。その全件が、シニアエンジニアのレビューキューに積み上がる。
MITのレポートも同様の構造を指摘する。ジュニアがAIで大量のコードを生成する一方、レビューできるシニアの処理能力が飽和している。あるOCamlのメンテナーはAI生成の1万3,000行のPRをそのまま却下したという。誰にも読み切る帯域幅がなかった。
「速くなった気がする」という感覚こそが危険
最も不穏なデータはここにある。METRの研究では、経験豊富な開発者はAIツールを使うことで実際の作業速度は遅くなっているにもかかわらず、「速くなった」と感じていることが示された。
1983年にリザンヌ・ベインブリッジが論文「オートメーションの逆説（Ironies of Automation）」で指摘したことが、ここでも成立している。「自動化が高度になるほど、人間の役割はより要求が高くなる」——例外処理、品質保証、最終判断。これらはすべて専門家にしか担えない。AIが高度になればなるほど、その残った仕事をこなすための認知負荷は増大する。
そして最も重要な警告：AI活用で最も高い生産性指標を記録している人々の燃え尽き率は88%。高い生産性スコアを出している人ほど、退職リスクが2倍高い。ダッシュボード上で最も輝いているメンバーが、最も出口に近いという逆説だ。
実務への影響——日本のエンジニア・IT管理者が今できること
日本のIT現場でも、AIコーディング支援ツールの導入が加速している。この問題は他人事ではない。
PRサイズの上限を設定する AI生成コードであっても、PRは200〜300行を上限とするルールを設けることを検討したい。量より質のレビューを維持するための基本策だ。
「AIが書いたから速いはず」という思い込みを捨てる マネージャーは、AIによって生成物のスループットが上がった分、レビュー側の負荷も比例して上がることを計画に織り込む必要がある。スプリント計画にレビュー時間を明示的に確保することが重要だ。
コンテキストスイッチの回数を意識的に減らす Slackの通知設定、レビュー時間のブロック確保、集中作業セッションの設計——どれも古典的な手法だが、AIによって認知負荷が増大した今こそ見直す価値がある。
レビュー専任ローテーションを設ける 1日中コードを書いた後にレビューを積み上げる構造は限界に来ている。「今日はレビューデー」として集中させる設計も選択肢だ。
筆者の見解
AIエージェントの本質は、人間の認知負荷を削減することにある。ところが今起きていることは真逆だ——出力量を増やすことで人間への入力量も増やし、生物学的な処理速度では追いつけない構造を作り上げている。
「副操縦士」型のAI活用——つまり人間が最終確認を全件行い続ける設計——では、この問題は解決しない。むしろ悪化する。目指すべきは、AIが自律的にループで動き続け、人間が関与すべき判断だけにフォーカスを絞れる構造だ。全件レビューではなく、例外だけレビューする仕組みへの転換こそが、次のフェーズの設計課題になる。
「AIで10倍の生産性」という語り口は魅力的だが、それが「10倍のアウトプットを同じ人数でレビューする」を意味するなら、持続可能性はゼロだ。シニアエンジニアのレビュー能力は有限であり、それはいかなるAIも代替できない知的資産でもある。
燃え尽きたシニアエンジニアは戻ってこない。ダッシュボードの数字を追いかける前に、チームの「処理速度の天井」がどこにあるかを把握することが、今のエンジニアリングマネジメントに求められる最重要スキルだと筆者は考えている。
出典: この記事は The human cost of 10x: How AI is physically breaking senior engineers の内容をもとに、筆者の見解を加えて独自に執筆したものです。