AIツールがコードを自動生成すれば、成果を測る評価指標は高まり、開発に要する期間も短縮される。調査に参加した開発者からは、「コードを量産できるようになり、より複雑な課題への挑戦や、定型業務の迅速な処理が可能になったことで、生産性の高まりを実感している」という声が上がった。しかし、この仕組みには大きな弊害もある。開発者がコードの確認作業に費やす時間が、劇的に増加している実態も浮き彫りになった。

　2026年現在のAIツールは、深刻な不具合を防ぐために人間が常時監視を続けなければならない。こうした人間による介在や監視の必要性は、実際のソフトウェア開発の現場でも現実のものとなっている。

　調査では、開発者が費やす1日の時間のうち31％が、評価指標では測定されないAI関連の隠れた作業負担に消えていた。AI技術が業務の進行を妨げる最大の要因になっている場面を尋ねると、53％が「AI生成コードの確認」を挙げた。過半数となる52％は「一見しただけでは気付きにくい微細で厄介な欠陥の修正」に最もストレスを感じており、48％は「コードの内容をチームのメンバーに説明する手間」を最大の負担として捉えている。

　それにもかかわらず、企業は生成されたコードの量だけで全体の成果を評価しがちだ。Harnessは、企業の経営層は「AIツールによって短縮できたはずの時間」が、最終的にどの作業に奪われているかという実態を把握できていないと指摘する。

　自身の業績評価にAIツールが導入されることへの懸念を尋ねたところ、回答した開発者の96％が「不安を感じる」と述べた。94％は、後々の保守に余分な手間がかかる「技術的負債」の蓄積やコードの検証にかかる時間、心身のエネルギーを失う「燃え尽き症候群」のリスクが現状の評価指標から抜け落ちていると指摘する。過半数の54％が、AIツールの生産性データに基づく個人の厳格な業績評価に疑問を呈している。

　HarnessはIT部門のマネジャーに対し、AIコードの確認時間、バグを修正するデバッグ作業によるオーバーヘッド（余分な処理による負荷）、開発者が異なるツールや画面を切り替えることで生じる生産性低下の度合いを追跡するよう求めている。具体的には、次の投資計画を立てる前に、表面化している20％の利益だけではなく、測定から漏れている31％のオーバーヘッドについても調査すべきだと助言する。

　企業内の開発チームが、完成し、集約され、実際のシステムへ展開されたコードの量を完全に把握することを推奨している。Harnessが指摘するように、AI技術はコードの量を増やすものの、それが自動的にソフトウェアの確実な提供につながるわけではない。

　「AIツールによるコーディングは、開発者が作るものだけではなく、日々の時間の使い方も一変させた」と、Harnessでプロダクト担当シニアバイスプレジデント兼ゼネラルマネジャーを務めるトレバー・スチュアート氏は語る。「これは現代のソフトウェアにおける初めての技術的変化だ。業界が頼ってきた評価指標は、AIツール前提の全く新しい業務プロセスを測定するようには作られていない」（同氏）