経験豊富なオープンソース開発者がAIを利用すると平均で19％も作業時間が増えた研究

2025年8月26日

「AIを使えばコーディングは一気に速くなる！」そんな期待が広がっています。

しかし、米国の非営利研究機関METRが2025年に実施した大規模実験では、経験豊富なオープンソース開発者がAIを利用すると平均で19％も作業時間が増えるという結果が報告されました。

この記事では、METRの研究内容を詳しく紹介するとともに、AIを効率的に活用するためのヒントを解説します。

本研究の要点は以下の通りです。

研究まとめ

何が分かったか

経験豊富なオープンソース開発者16人が実課題246件に取り組んだランダム化試験で、AI利用可のタスクは平均+19％の時間超過となった
参加者や有識者の多くは「AIで速くなる」と予想していたが、現実は逆の結果だった
大規模コードや文脈の多い課題では、AIの出力を理解・調整する「下ごしらえ」に時間を取られる傾向がある

なぜ遅くなるのか

生成結果の採用率が高くなく、レビューや修正に余分な時間がかかる
モデルが暗黙知やプロジェクト固有のスタイルを把握しにくい
「AIなら速いはず」という先入観から試行錯誤が増える

実務で活かす工夫

用途を絞る：雛形作成、コメント生成、テストコード作成などに限定する
受け入れ基準を先に定義：AIの提案はその基準で速やかに取捨選択する
提案を丸のみしない：差分レビューやローカル実行で早めに検証する

なお、本記事の内容については、表現に不自然な点がないか、医学雑誌の編集にも携わっていた編集の専門家が確認済みです。

この記事を確認した編集者

Touma

編集プロダクションでの勤務経験があり、医療系出版社の月刊誌にて校正、校閲業務実績がございます。

おすすめ記事

研究の概要

今回の研究は、実際のリポジトリを用いて、AIを使った方が本当に開発作業が速くなるのかを検証したものです。特徴的なのは、単純なアルゴリズム課題ではなく、Linuxカーネルなどの実務に近い条件でタスクを評価した点です。

経験豊富なオープンソース開発者16人が、246件の課題に対してランダムに「AI利用可／不可」の条件で取り組み、作業時間やコード品質などが詳細に計測されました。

リポジトリ：ソフトウェアのプログラムや関連データをまとめて保管・管理する場所
Linuxカーネル：コンピュータの基本的な動きを管理するソフトウェアの中核部分

いつ	2025年1月29日
誰が	オープンソース開発に精通した熟練エンジニア16人
対象	各参加者が関わる大規模リポジトリの中から抽出された、Linuxカーネルを含む計246件の実際の課題
何をしたか	課題ごとに、AI使用「可」または「不可」をランダムに割り付け
方法	Cursor Pro上でClaude 3.5/3.7などを使用
結果	AI使用可の課題では、完了時間が平均で19％長くなることが確認された
予想とのズレ	・事前には平均で24％の時間短縮を期待していたが、実際は逆効果・事後の自己評価でも、参加者は20％程度の短縮を見込んでいた
周辺所見	AI出力を実際に採用したのは一部にとどまり、レビューや不要な修正・掃除に時間を割く傾向が見られた

なぜAIで遅くなったのか

実務の課題は規模が大きく、プロジェクトの歴史やコーディングの流儀も含めた複雑さがあります。AIはコード片の提案には優れていますが、プロジェクト特有の前提や暗黙知まで正確に理解するのは難しい場合があります。

その結果、生成されたコードのチェックや修正、追加テストの作成などに多くの時間が割かれ、作業がかえって遅くなるケースが生まれました。METRの研究表では、「AIの信頼性が低い」「暗黙知の活用が難しい」といった要因が、遅くなる側の理由として挙げられています。

さらに、参加者は熟練開発者であっても、CursorなどのAIツールの使い込みは半数以下にとどまっており、道具への熟練度の差も作業時間に影響した可能性があります。