仕事への影響
開発責任者は「AI活用工程数」ではなく品質データで語るべき理由
開発の現場でAIが広く使われるようになった一方、経営会議で「そのAI投資が事業にどう効いたか」を問われて答えに詰まる開発責任者が増えています。工程数の多さを成果の証拠にしてきた組織ほど、この問いに弱いことが見えてきました。
何が起きたか
エンジニアプラットフォームを提供するファインディ株式会社は、開発組織を管掌する開発責任者・マネジメント層185名を対象にした実態調査の結果を公開しました。調査は2026年7月1日から15日にかけてWebアンケート形式で実施され、対象はFindy Team+導入企業を中心とした開発責任者・マネジメント層です。
調査によると、AI生成コードが品質に与えた影響について「比較できる実績・データがない／把握していない」と回答した組織が36%にのぼりました。役割別で見ても経営層35%、エンジニアリングマネージャー38%とほぼ差がなく、特定の立場からだけ見えていないという問題ではないことが示されています。
さらに、AIを活用している開発工程の数と事業成果の間には関連が確認できませんでした。一方で事業成果の手応えと関連していたのは、Speed・Quality・Controlという3つの軸でした。実装工程でAIを継続的に活用している組織は98%、コードレビューでは97%に達していますが、AI利用のログを取得していない、または一部のツールのみで残る組織は60%を占めます。開発で得た知見を全社で形式知化できている組織は4%、AI利用ルールの遵守状況をモニタリング・監査できている組織は6%にとどまりました。
背景・解説
「開発資本」とは、企業がソフトウェアを通じて価値を生み続けるために組織へ蓄積された能力・知識・基盤を指す概念で、ファインディが2026年5月から提唱しているものです。エンジニアの「人的資本」とAI投資などの「技術資本」を掛け合わせ、開発組織を企業成長を支える経営資産として捉え直す考え方になります。
この開発資本は、Speed・Quality・Controlという3つの観点で見るとされています。Speedは速く作り、出し、学べているかという変更と学習のサイクルの速さです。Qualityは手戻りなく前に進めているか、作り直しや障害、保守性の低下を抑えられているかを指します。Controlは、AIを使っても変更の影響範囲や検証、承認、ロールバックを組織として扱えているかという観点です。
これまで多くの組織が「AIをどの工程で使っているか」を活用度の目安にしてきました。しかし今回の調査では、工程数の広がりと事業成果の手応えの間に関連は見られず、代わりに3軸のスコアが事業成果と結びついていました。導入の広さそのものよりも、事業が求める速さに追従できているか、負債や複雑な変更を扱いきれているかという開発の基礎体力が問われている形です。なお、この関連は相関関係であり、開発資本を高めれば必ず成果が出るという因果関係を意味するものではありません。
仕事や業務への影響 — AI Topicaの見方
開発責任者やマネジメント層は、AI活用の報告を「何工程で使っているか」から「Speed・Quality・Controlの3軸でどう変化したか」に切り替えるべきです。工程数は導入の広さを示すだけで、事業成果との関連が確認されなかった以上、経営への説明材料としては不十分になります。
例えば、従業員80人規模のSaaS企業で開発責任者を務める担当者が、四半期の役員会でAI活用の成果を報告する場面を考えます。「実装・レビュー・設計の3工程でAIを使っています」と伝えるだけでは、経営側は投資の妥当性を判断できません。むしろ「AI生成コードに起因するバグの割合が前四半期比でどう変わったか」「本番障害からAI生成コードまで原因をさかのぼれる件数が何件あったか」を示せるかどうかが、説明責任を果たせるかの分かれ目になります。しかし調査では、こうした比較データを持たない組織が36%に達しており、経営とエンジニアリング現場の間で共通言語が不足している状態です。
Control面の遅れも実務上の課題です。AI利用ルールを明文化した組織は83%に達する一方、遵守状況をモニタリング・監査できている組織は6%にとどまります。仮に従業員300人のSIerが複数チームでAIコーディングエージェントを使っている場合、ルールを作った時点で安心してはいけません。四半期に一度でも遵守状況を確認する仕組みがなければ、影響範囲の大きい変更が野放しになるリスクは残ります。
知見の共有についても手を打つべき領域です。チーム内での共有は41%まで進んでいますが、全社で形式知化され誰でも参照できる状態にある組織は4%しかありません。人事担当者が20名規模の開発組織でオンボーディング資料を整備する際、AI活用のコツを個人のメモやチャット履歴に留めるのではなく、月1回でも棚卸しして全社ドキュメントに反映する運用を組み込むだけで、この4%から抜け出す一歩になります。工程数を追いかける時間があるなら、その時間をログ整備と知見の棚卸しに振り向けるべきです。
不確かな点・注意
今回の調査で示された関連は、順位相関にもとづく統計的検定によるもので、有意水準5%を目安にしています。ファインディ自身も「関連は因果関係を意味しない」と明記しており、開発資本を高めれば必ず事業成果が上がるとまでは言えません。
対象がFindy Team+導入企業を中心とした185名である点にも注意が必要です。同社のサービスをすでに利用している組織が多く含まれるため、AI活用やデータ管理に関心の高い層の回答に偏っている可能性があります。業種構成や企業規模の内訳は公開情報からは分からず、業界全体の平均像として読むのは慎重になるべきです。
また、本文で紹介した数値は公開レポートの抜粋であり、詳細な分析やアンケート項目の全容は別途公開されているレポート本体を確認する必要があります。